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.
932 documentos
Este artículo sostiene que el rendimiento del aprendizaje automático financiero depende en gran medida de cómo se define el objetivo de predicción. A diferencia de una etiqueta médica fija, un objetivo de trading puede representar rendimientos,…
El artículo presenta un flujo de aprendizaje por inferencia para patrones construidos con medias móviles y el oscilador estocástico. Define la inferencia como la estimación de estructuras latentes a partir de datos observados y describe un autocodificador…
El artículo adapta un método de etiquetado por análisis de tendencias a una interfaz de características para modelos de aprendizaje automático. Para cada barra, ajusta el precio en función del tiempo con distintas longitudes de ventana candidatas y conserva…
El artículo explica Atomic Orbital Search (AOS), una metaheurística basada en población que representa soluciones candidatas como electrones distribuidos en capas orbitales imaginarias. La aptitud de cada candidata se trata como energía: una energía menor…
El artículo propone utilizar la información mutua (MI) para elegir cuál de varios objetivos de trading candidatos debe aprender un modelo de regresión de caja negra. Los ejemplos comparan cambios futuros de precio, medias móviles, el estocástico y RSI. Se…
El artículo propone una ecuación de regresión no lineal para pronosticar precios a partir de dos observaciones anteriores. Sus siete términos combinan variables de precio lineales y al cuadrado, una diferencia que representa el impulso, un componente seno…
Este tutorial explica cómo un modelo puede ajustarse estrechamente a las observaciones históricas aprendiendo el ruido en vez del proceso subyacente. Identifica las muestras pequeñas y la complejidad excesiva del modelo como causas habituales, y utiliza el…
Esta clase presenta el filtro de Kalman como método para estimar el estado cambiante de un sistema a partir de un modelo y observaciones ruidosas. El filtro alterna entre predecir el siguiente estado y actualizar esa estimación con nuevas mediciones. Los…
Esta clase explica por qué realizar muchas pruebas estadísticas aumenta la probabilidad de encontrar por azar relaciones aparentemente significativas. Ilustra el problema probando correlaciones de rangos de Spearman por pares entre series aleatorias…
Este módulo presenta comprobaciones posteriores al entrenamiento de generadores de series temporales, basadas en el enfoque de evaluación de TimeGAN. Mide la utilidad entrenando un predictor recurrente con secuencias sintéticas y probándolo con datos reales.…
El documento explica cómo un factor de descuento estocástico (SDF) estima un núcleo de valoración que debería valorar todos los activos, en lugar de estimar factores de rentabilidad comunes. Describe el entrenamiento adversarial: una red propone el factor de…
Este cuaderno usa Optuna para ajustar XGBoost, LightGBM y CatBoost en un conjunto de datos de características de empresas dividido temporalmente. La búsqueda de cada biblioteca trata la función de pérdida —error cuadrático medio o error absoluto medio— como…
Este benchmark compara pandas y Polars en operaciones habituales de las canalizaciones de datos financieros, como características móviles, cálculos por grupos, transformaciones de ventanas, filtrado, uniones, lecturas diferidas, uso de memoria y manipulación…
Este cuaderno aplica TabM, un enfoque de redes neuronales tabulares, a filas de predicción de pares de divisas sin tratar los datos como una secuencia. Usa una infraestructura de ejecución compartida para ajustar el preprocesamiento dentro de cada pliegue de…
Este documento explica cómo los modelos de Markov ocultos infieren regímenes de mercado no observados a partir de rendimientos y volatilidad reciente. Primero establece dos referencias transparentes: un umbral del índice de volatilidad para el estrés y el…
Este cuaderno implementa un pronóstico univariante de precios de cierre diarios de SPY usando PyTorch puro, sktime y Darts. Compara la experiencia práctica de cada interfaz, incluido el esfuerzo de implementación, las restricciones de instalación y el tiempo…
Este cuaderno explica una familia de modelos de ETF que representa los rendimientos mediante direcciones latentes compartidas y estima cómo las características de los fondos se relacionan con las exposiciones. Distingue cinco enfoques: componentes…
Este análisis compara modelos predictivos, de factores latentes y causales para una estrategia transversal de acciones del S&P 500, usando rendimientos futuros semanales. El conjunto de variables combina medidas de momentum y volatilidad de la renta variable…
Este cuaderno analiza un corpus de informes anuales antes de indexarlo para la investigación financiera. Destaca cuatro problemas de datos que no revelan los recuentos de filas ni las comprobaciones de valores nulos: la diferencia entre el cierre del…
Este cuaderno evalúa si un LSTM puede aprovechar el orden de los historiales de características de ETF para mejorar los modelos lineales con características planas y de boosting de gradiente. Contrasta la población de secuencias declarada con los datos…
Este cuaderno usa un panel sintético de activos para mostrar PCA instrumentado, donde las cargas factoriales dependen linealmente de características observadas antes de los rendimientos. Los mínimos cuadrados alternos estiman el mapeo de características a…
Este cuaderno explora ARIMA como generador de variables para modelos que pueden usar sus resultados junto con otros predictores. Explica cómo los gráficos ACF y PACF pueden sugerir órdenes del modelo, cómo los criterios de información pueden comparar órdenes…
Este documento presenta un sistema de datos compartido para la investigación de trading cuantitativo, con catálogos de conjuntos de datos de renta variable, opciones, futuros, criptomonedas, divisas, factores, macroeconomía, informes, posicionamiento,…
Este estudio de caso describe cómo generar un conjunto de predicciones fuera de muestra para un modelo de opciones del S&P 500 ya seleccionado. La configuración de reserva se fija con los resultados de validación y luego se vuelve a ajustar con datos que…