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 cuaderno explica un autoencoder condicional que modela los rendimientos de las acciones como cargas factoriales dependientes de características multiplicadas por factores latentes. Primero estima los rendimientos de carteras gestionadas por…

Renta variableInversión por factoresAprendizaje automáticoConstrucción de carteras
Machine Learning for Trading

Esta guía de datos describe una colección de contratos de futuros continuos CME que abarca índices bursátiles, tipos de interés, energía, metales, divisas, agricultura y ganadería. Explica los datos de origen horarios y la frecuencia diaria derivada, los…

FuturosMultiactivoMaterias primasPruebas retrospectivas
Machine Learning for Trading

Este cuaderno estudia cómo afectan las reglas de asignación a las estrategias de ETF después de que un modelo haya clasificado los activos. Mantiene fijos los conjuntos de predicciones y el calendario de rebalanceo, selecciona la misma cesta de los k…

Renta variableConstrucción de carterasDimensionamiento de posicionesGestión del riesgo
Machine Learning for Trading

Este cuaderno compara modelos lineales con características de ETF basadas en ventanas de rendimientos solapadas y medidas relacionadas de momentum, volatilidad y osciladores. Estos predictores son colineales, lo que vuelve inestables los coeficientes de…

MultiactivoAprendizaje automáticoEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este cuaderno prueba si la construcción de carteras puede rescatar una estrategia de NASDAQ-100 que pierde por los costes y opera en cada barra. Selecciona las mejores predicciones de referencia usando el universo de selección declarado y luego compara las…

Renta variableConstrucción de carterasDimensionamiento de posicionesEjecución
Machine Learning for Trading

Este cuaderno toma las principales configuraciones de predicción de validación de una referencia de señales con ponderación equitativa y prueba métodos de asignación alternativos sobre las mismas predicciones. Compara la ponderación basada en puntuaciones y…

Renta variableConstrucción de carterasDimensionamiento de posicionesPruebas retrospectivas
Machine Learning for Trading

Este cuaderno evalúa cómo funcionan conjuntos registrados de predicciones ETF al convertirlos en carteras. Combina cada conjunto de predicciones de validación con esquemas de entrada definidos, como distintas cantidades de posiciones entre las mejor…

Renta variablePruebas retrospectivasConstrucción de carterasGestión del riesgo
Machine Learning for Trading

Este capítulo describe un recorrido desde la investigación hasta la ejecución en vivo, basado en una lógica de estrategia que puede funcionar en backtest, paper trading y trading en vivo. Abarca las integraciones de brókeres y plataformas, los ciclos de…

EjecuciónGestión del riesgoPruebas retrospectivasMicroestructura del mercado
Machine Learning for Trading

Este capítulo organiza datos financieros de fuentes de mercado, fundamentales y alternativas, y compara cómo la clase de activo determina qué significan los precios, la liquidez y las observaciones. Destaca que las marcas de tiempo, los ajustes, los…

MultiactivoEstadísticaPruebas retrospectivasGestión del riesgo
Machine Learning for Trading

Este cuaderno describe un modelo LSTM que predice rendimientos a partir de ventanas ordenadas de características bursátiles en un panel de renta variable US. A diferencia de un modelo tabular plano, el LSTM procesa las sesiones secuencialmente y mantiene un…

Aprendizaje automáticoRenta variableMercados de EE. UU.Pruebas retrospectivas
Machine Learning for Trading

Este cuaderno examina un proceso de selección de titulares ESG basado en palabras clave y compara la salida estructurada de su clasificador con los requisitos que debería cumplir un asistente de generación aumentada por recuperación. Una primera lista de…

Sentimiento del mercadoAprendizaje automáticoInversión por factores
Machine Learning for Trading

Este registro documenta una investigación multiagente sobre si Estados Unidos entraría en recesión antes de finales de 2026, según una regla de resolución especificada, basada en contracciones trimestrales consecutivas del GDP o en una fecha de recesión del…

EstadísticaMercados de EE. UU.Multiactivo
Machine Learning for Trading

Este módulo de Python describe métodos para cuantificar la incertidumbre en backtests de estrategias usando rendimientos diarios fuera de muestra. Combina intervalos de bootstrap por bloques estacionarios para estadísticas de series de rendimientos, un error…

Pruebas retrospectivasEstadísticaGestión del riesgoConstrucción de carteras
Machine Learning for Trading

Este notebook presenta TimeGAN, un modelo adversario generativo recurrente que produce secuencias financieras sintéticas. Sus cinco módulos aprenden una incrustación y una reconstrucción, predicen estados latentes sucesivos, generan secuencias a partir de…

Aprendizaje automáticoRenta variableEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este documento explica un método común para generar divisiones de validación walk-forward a partir de la configuración de evaluación de estudios de caso. Delega la construcción de folds en un divisor que tiene en cuenta el calendario, trabaja con marcas de…

Pruebas retrospectivasEstadísticaGestión del riesgo
Machine Learning for Trading

Este notebook implementa una regla de reversión a la media solo en posiciones largas con RSI para barras de contratos perpetuos de BTC/USDT, mediante un motor de backtesting basado en eventos. Agrega observaciones intradía en barras diarias UTC, calcula un…

CriptoactivosFuturos perpetuosReversión a la mediaIndicadores técnicos
Machine Learning for Trading

Este notebook aplica dos detectores secuenciales a errores reales de predicción de validación de dos configuraciones de modelos lineales de acciones US durante un año natural. Un detector de cambio de media en dos ventanas busca cambios en la magnitud del…

Aprendizaje automáticoEstadísticaGestión del riesgoRenta variable
Machine Learning for Trading

Este documento explica cómo TWAP y VWAP dividen una orden principal grande en órdenes secundarias a lo largo de una sesión de trading. TWAP asigna cantidades iguales a cada intervalo; VWAP las asigna en proporción a un pronóstico del volumen del intervalo.…

EjecuciónMicroestructura del mercadoPruebas retrospectivasRenta variable
Machine Learning for Trading

Este notebook presenta un autoencoder supervisado para pronosticar rentabilidades futuras de ETF. La red comprime las características de un fondo en una representación de baja dimensión y pronostica rentabilidades directamente a partir de ella. A diferencia…

Aprendizaje automáticoRenta variableEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este documento describe cómo derivar un único intervalo de entrenamiento para holdout a partir de una especificación existente de validación walk-forward. Toma las fechas declaradas del holdout de la configuración del estudio, usa el inicio de entrenamiento…

Pruebas retrospectivasAprendizaje automáticoGestión del riesgoEstadística
Machine Learning for Trading

Este notebook explica cómo comprobar si eventos como señales de trading o anuncios predicen rentabilidades más allá de un índice de referencia de mercado. Muestra el flujo de trabajo con rupturas de momentum en ETF líquidos: estima un modelo de mercado a…

EstadísticaPruebas retrospectivasImpulsoRuptura