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 marco muestra controles de calidad de datos sobre datos diarios US de renta variable OHLCV. La validación estructural comprueba las relaciones entre precios, precios positivos, volumen no negativo, valores ausentes, fechas duplicadas, orden cronológico,…

Renta variableEstadísticaGestión del riesgoMercados de EE. UU.
Machine Learning for Trading

Este cuaderno mide cómo cambia el Sharpe de validación de los straddles de opciones at-the-money del S&P 500 bajo distintos supuestos de costes de ejecución y dos universos de opciones. Expresa el coste del diferencial como fracción del semidiferencial…

OpcionesMercados de EE. UU.Pruebas retrospectivasEjecución
Machine Learning for Trading

Este cuaderno evalúa modelos de secuencia LSTM y NLinear para pronosticar futuros. A diferencia de los modelos que usan una fila de características por decisión, los modelos de secuencia consumen ventanas ordenadas de observaciones pasadas y podrían aprender…

FuturosAprendizaje automáticoPruebas retrospectivasGestión del riesgo
Machine Learning for Trading

Este cuaderno examina si las atribuciones SHAP se mantienen estables cuando las predicciones son similares o cuando se vuelven a ajustar los modelos con distintas semillas aleatorias y arquitecturas. Con rentabilidades futuras de ETF, busca pares de muestras…

Aprendizaje automáticoEstadísticaGestión del riesgoRenta variable
Machine Learning for Trading

Este cuaderno relaciona el tamaño de posición con el análisis de las excursiones adversas y favorables máximas. Presenta el dimensionamiento fraccional fijo, en el que las acciones se determinan según el presupuesto de riesgo de la cartera y la distancia…

Dimensionamiento de posicionesGestión del riesgoVolatilidadPruebas retrospectivas
Machine Learning for Trading

Este estudio de caso prueba estrategias semanales long-short clasificadas por carry en una cesta diversificada de futuros CME, con datos diarios, evaluación de modelos walk-forward y costes de comisiones, diferenciales y slippage por renovación. Compara la…

FuturosCarryAprendizaje automáticoPruebas retrospectivas
Machine Learning for Trading

Este documento explica cómo representar el ciclo de vida de una orden real mediante un conjunto finito de estados y transiciones válidas activadas por eventos. Abarca el envío, la confirmación del bróker, la aceptación de la bolsa, las ejecuciones parciales…

EjecuciónMicroestructura del mercadoGestión del riesgo
Machine Learning for Trading

Este cuaderno muestra cómo convertir rendimientos brutos en rendimiento neto bajo supuestos explícitos de trading, financiación y gastos del fondo. La estructura de costes incluye diferencial e impacto de mercado, comisiones y tasas de bolsa, intereses de…

Renta variableEjecuciónPruebas retrospectivasGestión del riesgo
Machine Learning for Trading

El cuaderno presenta el marco de Almgren–Chriss para programar una liquidación de gran volumen. Mide el déficit de implementación respecto al precio de llegada y modeliza dos costes contrapuestos: el impacto de mercado, que aumenta con la intensidad de…

EjecuciónMicroestructura del mercadoGestión del riesgoEstadística
Machine Learning for Trading

El código calcula métricas de rendimiento estandarizadas a partir de tablas de predicciones fuera de muestra, por separado para cada pliegue y como agregados principales. Admite regresión y clasificación, incluido el coeficiente de información, medidas de…

EstadísticaPruebas retrospectivasAprendizaje automáticoGestión del riesgo
Machine Learning for Trading

Este cuaderno utiliza machine learning doble para comprobar si la asociación entre el diferencial de volatilidad implícita menos realizada y los rendimientos bursátiles futuros persiste tras ajustar por factores de confusión observados. Compara la estimación…

OpcionesRenta variableAprendizaje automáticoEstadística
Machine Learning for Trading

Este cuaderno recorre un ciclo de despliegue de un modelo diario de pares FX que usa Interactive Brokers tanto como fuente de datos en vivo como plataforma de ejecución. Entrena un modelo de regresión Ridge con un panel histórico, calcula un conjunto…

DivisasAprendizaje automáticoEjecuciónGestión del riesgo
Machine Learning for Trading

Este cuaderno presenta un modelo neuronal de factor de descuento estocástico para un panel de futuros CME. El modelo usa tanto los rendimientos de los productos como características observables, como carry, momentum y volatilidad, para construir factores…

FuturosAprendizaje automáticoInversión por factoresPruebas retrospectivas
Machine Learning for Trading

Este estudio vuelve a valorar combinaciones líderes de asignación de ETF y control del riesgo en dos cuadrículas de costes, manteniendo fija cada configuración de estrategia registrada. Una cuadrícula utiliza puntos básicos por operación; la otra, la…

Pruebas retrospectivasEjecuciónConstrucción de carterasGestión del riesgo
Machine Learning for Trading

Esta configuración define un universo semanal de investigación de futuros que abarca índices bursátiles, bonos públicos, energía, metales, divisas, agricultura y ganadería. Fija la liquidación del viernes como referencia para la decisión y la apertura del…

FuturosMultiactivoCarryImpulso
Machine Learning for Trading

Este experimento examina cuánto depende de las acciones de pequeña capitalización una señal long-short mensual seleccionada de renta variable de US. Aplica un filtro de capitalización bursátil con rezago que elimina el cuartil más pequeño de las predicciones…

Renta variableMercados de EE. UU.Inversión por factoresPruebas retrospectivas
Machine Learning for Trading

Este documento explica un experimento con futuros CME que usa TabM, un ensamblaje neuronal eficiente en parámetros, sobre las mismas filas de características diseñadas y pliegues walk-forward que los modelos lineales y de aumento de gradiente. TabM comparte…

FuturosAprendizaje automáticoEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este material explica cómo evaluar una estrategia elegida con datos de validación mediante predicciones de un conjunto reservado independiente de 2021. Mantiene fijos la asignación seleccionada, la concentración, los controles de riesgo, el calendario de…

Renta variablePruebas retrospectivasGestión del riesgoConstrucción de carteras
Machine Learning for Trading

Este cuaderno describe cómo generar predicciones para la ventana reservada de un estudio de caso sobre acciones de US después de seleccionar una configuración en los pliegues de validación. Resuelve la configuración seleccionada, conserva la elección del…

Renta variableAprendizaje automáticoPruebas retrospectivasGestión del riesgo
Machine Learning for Trading

Este cuaderno construye intervalos de incertidumbre para los rendimientos futuros de ETF mediante regresión Ridge y tres métodos conformales: predicción conformal dividida, regresión cuantílica conformalizada e inferencia conformal adaptativa. Los evalúa con…

Renta variableAprendizaje automáticoEstadísticaGestión del riesgo
Machine Learning for Trading

Este cuaderno estudia cómo afectan las reglas de asignación a las estrategias de ETF después de que un modelo haya clasificado los activos. Mantiene fijos los conjuntos de predicciones y el calendario de rebalanceo, selecciona la misma cesta de los k…

Renta variableConstrucción de carterasDimensionamiento de posicionesGestión del riesgo
Machine Learning for Trading

Este cuaderno evalúa cómo funcionan conjuntos registrados de predicciones ETF al convertirlos en carteras. Combina cada conjunto de predicciones de validación con esquemas de entrada definidos, como distintas cantidades de posiciones entre las mejor…

Renta variablePruebas retrospectivasConstrucción de carterasGestión del riesgo