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

1,076 documentos

Machine Learning for Trading

Este cuaderno muestra cómo probar si cuatro estrategias de cartera gestionada aportan poder explicativo a los rendimientos de SPY, una vez controlados los movimientos generales capturados por diez componentes principales. Las carteras candidatas ordenan los…

Renta variableAprendizaje automáticoEstadísticaGestión del riesgo
Machine Learning for Trading

El documento explica el análisis de componentes principales instrumentado para modelar los rendimientos de ETF. A diferencia del PCA ordinario, que asigna exposiciones factoriales fijas a cada fondo, IPCA hace que las exposiciones de cada fondo sean una…

Renta variableInversión por factoresAprendizaje automáticoEstadística
Machine Learning for Trading

Esta evaluación analiza características de superficies de opciones, derivadas de precios y de volatilidad condicional frente a los rendimientos futuros de acciones. Para cada sesión calcula la correlación de rangos transversal entre los valores de las…

Renta variableOpcionesEstadísticaAprendizaje automático
Machine Learning for Trading

Este cuaderno evalúa una estrategia ETF seleccionada previamente en un periodo reservado para prueba. Recupera las predicciones correspondientes mediante su identidad de entrenamiento y punto de control, aplica la especificación de la estrategia y los costes…

Pruebas retrospectivasConstrucción de carterasGestión del riesgoDimensionamiento de posiciones
Machine Learning for Trading

Este módulo explica cómo preparar los precios históricos del S&P 500 cuando los símbolos ticker pueden corresponder a distintos valores a lo largo del tiempo. Aplica factores de ajuste por acciones corporativas, sigue los identificadores de valores y marca…

Renta variableMercados de EE. UU.Pruebas retrospectivasEjecución
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

El documento describe cómo convertir ventanas móviles de retornos ETF en imágenes de dos canales para una red neuronal convolucional convencional. Un campo angular de Gramian asigna ángulos a las observaciones normalizadas y registra relaciones angulares por…

Renta variableAprendizaje automáticoIndicadores técnicosEstadística
Machine Learning for Trading

Este cuaderno propone un proceso para evaluar un modelo retador en modo sombra antes de asignarle capital. Compara las predicciones almacenadas de un modelo vigente fijo y un candidato, construye carteras largas y cortas clasificadas con ponderación…

Aprendizaje automáticoGestión del riesgoPruebas retrospectivasConstrucción de carteras
Machine Learning for Trading

Este cuaderno crea características derivadas de precios para clasificar un amplio universo de acciones de US. Describe familias de momentum, volatilidad, medias móviles e indicadores técnicos y luego las evalúa con una etiqueta de rentabilidad de la sesión…

Renta variableMercados de EE. UU.Indicadores técnicosImpulso
Machine Learning for Trading

Este cuaderno trata el ratio de Sharpe como una estimación sujeta a incertidumbre de muestreo. Desarrolla intervalos de confianza y cálculos probabilísticos de Sharpe que tienen en cuenta la longitud de la muestra, la asimetría y la curtosis; después, usa la…

EstadísticaGestión del riesgoPruebas retrospectivas
Machine Learning for Trading

Este documento explica un proceso de cinco filtros para evaluar nueve casos de estudio de trading, desde la calidad de la señal hasta la validación, los costes de transacción, el rendimiento en el periodo de prueba reservado y la calidad de la evidencia. Los…

Pruebas retrospectivasGestión del riesgoAprendizaje automáticoEstadística
Machine Learning for Trading

Este análisis evalúa si las señales seleccionadas en varios estudios de trading parecen lo bastante fiables para usarlas posteriormente. Compara coeficientes de información (IC) en validación con evidencia del holdout, examina la estabilidad y la…

Aprendizaje automáticoEstadísticaPruebas retrospectivasGestión del riesgo
Machine Learning for Trading

Este documento presenta una máquina de estados reutilizable para detener el trading automáticamente, con estados cerrado, abierto y semiabierto. Aplica la misma lógica de transición a cuatro riesgos: drawdown de la cuenta, pérdida diaria, sesiones…

Gestión del riesgoEjecuciónPruebas retrospectivas
Machine Learning for Trading

Este cuaderno genera predicciones para una ventana de holdout de ETF que no se había utilizado antes, con la configuración seleccionada en los datos de validación. Reconstruye la especificación de entrenamiento para que termine un horizonte de etiquetas…

Pruebas retrospectivasGestión del riesgoEstadística
Machine Learning for Trading

Este documento describe comprobaciones del registro para decidir si se reutiliza o se repite el entrenamiento de modelos y el backtesting. Las ejecuciones se identifican mediante hashes derivados de sus especificaciones; solo se puede reutilizar una…

Pruebas retrospectivasAprendizaje automáticoEstadística
Machine Learning for Trading

Este cuaderno explica por qué un control genérico de riesgo basado en pesos objetivo no puede gestionar la estrategia descrita de short straddles del S&P 500. El motor de opciones asigna fracciones fijas de capital a grupos semanales y normaliza los pesos…

OpcionesGestión del riesgoPruebas retrospectivasValoración de derivados
Machine Learning for Trading

Este cuaderno estudia el gradient boosting para predecir transversalmente los rendimientos de futuros CME. Varía la capacidad de los árboles mediante perfiles de número de hojas y compara objetivos de error cuadrático, error absoluto y Huber, que difieren en…

FuturosMaterias primasAprendizaje automáticoPruebas retrospectivas
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 estudio de caso evalúa señales transversales diarias en un amplio universo de acciones de US y presenta un extenso proceso de investigación, desde datos disponibles en cada momento y características diseñadas hasta la comparación de modelos, la…

Renta variableAprendizaje automáticoImpulsoReversión a la media
Machine Learning for Trading

Este cuaderno organiza comparaciones entre estudios de modelos LightGBM, con modelos lineales y TabM como familias de referencia cuando están disponibles. Evalúa configuraciones según el tamaño de los árboles, las funciones de pérdida de regresión, los…

Aprendizaje automáticoEstadísticaPruebas retrospectivas