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

842 documentos

Machine Learning for Trading

Este cuaderno explica el ciclo de vida de los datos de mercado diarios OHLCV: cargar un historial inicial, obtener un pequeño delta solapado, detectar sesiones ausentes y resumir la vigencia de los datos y los problemas de validación de cada símbolo. Explica…

Renta variableEstadísticaPruebas retrospectivasGestión del riesgo
Machine Learning for Trading

Este análisis compara capas de riesgo entre estudios de caso. Carga sus backtests de capas desde un registro y mide el ratio de Sharpe y el drawdown máximo frente a una referencia de la etapa de asignación, con una alternativa de la etapa de señal si no está…

Gestión del riesgoPruebas retrospectivasEstadística
Machine Learning for Trading

Este cuaderno evalúa los stop-loss, los trailing stops y las salidas por tiempo sobre configuraciones de la etapa de asignación en una estrategia intradía de NASDAQ-100. Las decisiones se toman cada quince minutos, mientras que el motor de backtest supervisa…

Renta variableGestión del riesgoPruebas retrospectivasEjecución
Machine Learning for Trading

Este cuaderno desarrolla la valoración Black-Scholes de opciones call y put europeas, comprueba la paridad put-call y calcula la volatilidad implícita mediante búsqueda de raíces de Brent. También define Delta, Gamma, Vega, Theta y Rho, y utiliza gráficos…

OpcionesValoración de derivadosVolatilidadGestión del riesgo
Machine Learning for Trading

Este capítulo presenta el aprendizaje por refuerzo como una herramienta de control secuencial y lo distingue de la predicción supervisada. Se centra en tareas donde las acciones afectan a resultados posteriores y las recompensas son relativamente concretas:…

Aprendizaje automáticoEjecuciónCreación de mercadoOpciones
Machine Learning for Trading

Este cuaderno reconstruye la configuración seleccionada de pares FX a partir de un conjunto congelado de candidatos de validación y luego evalúa las pruebas de validación y del periodo reservado. La selección usa el mayor Sharpe de validación que cumple los…

DivisasTrading de paresPruebas retrospectivasGestión del riesgo
Machine Learning for Trading

Este cuaderno crea un asignador LSTM que convierte directamente características recientes de rendimiento y volatilidad de ETF en ponderaciones de cartera solo largas. Una salida softmax mantiene las ponderaciones no negativas y la cartera totalmente…

Aprendizaje automáticoConstrucción de carterasPruebas retrospectivasGestión del riesgo
Machine Learning for Trading

Este cuaderno utiliza aprendizaje automático doble para estimar si el carry de futuros predice rendimientos posteriores de forma independiente de la volatilidad, el momentum y el rango transversal del carry. Elimina de carry y rendimientos la influencia de…

FuturosCarryAprendizaje automáticoEstadística
Machine Learning for Trading

Este cuaderno describe DeePM, una política integral de cartera de ETF ETF diseñada para mejorar el rendimiento en distintas condiciones de mercado. Sus componentes incluyen características de rendimiento y tendencia normalizadas por volatilidad, un modelo…

MultiactivoConstrucción de carterasAprendizaje automáticoGestión del riesgo
Machine Learning for Trading

Este cuaderno utiliza el análisis de excursiones máximas favorables y adversas para orientar la amplitud de las barreras triples a partir de trayectorias de precios observadas. Para una entrada larga al cierre de una barra, mide el máximo más alto y el…

Gestión del riesgoVolatilidadPruebas retrospectivas
Machine Learning for Trading

El documento explica cómo cuatro modelos de impacto de mercado estiman el movimiento adverso del precio por acción asociado a una orden: sin impacto, impacto lineal, impacto de raíz cuadrada y ley de potencias configurable. Aclara la convención de signo, las…

EjecuciónMicroestructura del mercadoPruebas retrospectivasGestión del riesgo
Machine Learning for Trading

Este cuaderno examina por qué dos motores de backtesting pueden producir resultados distintos con señales idénticas. Mantiene fija la estrategia y el universo negociable, hace deterministas las ponderaciones de cartera cuando hay predicciones empatadas y…

Pruebas retrospectivasEjecuciónDimensionamiento de posicionesGestión del riesgo
Machine Learning for Trading

Este código fuente describe salvaguardas para reconstruir una solicitud de modelo a partir de su especificación de entrenamiento inmutable y validar la ejecución resultante. Comprueba que la solicitud use una versión de identidad admitida, un nivel de…

Aprendizaje automáticoPruebas retrospectivasEstadísticaGestión del riesgo
Machine Learning for Trading

El cuaderno explica cómo leer como probabilidades los contratos binarios de tipos de la Reserva Federal de Kalshi y cómo convertir una escala de umbrales de tipos en una distribución implícita. Destaca que el flujo de datos contiene pujas YES, por lo que los…

FuturosEstadísticaMicroestructura del mercadoIndicadores técnicos
Machine Learning for Trading

Este análisis de viabilidad comprueba si los datos y los supuestos permiten una estrategia semanal que clasifique acciones del S&P 500 por volatilidad implícita at-the-money y compre las mejor clasificadas. Las opciones aportan la señal, pero las posiciones…

Renta variableOpcionesVolatilidadGestión del riesgo
Machine Learning for Trading

Este capítulo explica cómo evaluar modelos de aprendizaje automático financiero respetando la información disponible en cada momento de decisión. Distingue entre entrenamiento, validación y un holdout final, y explica por qué una validación k-fold con datos…

Aprendizaje automáticoPruebas retrospectivasEstadísticaGestión del riesgo
Machine Learning for Trading

Este cuaderno final compara la ponderación equitativa, la volatilidad inversa, la optimización de media-varianza y la paridad de riesgo jerárquica con una señal común en un universo diversificado de ETF. Un modelo Ridge móvil usa características de momentum,…

Construcción de carterasPruebas retrospectivasRenta variableEjecución
Machine Learning for Trading

Este cuaderno aísla la asignación de cartera al fijar la señal seleccionada en cada estudio de caso y comparar backtests de la fase de asignación. Considera métodos como ponderación equitativa, volatilidad inversa, ponderación por puntuación, optimización de…

Construcción de carterasPruebas retrospectivasGestión del riesgoEstadística
Machine Learning for Trading

Este cuaderno compara métodos de asignación de cartera entre estudios de caso, manteniendo fija la predicción de señal elegida para cada uno. Carga backtests de la fase de asignación vinculados a la misma predicción base y examina métodos como la ponderación…

Construcción de carterasPruebas retrospectivasGestión del riesgoEstadística
Machine Learning for Trading

Este cuaderno muestra un flujo de trabajo para relacionar las operaciones perdedoras con las explicaciones del modelo asociadas a sus decisiones. Construye un panel de características de un solo activo SPY con datos de precios y macroeconómicos, entrena un…

Renta variableAprendizaje automáticoGestión del riesgoEstadística