Saltar al contenido

Biblioteca de conocimiento

Resúmenes e ideas clave, redactados por el agente de investigación de Stratmill, de los libros, artículos académicos, artículos y código que leen nuestros agentes de IA. Cada página enlaza al original.

Buscar en la biblioteca

1,113 documentos

Machine Learning for Trading

Este módulo fuente proporciona cargadores para precios de renta variable de EE. UU., datos de índices, opciones, microestructura del mercado, fundamentales y posiciones institucionales. Su detalle metodológico más sustancial trata del remuestreo de datos de…

Renta variableMicroestructura del mercadoEjecuciónMercados de EE. UU.
Machine Learning for Trading

Este cuaderno explica cómo reconstruir un catálogo de experimentos de modelos a partir de un registro de estudios de caso y comparar su contenido con MLflow. Sigue los experimentos desde las ejecuciones de entrenamiento hasta los conjuntos de predicciones y…

Aprendizaje automáticoPruebas retrospectivasEstadísticaGestión del riesgo
Machine Learning for Trading

Este análisis exploratorio describe los datos horarios OHLCV de contratos perpetuos cripto junto con un índice de prima de ocho horas. Examina la cobertura de símbolos y fechas, los cambios en los contratos incluidos, las unidades y distribución de la prima,…

CriptoactivosFuturos perpetuosMicroestructura del mercadoEstadística
Machine Learning for Trading

Este cuaderno desarrolla un marco consciente de las unidades para estimar los costes de trading en acciones, ETF, futuros, divisas y perpetuos de criptomonedas. Primero distingue el volumen negociado de las medidas de actividad que no pueden convertirse en…

EjecuciónMicroestructura del mercadoGestión del riesgoFuturos
Machine Learning for Trading

Este cuaderno crea el marco media-varianza de solo posiciones largas y plenamente invertido para un universo diversificado de ETF. Construye carteras factibles y una frontera eficiente; después, calcula pesos de máximo Sharpe y mínima varianza con…

MultiactivoConstrucción de carterasEstadísticaGestión del riesgo
Machine Learning for Trading

Este cuaderno vuelve a calcular los resultados de las principales configuraciones de asignación de ETF bajo dos cuadrículas de costes, manteniendo fijas las predicciones, la concentración y las reglas de asignación. Compara el modelo del estudio de caso, con…

Renta variableEjecuciónPruebas retrospectivasConstrucción de carteras
Machine Learning for Trading

Este cuaderno mide cómo afectan los costes de ejecución a la configuración ya seleccionada de futuros perpetuos de criptomonedas. Mantiene fijos el modelo, el punto de control, la regla de entrada, la asignación y el control de riesgo, y vuelve a ejecutar…

CriptoactivosFuturos perpetuosEjecuciónPruebas retrospectivas
Machine Learning for Trading

Este cuaderno compara modelos lineales para predecir rendimientos ETF a partir de características de precios solapadas. Como varios horizontes de rendimiento y familias de indicadores pueden codificar información similar, los mínimos cuadrados ordinarios…

Renta variableMultiactivoAprendizaje automáticoEstadística
Machine Learning for Trading

Esta guía relaciona preguntas causales con bibliotecas de Python y aclara la diferencia entre estimar efectos bajo una estructura causal supuesta y descubrir posibles estructuras a partir de los datos. Presenta el aprendizaje automático doble para efectos…

Aprendizaje automáticoEstadísticaRenta variableCriptoactivos
Machine Learning for Trading

Este marco muestra controles de calidad de datos sobre datos diarios US de renta variable OHLCV. La validación estructural comprueba las relaciones entre precios, precios positivos, volumen no negativo, valores ausentes, fechas duplicadas, orden cronológico,…

Renta variableEstadísticaGestión del riesgoMercados de EE. UU.
Machine Learning for Trading

Este cuaderno presenta un modelo de factor de descuento estocástico para valorar una sección transversal de ETF. En lugar de estimar por separado las exposiciones de los fondos y los rendimientos de los factores, entrena redes para encontrar una serie común…

Aprendizaje automáticoInversión por factoresEstadísticaRenta variable
Machine Learning for Trading

Este cuaderno aplica TabM, un ensamble neuronal con pesos compartidos, a un panel de características de futuros perpetuos de criptomonedas. Sus componentes comparten una base neuronal, pero tienen vectores de escala y capas de salida separados, combinando un…

CriptoactivosFuturos perpetuosAprendizaje automáticoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno reconstruye la mejor oferta y demanda vigente para cada operación de AAPL durante una sesión de marzo de 2020 y aplica el método Lee–Ready para inferir si iniciaron las operaciones compradores o vendedores. Intercala eventos de cotización y…

Renta variableMicroestructura del mercadoEjecuciónEstadística
Machine Learning for Trading

Este cuaderno crea un informe auditable de una estrategia de Bitcoin solo larga que entra y sale según umbrales de RSI. Compara los resultados brutos y netos y mide el rendimiento frente a una referencia de comprar y mantener ejecutada con los mismos datos,…

CriptoactivosReversión a la mediaIndicadores técnicosPruebas retrospectivas
Machine Learning for Trading

Esta configuración describe una estrategia diaria long-short de acciones US que clasifica un amplio universo de acciones según las predicciones del modelo, compra el decil superior y vende en corto el decil inferior con pesos iguales dentro de cada grupo.…

Renta variableMercados de EE. UU.Construcción de carterasEjecución
Machine Learning for Trading

Este cuaderno explica cómo combinar pronósticos de probabilidad de varios agentes y calibrar las probabilidades resultantes. Presenta la extremización de Neyman, que desplaza el pronóstico medio respecto a una tasa base según el tamaño del panel y una…

EstadísticaAprendizaje automáticoSentimiento del mercado
Machine Learning for Trading

Esta utilidad de datos facilita trabajar con el conjunto de datos de valoración de activos de Chen, Pelger y Zhu, que incluye rentabilidades de acciones, características de empresas, series macroeconómicas y tensores de características previos a la división.…

Renta variableInversión por factoresAprendizaje automáticoEstadística
Machine Learning for Trading

Este cuaderno convierte las clasificaciones de modelos en carteras sencillas de perpetuos cripto. En cada marca temporal de funding, una regla de entrada selecciona contratos de la parte superior o inferior de la clasificación y les asigna el mismo peso. La…

CriptoactivosFuturos perpetuosPruebas retrospectivasConstrucción de carteras