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

1,076 documentos

Machine Learning for Trading

El documento muestra un flujo de trabajo de VectorBT para una regla de reversión a la media RSI de Bitcoin, solo en largo. Calcula RSI a partir de los precios de cierre diarios, entra cuando la lectura del día anterior cae por debajo de un umbral inferior y…

CriptoactivosReversión a la mediaIndicadores técnicosPruebas retrospectivas
Machine Learning for Trading

Este notebook crea N-BEATS para pronosticar los precios de cierre de SPY. Los bloques totalmente conectados procesan una ventana retrospectiva completa y cada uno genera una reconstrucción retrospectiva, que se resta antes del siguiente bloque, y un…

Aprendizaje automáticoRenta variableEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este tutorial explica cómo detectar y prevenir el sesgo de anticipación en datos de ETF y datos macroeconómicos. Muestra que las medias móviles centradas usan observaciones futuras, mientras que una correlación simple entre el nivel de una característica y…

Pruebas retrospectivasEstadísticaRenta variableMercados de EE. UU.
Machine Learning for Trading

El documento evalúa cómo cambian los costes de trading el rendimiento de validación de una asignación de acciones y opciones del S&P 500, seleccionada previamente. Varía los cargos unidireccionales como fracción del valor negociado y los compara con una…

Renta variableOpcionesPruebas retrospectivasEjecución
Machine Learning for Trading

Este notebook usa análisis de componentes principales basado en correlaciones sobre las rentabilidades de ETF sectoriales para describir factores de riesgo comunes y rotación sectorial. Estandarizar las rentabilidades da varianza unitaria a cada sector antes…

Renta variableInversión por factoresEstadísticaConstrucción de carteras
Machine Learning for Trading

El notebook compara Monte Carlo dropout y los ensambles profundos como métodos para estimar la incertidumbre de los pronósticos diarios de rentabilidad de ETF. Dropout permanece activo durante predicciones repetidas, mientras que los miembros del ensamble se…

Aprendizaje automáticoEstadísticaGestión del riesgoDimensionamiento de posiciones
Machine Learning for Trading

Esta auditoría compara varios motores de backtesting con entradas históricas compartidas para asignación de ETF, futuros de CME, perpetuos de criptomonedas con financiación, divisas y acciones US. Cada par compatible recibe los mismos datos de mercado…

Pruebas retrospectivasEjecuciónMultiactivoFuturos
Machine Learning for Trading

Este notebook implementa una regla de reversión a la media RSI solo en largo para perpetuos de BTC/USDT, mediante un motor de backtesting basado en eventos. Agrega barras intradía en datos diarios OHLCV de UTC, calcula un RSI móvil de ganancias y pérdidas,…

CriptoactivosFuturos perpetuosReversión a la mediaIndicadores técnicos
Machine Learning for Trading

Este notebook explica una referencia de componentes principales para pronosticar rentabilidades de futuros CME. PCA se ajusta al panel de rentabilidades de productos del pliegue de entrenamiento, por lo que sus componentes representan direcciones de…

FuturosInversión por factoresEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este notebook compara modelos secuenciales con rejilla semanal para predecir la misma rentabilidad futura de cinco sesiones que se usa con rejilla diaria. Muestrear los viernes hace que esa etiqueta sea aproximadamente un objetivo a un paso, lo que permite…

Renta variableAprendizaje automáticoPruebas retrospectivasEstadística
Machine Learning for Trading

Este documento describe cómo seleccionar un conjunto fijo de acciones para backtests de validación y de holdout usando un coste de trading estimado de ida y vuelta. La aproximación combina los costes estimados por acción en relación con el precio medio por…

Renta variableEjecuciónMicroestructura del mercadoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno aplica TabM, un ensamblaje neuronal con pesos compartidos, a objetivos de rendimientos de acciones creados a partir de características de opciones sobre acciones. Sus miembros usan una red troncal común de dos capas, con vectores de escalado de…

Renta variableOpcionesAprendizaje automáticoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno explica cómo construir etiquetas de rendimientos futuros de precios para un panel de perpetuos de criptomonedas con barras de ocho horas. Desplaza las marcas de tiempo de apertura de las barras hasta el momento en que están disponibles los…

CriptoactivosFuturos perpetuosReversión a la mediaEstadística
Machine Learning for Trading

Este capítulo repasa métodos para generar datos financieros sintéticos y decidir si el resultado es útil. Parte del número limitado de trayectorias de mercado observadas y del riesgo de que la búsqueda repetida de estrategias infle el rendimiento aparente de…

Aprendizaje automáticoEstadísticaPruebas retrospectivasGestión del riesgo
Machine Learning for Trading

Este estudio de caso compara reglas fijas y móviles de stop declaradas para posiciones FX. Primero selecciona una estrategia matriz por etiqueta de una cohorte de validación sellada y después solo cambia la regla de riesgo de la posición. Como los stops…

DivisasGestión del riesgoPruebas retrospectivasDimensionamiento de posiciones
Machine Learning for Trading

Este documento explica por qué una serie diaria de opciones con vencimiento constante no representa los rendimientos de una posición realmente mantenida. Selecciona patas de compra y venta con el mismo precio de ejercicio y vencimiento que superan filtros de…

OpcionesVolatilidadPruebas retrospectivasValoración de derivados
Machine Learning for Trading

Este cuaderno aplica TabM a una tabla plana de características de acciones US y lo sitúa entre los modelos lineales penalizados y los ensamblajes de árboles. Cada miembro del ensamblaje comparte una red neuronal troncal, pero tiene su propio vector de…

Renta variableAprendizaje automáticoEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este análisis compara modelos predictivos de ETF registrados de varias familias en un panel multiactivo común. Evalúa cómo ordena cada modelo los fondos según sus rendimientos posteriores mediante coeficientes de información, examina intervalos de confianza…

MultiactivoAprendizaje automáticoEstadísticaPruebas retrospectivas
Machine Learning for Trading

Esta utilidad calcula métricas de sesgo de selección e incertidumbre del rendimiento para grupos de backtests de estrategias. Forma cohortes por familia, etapa y etiqueta, y por etiqueta; después calcula medidas como ratios de Sharpe deflactados, recuentos…

Pruebas retrospectivasEstadísticaGestión del riesgo
Machine Learning for Trading

Este análisis explica cómo se organizan los datos de futuros CME en productos, contratos con vencimiento y series continuas encadenadas por volumen. Usa datos del E-mini S&P 500 para mostrar que los contratos individuales tienen ventanas de negociación…

FuturosMaterias primasMultiactivoPruebas retrospectivas
Machine Learning for Trading

Este documento describe principios de implementación para un motor de backtest compartido y se centra en interpretar correctamente las cuadrículas de rendimientos al anualizar el rendimiento. Estima la frecuencia de muestreo observada a partir de los…

Pruebas retrospectivasGestión del riesgoEstadísticaConstrucción de carteras
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 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