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

932 documentos

Machine Learning for Trading

Este cuaderno explica cómo la incertidumbre del modelo puede aportar información más allá de una estimación puntual. Ajusta un modelo de volatilidad estocástica en el que la volatilidad logarítmica latente evoluciona con el tiempo y los rendimientos siguen…

VolatilidadAprendizaje automáticoEstadísticaGestión del riesgo
Machine Learning for Trading

Este sistema de evaluación separa cuatro tipos de fallos en una canalización financiera de generación aumentada por recuperación: recuperar evidencia pertinente, fundamentar las respuestas en esa evidencia, rechazar preguntas que no se pueden responder y…

Aprendizaje automáticoEstadísticaGestión del riesgo
Machine Learning for Trading

Este cuaderno presenta un debate en varias rondas, entre alcistas y bajistas, sobre un pronóstico probabilístico controvertido. Cada parte argumenta a partir de resúmenes compartidos por agentes de investigación, ve la postura anterior de la otra parte y…

EstadísticaAprendizaje automático
Machine Learning for Trading

Este cuaderno construye características ajustadas por modelos a partir de historiales de precios de divisas, como complemento de los indicadores calculados directamente a partir de precios pasados. Describe tres enfoques: un filtro de espacio de estados que…

DivisasAprendizaje automáticoEstadísticaIndicadores técnicos
Machine Learning for Trading

Este cuaderno describe un flujo de trabajo para convertir las declaraciones trimestrales MD&A de las empresas del S&P 500 en características de trading. Usa las fechas de aceptación de los informes como referencia temporal, reduce varios informes de una…

Renta variableAprendizaje automáticoSentimiento del mercadoEstadística
Machine Learning for Trading

Este capítulo repasa el aprendizaje profundo para series temporales a partir de una pregunta práctica: ¿cuándo aporta información el orden de las observaciones que no recoge la predicción transversal y qué diseños de modelos pueden aprovecharlo? Trata las…

Aprendizaje automáticoEstadísticaPruebas retrospectivasGestión del riesgo
Machine Learning for Trading

Este cuaderno aplica TabM, una arquitectura neuronal tabular que comparte una red de características de dos capas entre los miembros de un conjunto. Cada miembro escala la representación compartida con su propio vector aprendido y usa su propia capa de…

OpcionesAprendizaje automáticoPruebas retrospectivasEstadística
Machine Learning for Trading

Este cuaderno usa SHAP para explicar los pronósticos de rendimientos de ETF mediante regresión Ridge. En un modelo lineal, las atribuciones de características tienen una relación de forma cerrada con los coeficientes ajustados y las desviaciones respecto a…

Renta variableAprendizaje automáticoEstadísticaGestión del riesgo
Machine Learning for Trading

Este cuaderno presenta el análisis de componentes principales instrumentado (IPCA), un enfoque de factores latentes para pronosticar rendimientos a partir de características empresariales. En lugar de asignar un peso directo de rendimiento a cada…

Renta variableInversión por factoresAprendizaje automáticoEstadística
Machine Learning for Trading

Este cuaderno prueba un diseño de salida con dos modelos en datos horarios de perpetuos de BTC, ETH y SOL. Un clasificador de entrada identifica rentabilidades futuras inusualmente altas; luego su probabilidad prevista se combina con características técnicas…

CriptoactivosFuturos perpetuosAprendizaje automáticoPruebas retrospectivas
Machine Learning for Trading

Este documento describe utilidades de conjuntos de datos para preparar paneles de series temporales para el entrenamiento de modelos y la inferencia móvil. El conjunto de entrenamiento devuelve secuencias deslizantes de características, rentabilidades…

Aprendizaje automáticoPruebas retrospectivasConstrucción de carterasEjecución
Machine Learning for Trading

Este análisis compara predicciones de validación de varias familias de modelos para la financiación de futuros perpetuos. Explica que el coeficiente de información mide la capacidad de ordenar las rentabilidades posteriores, que AUC mide el orden de los…

