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

948 documentos

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
Machine Learning for Trading

Este cuaderno convierte un grafo real de conocimiento de la cadena de suministro y las posiciones institucionales 13F en variables de aprendizaje automático. Deriva medidas de red, como centralidad e indicadores de dependencia; estima la concentración de…

Aprendizaje automáticoRenta variableConstrucción de carterasEstadística
Machine Learning for Trading

Este cuaderno analiza cómo se comportó una estrategia de referencia de momentum con posiciones largas únicamente en ETF en distintas condiciones de mercado entre 2010 y 2024. Etiqueta cada rendimiento diario con medidas de volatilidad y tendencia conocidas…

Renta variableImpulsoSeguimiento de tendenciasVolatilidad
Machine Learning for Trading

Este cuaderno muestra un flujo de preguntas y respuestas de solo lectura sobre un grafo de posiciones institucionales creado a partir de declaraciones 13F. En vez de generar consultas a la base de datos desde lenguaje natural, dirige las preguntas exactas…

Renta variableAprendizaje automáticoEjecuciónGestión del riesgo
Machine Learning for Trading

Este capítulo presenta los datos de mercado como resultado de las reglas de trading, la liquidez y el comportamiento de los participantes. Recorre los datos desde las cotizaciones del mejor precio hasta los flujos por orden, y luego describe cómo analizar…

Microestructura del mercadoEjecuciónTrading de alta frecuenciaEstadística
Machine Learning for Trading

El documento presenta un flujo de trabajo que conecta cargadores estandarizados de datos de mercado, un registro de características predefinidas y diagnósticos de señales. El cálculo de características se puede especificar mediante nombres, diccionarios de…

Indicadores técnicosAprendizaje automáticoEstadísticaRenta variable
Machine Learning for Trading

Este cuaderno compara modelos LightGBM con una referencia ridge para predecir rentabilidades de ETF en dos horizontes. Explica por qué los árboles pueden descubrir interacciones dependientes del régimen, como un comportamiento distinto del momentum bajo…

Renta variableAprendizaje automáticoPruebas retrospectivasEstadística
Machine Learning for Trading

Este cuaderno muestra cómo ajustar reglas StopLoss, TakeProfit y TrailingStop para una cartera de momentum, manteniendo una separación cronológica entre calibración y evaluación. Prueba los anchos de cada regla por separado y sus combinaciones usando datos…

Renta variableGestión del riesgoPruebas retrospectivasImpulso
Machine Learning for Trading

Este documento muestra cómo conectar una estrategia de momentum ETF de cinco días con Alpaca mediante una interfaz de estrategia compartida. La estrategia sigue el momentum de SPY, QQQ e IWM y genera señales cuando cruza un umbral. Los adaptadores…

Renta variableImpulsoEjecuciónGestión del riesgo
Machine Learning for Trading

Esta implementación describe un autoencoder condicional para la valoración de activos. Una red beta transforma las características de cada acción en cargas factoriales latentes, mientras que una red factorial lineal transforma las rentabilidades de carteras…

Renta variableInversión por factoresAprendizaje automático