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

239 documentos

Machine Learning for Trading

Este cuaderno compara el efecto de los costes de trading supuestos en estrategias de varios estudios de caso. Consulta backtests de sensibilidad a los costes para cada configuración de estrategia desplegada, compara el Sharpe bruto con el Sharpe neto al…

Pruebas retrospectivasGestión del riesgoEjecuciónEstadística
Machine Learning for Trading

Este cuaderno presenta comparaciones de paridad entre Backtrader, Zipline Reloaded y un marco interno de trading con estrategias seleccionadas de casos de estudio reales. Incluye comparaciones de ETF y paneles de acciones de ETF y US para ambos motores…

Pruebas retrospectivasEjecuciónMicroestructura del mercadoRenta variable
Machine Learning for Trading

Este módulo define una referencia de asignación mensual a ETF mediante una puntuación de momentum ajustada al riesgo: el rendimiento acumulado de los últimos periodos dividido por la volatilidad realizada anualizada. Selecciona los activos mejor clasificados…

Renta variableMultiactivoImpulsoVolatilidad
Machine Learning for Trading

Este resumen reúne datos de configuración de nueve casos de estudio de trading que abarcan acciones, criptomonedas, divisas, futuros, opciones y carteras multiactivo. Compara el universo, la frecuencia de los datos, la cadencia de las decisiones, el modelo…

MultiactivoPruebas retrospectivasGestión del riesgoEjecución
Machine Learning for Trading

Este cuaderno presenta un marco determinista para comprobar si los procesos de backtest y trading en vivo funcionan de manera coherente. Compara las etapas que transforman las barras de precios en decisiones: cálculos de variables, predicciones, señales y…

Pruebas retrospectivasEjecuciónAprendizaje automáticoEstadística
Machine Learning for Trading

Este cuaderno entrena un agente de aprendizaje por refuerzo para programar una orden de venta fija a lo largo de barras horarias de un mercado de futuros perpetuos de criptomonedas. Su estado incluye rendimientos retardados, volatilidad, volumen de la hora…

CriptoactivosFuturos perpetuosEjecuciónAprendizaje automático
Machine Learning for Trading

Este cuaderno usa datos de operaciones y órdenes derivados de NASDAQ ITCH para ilustrar patrones de microestructura. Examina la autocorrelación negativa de primer orden en los rendimientos de operaciones tick a tick, compara el efecto con los rendimientos…

Renta variableMicroestructura del mercadoEstadísticaEjecución
Machine Learning for Trading

Esta demostración amplía un flujo de trabajo de una sola orden a un rebalanceo diario para un universo fijo de acciones estadounidenses de gran capitalización US. Explica cómo comparar las posiciones actuales del bróker con los objetivos del modelo, crear…

Renta variableEjecuciónGestión del riesgoMicroestructura del mercado
Machine Learning for Trading

Este caso de estudio evalúa straddles cortos at the money sobre componentes del S&P 500, abiertos semanalmente y mantenidos hasta el vencimiento con cobertura delta diaria. Su principal decisión metodológica es modelar rendimientos hasta el vencimiento: la…

OpcionesVolatilidadPruebas retrospectivasEjecución
Machine Learning for Trading

Este cuaderno evalúa cómo afectan los supuestos de costes de transacción al Sharpe de validación de una asignación seleccionada de acciones y opciones del S&P 500. Si está disponible, conserva la configuración elegida mediante un conjunto de candidatos…

Renta variableOpcionesEjecuciónPruebas retrospectivas
Machine Learning for Trading

Este caso de estudio de NASDAQ-100 investiga si las señales de microestructura de 15 minutos pueden resistir los costes de trading. El flujo de trabajo evalúa el flujo de órdenes, la antigüedad de las cotizaciones y los spreads relativos; después compara una…

Renta variableMercados de EE. UU.Microestructura del mercadoEjecución
Machine Learning for Trading

Este cuaderno comprueba si una estrategia diaria de clasificación de acciones de US cuenta con suficientes datos utilizables para una evaluación justa antes de ajustar un modelo. Explica cómo formar un universo en cada momento con sus componentes históricos,…

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

Este documento presenta un análisis de sensibilidad a los costes para una estrategia fija de momentum de ETF. Mantiene constantes el universo, las ponderaciones, el calendario y el simulador mientras vuelve a ejecutar el backtest con distintas comisiones por…

Renta variableImpulsoPruebas retrospectivasEjecución
Machine Learning for Trading

Este análisis examina un universo fijo de 100 ETF en nueve grupos de activos. Comprueba la cobertura por fondo y año, confirma que el panel de precios coincide con la configuración de grupos, revisa los valores nulos y el orden de OHLC, y compara el volumen…

MultiactivoEstadísticaGestión del riesgoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno explica cómo reconstruir el libro de órdenes limitadas de un único símbolo de NASDAQ a partir de datos de mensajes por orden. Procesa altas, ejecuciones, cancelaciones, eliminaciones y reemplazos, y mantiene el tamaño restante de cada orden…

Renta variableMicroestructura del mercadoEjecuciónEstadística
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 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 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 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