CriptoactivosFuturos perpetuosAprendizaje automáticoEstadística
Machine Learning for Trading

Este caso de estudio aplica árboles potenciados por gradiente a características de microestructura de NASDAQ-100 para prever rentabilidades y dirección en varios horizontes intradía. Compara los árboles con modelos lineales: los árboles pueden descubrir…

Aprendizaje automáticoMicroestructura del mercadoRenta variableEstadística
Machine Learning for Trading

Este cuaderno reúne un sistema de previsión de cuatro etapas: un panel de agentes de investigación, agregación de probabilidades, debate adversarial y un supervisor que identifica desacuerdos, busca pruebas aclaratorias y emite una probabilidad final. La…

Aprendizaje automáticoEstadísticaGestión del riesgo
Machine Learning for Trading

Este cuaderno compara la recuperación relacional determinista con la búsqueda por embeddings en un corpus de posiciones institucionales 13F. Crea una instantánea temporal conservando la última posición declarada por cada institución antes de una fecha límite…

Aprendizaje automáticoRenta variableEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este cuaderno muestra cómo entrenar una red generativa antagónica con características de ETF diseñadas y privacidad diferencial. Presenta los parámetros de privacidad épsilon y delta, explica por qué DP-SGD recorta el gradiente de cada registro antes de…

Aprendizaje automáticoEstadísticaGestión del riesgoRenta variable
Machine Learning for Trading

Este cuaderno aplica inferencia clásica de mínimos cuadrados ordinarios a características de ETF y rentabilidades futuras. Examina estimaciones de coeficientes, errores estándar, estadísticos t, valores p y pruebas de heterocedasticidad, autocorrelación de…

Renta variableEstadísticaGestión del riesgoAprendizaje automático
Machine Learning for Trading

Este cuaderno ajusta PatchTST, un modelo secuencial de tipo transformador, como integrante de una población de modelos predefinida para investigar opciones del S&P 500. Divide una serie histórica en segmentos de longitud fija, los representa como tokens y…

OpcionesAprendizaje automáticoPruebas retrospectivasEstadística
Machine Learning for Trading

Este documento define dos diagnósticos para etiquetas cuyas ventanas de rendimientos futuros se solapan: autocorrelación de panel agrupada y tamaño efectivo de muestra basado en la unicidad de las etiquetas. La autocorrelación empareja observaciones solo…

EstadísticaAprendizaje automáticoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno crea un asignador LSTM que convierte secuencias de rendimientos de ETF y características de volatilidad móvil directamente en pesos long-only para la cartera. Una salida softmax mantiene los pesos no negativos y la inversión total. En lugar de…

Aprendizaje automáticoConstrucción de carterasPruebas retrospectivasGestión del riesgo
Machine Learning for Trading

Este cuaderno construye características a partir de datos de NASDAQ-100 a nivel de minuto mediante tres procedimientos: una regresión autorregresiva heterogénea móvil para pronosticar la varianza a corto plazo, una transformada de Fourier para describir la…

Renta variableVolatilidadAprendizaje automáticoEstadística
Machine Learning for Trading

Este cuaderno muestra cómo analizar un grafo de eventos financieros sin confundir cuándo ocurrió un evento, cuándo se hizo público y cuándo lo extrajo el proceso del grafo. Carga relaciones 8-K con marcas de tiempo, mide los retrasos de divulgación y…

Aprendizaje automáticoEstadísticaPruebas retrospectivasBasado en eventos
Machine Learning for Trading

El documento presenta los factores latentes como impulsores compartidos de rendimientos inferidos del movimiento conjunto entre futuros, en lugar de proporcionados como predictores con nombre. Compara dos métodos ajustados dentro de cada partición de…

FuturosInversión por factoresAprendizaje automáticoConstrucción de carteras