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

1,488 documentos

Machine Learning for Trading

Este cuaderno usa aprendizaje automático doble para estimar si el carry de futuros afecta a las rentabilidades posteriores después de ajustar por volatilidad, momentum y el rango transversal del carry. Distingue la explicación causal del rendimiento…

FuturosCarryAprendizaje automáticoEstadística
Machine Learning for Trading

Este documento explica cómo comparar un modelo vigente con uno candidato mediante una evaluación en sombra antes de asignar capital. Fija de antemano sus funciones y los umbrales de promoción, y luego evalúa al candidato en cinco dimensiones: mejora del…

Aprendizaje automáticoEstadísticaGestión del riesgoPruebas retrospectivas
Machine Learning for Trading

El cuaderno presenta un autoencoder supervisado para modelar factores de acciones. A diferencia de los autoencoders no supervisados, que aprenden un cuello de botella reconstruyendo la sección transversal, este modelo también incluye rentabilidades futuras…

Renta variableAprendizaje automáticoInversión por factoresEstadística
Machine Learning for Trading

El cuaderno explica cómo separar la variación continua de los precios de los saltos en las rentabilidades intradía de las acciones. Estima la varianza realizada diaria a partir de rentabilidades al cuadrado y usa la variación bipotencia como estimación…

Renta variableVolatilidadEstadísticaMicroestructura del mercado
Machine Learning for Trading

Este cuaderno aplica un modelo neuronal de factor de descuento estocástico a futuros CME. En términos de valoración de activos, un factor de descuento estocástico es una variable aleatoria cuyo producto por la rentabilidad de cada activo tiene el mismo valor…

FuturosAprendizaje automáticoInversión por factoresPruebas retrospectivas
Machine Learning for Trading

Esta nota de configuración distingue los parámetros que aparecen en la identidad de un backtest de los que realmente afectan a los costes de trading simulado. En el estudio de caso descrito, todas las ejecuciones registradas usan una ruta vectorizada de…

OpcionesPruebas retrospectivasEjecuciónEstadística
Machine Learning for Trading

Este cuaderno presenta un inventario comparativo de características financieras diseñadas para nueve clases de activos. Cuenta las características y las familias basadas en nombres de cada panel disponible, compara el tamaño de los espacios de…

MultiactivoEstadísticaInversión por factores
Machine Learning for Trading

Este capítulo repasa las representaciones de texto financiero, desde diccionarios y recuentos de palabras hasta TF-IDF, embeddings estáticos, redes recurrentes y Transformers. Explica sus ventajas y desventajas: los métodos más sencillos son rápidos,…

Aprendizaje automáticoSentimiento del mercadoEstadísticaRenta variable
Machine Learning for Trading

Este cuaderno usa Optuna para ajustar modelos de rentabilidad LightGBM considerando tanto el coeficiente de información transversal (IC) como la rotación de predicciones. Una búsqueda de objetivo único maximiza IC para comparar; una búsqueda multiobjetivo…

Aprendizaje automáticoEstadísticaFuturosCriptoactivos
Machine Learning for Trading

Este cuaderno compara bases de datos integradas, basadas en servidor, de uso general y orientadas al trading en tareas con series temporales financieras: escrituras masivas, escaneos completos, consultas por intervalo temporal, agregación OHLCV y alineación…

Pruebas retrospectivasEstadísticaMicroestructura del mercadoEjecución
Machine Learning for Trading

Este material educativo compara modelos estocásticos paramétricos y métodos bootstrap para generar trayectorias financieras sintéticas. Incluye movimiento browniano geométrico, difusión con saltos, reversión a la media, volatilidad estocástica de Heston y…

EstadísticaVolatilidadGestión del riesgoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno convierte los rendimientos futuros de ETF a 21 días en un objetivo de subida o bajada y evalúa una regresión logística regularizada con L1 y L2 en pliegues walk-forward cronológicos. Escala las características usando los datos de entrenamiento…

Aprendizaje automáticoEstadísticaDimensionamiento de posicionesRenta variable
Machine Learning for Trading

Este cuaderno configura Feast como almacén de características para datos financieros y basados en modelos, y luego compara su recuperación histórica y en cada momento con una unión transparente construida manualmente. Declara entidades, fuentes con marcas de…

Aprendizaje automáticoPruebas retrospectivasEstadística
Machine Learning for Trading

Este análisis explica cómo interpretar los coeficientes de información (IC) transversales para modelos de futuros CME y cómo se relacionan con pruebas posteriores de cartera. Calcula la correlación de rangos entre rentabilidades previstas y realizadas para…

FuturosEstadísticaAprendizaje automáticoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno evalúa si los datos históricos de ETF permiten crear una estrategia de clasificación mensual antes de construir un modelo o pronóstico. Comprueba la elegibilidad en cada momento usando la liquidez del año anterior, cuenta los fondos disponibles…

Renta variablePruebas retrospectivasEjecuciónEstadística
Machine Learning for Trading

El documento explica cómo el ratio de Sharpe deflactado (DSR) ajusta el Sharpe de una estrategia seleccionada según el número de estrategias probadas, la variación entre sus estimaciones de Sharpe y la distribución no normal de las rentabilidades. Lo…

Pruebas retrospectivasEstadísticaGestión del riesgo
Machine Learning for Trading

Este cuaderno filtra características candidatas para una estrategia que vende opciones call y put at-the-money sobre la misma acción y con el mismo vencimiento, manteniendo el straddle hasta el vencimiento. Para cada característica, mide si ordena los…

OpcionesRenta variableEstadísticaGestión del riesgo
Machine Learning for Trading

Este cuaderno procesa los datos trimestrales masivos de posiciones 13F de SEC para estudiar la propiedad institucional, las clasificaciones de gestores y las redes de copropiedad. Selecciona la declaración más reciente de cada gestor según la fecha de…

Renta variableMercados de EE. UU.EstadísticaMicroestructura del mercado
Machine Learning for Trading

Este cuaderno evalúa predicciones de validación derivadas de investigaciones sobre renta variable y opciones, convirtiéndolas en carteras de renta variable solo largas. Utiliza como referencia una cartera equiponderada con las K mejores posiciones, compara…

Renta variableOpcionesPruebas retrospectivasConstrucción de carteras