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

559 documentos

Machine Learning for Trading

Este cuaderno ajusta modelos ridge, lasso y elastic net a un amplio conjunto de características consolidadas de acciones US, como valor, rentabilidad, inversión, impulso, tamaño, riesgo y liquidez. Evalúa rendimientos mensuales sin ajustar, un objetivo de…

Renta variableInversión por factoresImpulsoAprendizaje automático
Machine Learning for Trading

Este cuaderno describe cómo analizar mensajes históricos del flujo IEX DEEP y mantener un libro de órdenes limitadas mediante actualizaciones agregadas por nivel de precio. Extrae cambios de profundidad, mejores cotizaciones de compra y venta e informes de…

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

Este cuaderno compara asignaciones con pesos iguales, ponderadas por puntuación positiva y por anchura conformal para los ETF y futuros CME mejor clasificados. Estima anchuras de intervalos de conformidad por partición específicas de cada entidad a partir de…

Renta variableFuturosDimensionamiento de posicionesGestión del riesgo
Machine Learning for Trading

Este cuaderno compara tres formas de convertir predicciones de rendimientos con signo en posiciones binarias: un umbral fijo en cero, un percentil móvil de las puntuaciones propias de cada símbolo y un percentil transversal entre símbolos. Mide la activación…

Aprendizaje automáticoIndicadores técnicosCriptoactivosRenta variable
Machine Learning for Trading

Este documento presenta un autoencoder supervisado como control para modelos condicionales de factores latentes. Asocia directamente las características de las empresas con los rendimientos futuros mientras comprime 57 entradas en un cuello de botella…

Renta variableAprendizaje automáticoInversión por factoresEstadística
Machine Learning for Trading

Este cuaderno explica cómo los splits de acciones y los dividendos en efectivo alteran las series históricas de precios sin ajustar y distorsionan los rendimientos calculados. Muestra el ajuste retrospectivo, que reescala los precios históricos por acciones…

Renta variableMercados de EE. UU.Pruebas retrospectivasEstadística
Machine Learning for Trading

Este cuaderno utiliza características ETF y rendimientos futuros para demostrar la inferencia clásica por mínimos cuadrados ordinarios antes de pasar a métodos centrados en la predicción. Examina pruebas de coeficientes y errores estándar, y luego…

Renta variableEstadísticaAprendizaje automáticoGestión del riesgo
Machine Learning for Trading

Este estudio de NASDAQ-100 examina cómo afectan los costes de transacción a una estrategia de renta variable con reajustes frecuentes. Separa dos posibles respuestas a los costes: limitar el universo negociado a activos más líquidos y de menor coste, y…

Renta variableMercados de EE. UU.EjecuciónMicroestructura del mercado
Machine Learning for Trading

Este cuaderno presenta PCMCI como método para detectar relaciones retardadas en series temporales financieras multivariantes sin especificar de antemano un grafo causal. Aplica el método a rendimientos de ETF e índices de volatilidad, compara su análisis…

Aprendizaje automáticoEstadísticaMultiactivoRenta variable
Machine Learning for Trading

Este tutorial convierte señales transversales de ETF en carteras largas de los diez primeros activos, ponderadas por igual, y compara la regresión Ridge y la clasificación logística con referencias de momentum y ponderación igualitaria. Los modelos se…

Renta variablePruebas retrospectivasEjecuciónConstrucción de carteras
Machine Learning for Trading

Este estudio prueba si el mal ajuste de un modelo lineal a los rendimientos mensuales de acciones de US se debe a su objetivo de error cuadrático. Mantiene fijos el objetivo de rendimientos futuros sin winsorizar, las características y las particiones…

Renta variableMercados de EE. UU.Aprendizaje automáticoEstadística
Machine Learning for Trading

Este cuaderno presenta NLinear como referencia para predecir rendimientos de acciones a partir de ventanas ordenadas de características. Cada ejemplo contiene 60 sesiones consecutivas de una acción. Para cada característica, el modelo resta su valor más…

Renta variableAprendizaje automáticoEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este cuaderno reconstruye la mejor cotización nacional vigente de compra y venta (NBBO) para cada operación de AAPL durante la sesión regular del 16 de marzo de 2020. Combina cronológicamente eventos de cotización y operación, mantiene la última oferta de…

Renta variableMicroestructura del mercadoEjecuciónEstadística
Machine Learning for Trading

Este cuaderno ajusta modelos neuronales TabM a un objetivo de rendimiento de una estrategia short straddle de opciones del S&P 500 y compara tres capacidades de modelo usando el mismo panel de características que los métodos lineales y de boosting. TabM…

OpcionesRenta variableAprendizaje automáticoPruebas retrospectivas
Machine Learning for Trading

Este documento presenta el PCA instrumentado, en el que las cargas factoriales de los activos se modelan como funciones lineales de características observadas antes del rendimiento. Utiliza mínimos cuadrados alternos para estimar la relación entre…

Renta variableInversión por factoresAprendizaje automáticoEstadística
Machine Learning for Trading

Este documento describe un benchmark reproducible de acciones US del archivo de replicación de valoración de activos de Chen, Pelger y Zhu. Contiene aproximadamente 1.2 millones de observaciones bursátiles mensuales entre 1967 y 2016, con 46 características…

Renta variableInversión por factoresAprendizaje automáticoMercados de EE. UU.
Machine Learning for Trading

Este documento explica cómo TSMixer procesa el historial reciente de variables de una acción como una matriz de sesiones por variables. Sus bloques mezclan información a lo largo de las columnas de variables en el tiempo y, después, entre variables dentro de…

Renta variableAprendizaje automáticoImpulsoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno utiliza predicciones GBM walk-forward registradas para ETF y futuros CME con el fin de comparar la ponderación igualitaria, la ponderación inversa a la anchura conforme y la ponderación proporcional a las puntuaciones de predicción positivas.…

Renta variableFuturosGestión del riesgoDimensionamiento de posiciones
Machine Learning for Trading

Este cuaderno compara los pronósticos sin ejemplos de Chronos y TinyTimeMixer con un LSTM y un modelo lineal penalizado en un panel de ETF. Todos los modelos reciben el mismo contexto histórico univariante, pero los modelos preentrenados pronostican esa…

Renta variableAprendizaje automáticoEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este cuaderno explica cómo GARCH convierte la agrupación de volatilidad en una variable por sesión. Primero utiliza gráficos de rendimientos y una prueba ARCH-LM para comprobar si los rendimientos al cuadrado dependen de sus propios retardos. En un modelo…

VolatilidadIndicadores técnicosGestión del riesgoEstadística
Machine Learning for Trading

Este cuaderno adapta a las acciones estadounidenses diarias un diseño adversario de factor de descuento estocástico. Una red de ponderaciones de cartera forma un factor a partir de rendimientos excedentes del día siguiente, mientras que una red de momentos…

Renta variableInversión por factoresAprendizaje automáticoEstadística