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

109 documentos

Machine Learning for Trading

Este cuaderno entrena un agente de optimización de políticas proximales para liquidar una orden fija en un horizonte determinado. Compara la política de ritmo aprendida con TWAP y un calendario de Almgren–Chriss, mide el déficit de ejecución y examina cuándo…

CriptoactivosFuturos perpetuosEjecuciónAprendizaje automático
Machine Learning for Trading

Este cuaderno estima si una puntuación z de la prima de perpetuos de criptomonedas se asocia con rendimientos posteriores de ocho horas bajo una intervención, ajustando por volatilidad de precios, tasa de financiación y desviación de la prima respecto a su…

CriptoactivosFuturos perpetuosAprendizaje automáticoEstadística
Machine Learning for Trading

Este documento estudia las salidas a nivel de posición añadidas a una estrategia existente de perpetuos de criptomonedas: stops de pérdidas fijos, stops dinámicos y salidas basadas en el tiempo. Explica que estos controles solo cierran las posiciones…

CriptoactivosFuturos perpetuosGestión del riesgoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno convierte las clasificaciones de modelos en carteras sencillas de futuros perpetuos de cripto para que experimentos posteriores midan el efecto de cambiar el tamaño de las posiciones, los costes o los controles de riesgo. Aplica reglas de…

CriptoactivosFuturos perpetuosPruebas retrospectivasConstrucción de carteras
Machine Learning for Trading

Este cuaderno describe cómo generar predicciones de holdout para una estrategia seleccionada de financiación de perpetuos cripto. Resuelve la configuración a partir de los resultados de validación, conserva la elección del punto de control y crea una nueva…

CriptoactivosFuturos perpetuosAprendizaje automáticoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno compara DQN, PPO y A2C en un entorno simulado de trading de criptomonedas. Calibra un proceso de volatilidad GARCH(1,1) con rendimientos horarios de futuros perpetuos de Bitcoin y después simula trayectorias que conservan la agrupación de…

Aprendizaje automáticoCriptoactivosFuturos perpetuosPruebas retrospectivas
Machine Learning for Trading

Este módulo define un entorno de simulación con datos disponibles en cada momento para ejecutar una gran orden de venta en futuros perpetuos de criptomonedas. Sus observaciones combinan el inventario restante y el tiempo con la volatilidad del mercado, el…

CriptoactivosFuturos perpetuosEjecuciónMicroestructura del mercado
Machine Learning for Trading

Este documento describe un proceso para descargar registros oficiales de financiación de futuros perpetuos Binance USD-M, normalizarlos y guardarlos en caché en un archivo columnar. Los archivos mensuales se descargan en paralelo para los símbolos y el…

CriptoactivosFuturos perpetuosValoración de derivadosPruebas retrospectivas
Machine Learning for Trading

Este cuaderno compara configuraciones de gradient boosting para futuros perpetuos de criptomonedas con características basadas en la prima de los contratos perpetuos sobre el mercado al contado. Varía la capacidad de los árboles y la función de pérdida,…

CriptoactivosFuturos perpetuosAprendizaje automáticoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno desarrolla características basadas en modelos para futuros perpetuos de criptomonedas: previsiones de volatilidad condicional por activo mediante GJR-GARCH y una probabilidad de régimen de tensión de todo el mercado mediante un modelo oculto de…

CriptoactivosFuturos perpetuosVolatilidadAprendizaje automático
Machine Learning for Trading

Esta demostración describe un ciclo de trading de criptomonedas continuo conectado al mercado de contado en USD de Alpaca. Asocia un universo de estudio de caso de futuros perpetuos con los pares de contado admitidos por la plataforma y deja claro que solo…

CriptoactivosMercados al contadoFuturos perpetuosImpulso
Machine Learning for Trading

Este cuaderno muestra cómo monitorizar el drift de covariables en características de momentum de ETF y de futuros perpetuos de criptomonedas en distintas ventanas de mercado. Compara el índice de estabilidad de la población, que mide cambios en…

Aprendizaje automáticoEstadísticaGestión del riesgoCriptoactivos
Machine Learning for Trading

Este cuaderno desarrolla una tarea simulada de creación de mercado en la que un agente de PPO elige el sesgo de la cotización y la amplitud del diferencial. La probabilidad de ejecución disminuye cuando las cotizaciones se alejan del precio medio, mientras…

Creación de mercadoAprendizaje automáticoEjecuciónMicroestructura del mercado
Machine Learning for Trading

Este cuaderno entrena un agente de PPO para programar una orden de venta principal a lo largo de barras horarias de futuros perpetuos. Amplía el historial de precios y volumen con la prima del perpetuo y el tiempo hasta la próxima liquidación de…

CriptoactivosFuturos perpetuosEjecuciónPruebas retrospectivas
Machine Learning for Trading

Este cuaderno presenta el backtesting vectorizado con VectorBT mediante una regla long-only de reversión a la media del RSI sobre datos del mercado de futuros perpetuos de Bitcoin. Calcula un RSI basado en el cierre, entra cuando la lectura del día anterior…

CriptoactivosFuturos perpetuosReversión a la mediaIndicadores técnicos
Machine Learning for Trading

Este cuaderno compara seis métodos de asignación en estrategias de perpetuos cripto que ya han superado un proceso de selección de referencia. Mantiene fijas las predicciones y reglas de entrada de cada estrategia, y luego cambia cómo se asigna el capital:…

CriptoactivosFuturos perpetuosDimensionamiento de posicionesConstrucción de carteras
Machine Learning for Trading

Este cuaderno explica cómo convertir modelos GJR-GARCH ajustados y modelos ocultos de Markov en características de negociación mientras se controla el sesgo de anticipación. GJR-GARCH estima la volatilidad condicional y captura el mayor impacto de las…

CriptoactivosFuturos perpetuosVolatilidadAprendizaje automático
Machine Learning for Trading

Este cuaderno añade una red convolucional temporal (TCN) a una comparación de modelos de secuencia para pronosticar primas de financiación de perpetuos de criptomonedas. El relleno causal garantiza que cada posición use solo observaciones actuales y…

CriptoactivosFuturos perpetuosAprendizaje automáticoPruebas retrospectivas
Machine Learning for Trading

Este módulo estima parámetros para mercados de criptomonedas simulados que se usan en entornos de aprendizaje por refuerzo. Carga datos horarios de mercados perpetuos para un símbolo seleccionado, calcula rendimientos logarítmicos entre cierres y ajusta un…

CriptoactivosFuturos perpetuosVolatilidadMicroestructura del mercado
Machine Learning for Trading

Este cuaderno estudia si una prima extrema en futuros perpetuos afecta a los rendimientos posteriores de BTC o a la reversión de la prima. Define el tratamiento como un estado de prima alta y compara un resultado general del mercado, al que pueden afectar…

CriptoactivosFuturos perpetuosArbitrajeEstadística
Machine Learning for Trading

Este análisis pregunta si los datos pueden respaldar una estrategia transversal de perpetuos cripto antes de ajustar un modelo o hacer predicciones. El enfoque propuesto ordena los contratos por prima en cada liquidación de financiación y luego compra los…

CriptoactivosFuturos perpetuosEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este cuaderno compara dos preguntas causales sobre primas extremas en futuros perpetuos de Bitcoin: si un estado de prima predice rentabilidades futuras y si predice una reversión posterior de la prima. El tratamiento es un indicador binario de una…

CriptoactivosFuturos perpetuosEstadísticaMicroestructura del mercado