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

948 documentos

Machine Learning for Trading

Esta demostración amplía un flujo de trabajo de una sola orden a un rebalanceo diario para un universo fijo de acciones estadounidenses de gran capitalización US. Explica cómo comparar las posiciones actuales del bróker con los objetivos del modelo, crear…

Renta variableEjecuciónGestión del riesgoMicroestructura del mercado
Machine Learning for Trading

Este cuaderno presenta un flujo de trabajo para evaluar si el momentum que omite los datos recientes de seis meses afecta a los rendimientos futuros a 21 días y si el efecto cambia con la volatilidad del mercado. Estima los efectos con datos de entrenamiento…

Renta variableImpulsoAprendizaje automáticoEstadística
Machine Learning for Trading

Este cuaderno compara dos modelos fundacionales de series temporales preentrenados, Chronos y TinyTimeMixer, con un LSTM y una referencia lineal penalizada en un panel de ETF. Cada modelo recibe un contexto histórico univariante; los modelos preentrenados…

Aprendizaje automáticoRenta variableImpulsoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno ajusta modelos lineales a variables de microestructura de NASDAQ-100 observadas a intervalos de un minuto para predecir rendimientos en varios horizontes futuros. Su objetivo es establecer una referencia sencilla antes de probar modelos más…

Renta variableAprendizaje automáticoEstadísticaIndicadores técnicos
Machine Learning for Trading

Este documento describe un conjunto de datos diario de renta variable de EE. UU. US que abarca aproximadamente 3,200 empresas desde 1962 hasta marzo de 2018. Incluye emisores excluidos de cotización, lo que lo hace útil para la investigación histórica, donde…

Renta variableMercados de EE. UU.Pruebas retrospectivas
Machine Learning for Trading

Este cuaderno evalúa cómo afectan los supuestos de costes de transacción al Sharpe de validación de una asignación seleccionada de acciones y opciones del S&P 500. Si está disponible, conserva la configuración elegida mediante un conjunto de candidatos…

Renta variableOpcionesEjecuciónPruebas retrospectivas
Machine Learning for Trading

Este cuaderno compara implementaciones de una predicción univariante del precio de SPY con PyTorch sin procesar, sktime y Darts. Su objetivo principal es evaluar el esfuerzo práctico: longitud del código, requisitos de interfaz, éxito de instalación y tiempo…

Renta variableAprendizaje automáticoEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este caso de estudio de NASDAQ-100 investiga si las señales de microestructura de 15 minutos pueden resistir los costes de trading. El flujo de trabajo evalúa el flujo de órdenes, la antigüedad de las cotizaciones y los spreads relativos; después compara una…

Renta variableMercados de EE. UU.Microestructura del mercadoEjecución
Machine Learning for Trading

Este cuaderno comprueba si una estrategia diaria de clasificación de acciones de US cuenta con suficientes datos utilizables para una evaluación justa antes de ajustar un modelo. Explica cómo formar un universo en cada momento con sus componentes históricos,…

Renta variableMercados de EE. UU.Pruebas retrospectivasEjecución
Machine Learning for Trading

Este cuaderno ejecuta una configuración de acciones de US seleccionada previamente con predicciones del conjunto de prueba. El modelo seleccionado, las predicciones, el asignador, la concentración, la capa de riesgo, la frecuencia de rebalanceo y los…

Renta variableMercados de EE. UU.Pruebas retrospectivasGestión del riesgo
Machine Learning for Trading

Este documento presenta un análisis de sensibilidad a los costes para una estrategia fija de momentum de ETF. Mantiene constantes el universo, las ponderaciones, el calendario y el simulador mientras vuelve a ejecutar el backtest con distintas comisiones por…

Renta variableImpulsoPruebas retrospectivasEjecución
Machine Learning for Trading

Este cuaderno aplica una configuración ETF seleccionada previamente a su periodo de evaluación final (holdout). Obtiene las predicciones correspondientes al periodo de evaluación final a partir de la identidad y el punto de control del entrenamiento…

Renta variablePruebas retrospectivasConstrucción de carterasGestión del riesgo
Machine Learning for Trading

Este documento describe un conjunto de datos diarios de renta variable US obtenido del archivo Wiki Prices de NASDAQ Data Link. Cubre miles de empresas desde 1962 hasta marzo de 2018 e incluye empresas excluidas de cotización, por lo que resulta útil para…

Renta variableMercados de EE. UU.Pruebas retrospectivas
Machine Learning for Trading

Este documento explica cómo medir rendimientos en torno a eventos como activaciones de señales, anuncios de resultados o publicaciones macroeconómicas. Su ejemplo práctico usa rupturas de impulso en ETF líquidos. Para cada evento, un modelo de mercado…

Renta variableBasado en eventosImpulsoRuptura
Machine Learning for Trading

Este cuaderno presenta un GAN Sig-Wasserstein no condicional para generar series temporales financieras. Sustituye un discriminador entrenado para distinguir datos reales de generados por una distancia basada en los valores esperados de las firmas de las…

Aprendizaje automáticoEstadísticaRenta variableVolatilidad
Machine Learning for Trading

Este cuaderno usa rendimientos diarios de ETF para explicar cómo los modelos GARCH capturan la agrupación de volatilidad y la convierten en una variable por sesión. Primero utiliza diagnósticos visuales y una prueba ARCH-LM para evaluar si los rendimientos…

VolatilidadEstadísticaGestión del riesgoRenta variable
Machine Learning for Trading

Este cuaderno explica cómo reconstruir el libro de órdenes limitadas de un único símbolo de NASDAQ a partir de datos de mensajes por orden. Procesa altas, ejecuciones, cancelaciones, eliminaciones y reemplazos, y mantiene el tamaño restante de cada orden…

Renta variableMicroestructura del mercadoEjecuciónEstadística
Machine Learning for Trading

Este módulo fuente proporciona cargadores para precios de renta variable de EE. UU., datos de índices, opciones, microestructura del mercado, fundamentales y posiciones institucionales. Su detalle metodológico más sustancial trata del remuestreo de datos de…

Renta variableMicroestructura del mercadoEjecuciónMercados de EE. UU.
Machine Learning for Trading

Este cuaderno vuelve a calcular los resultados de las principales configuraciones de asignación de ETF bajo dos cuadrículas de costes, manteniendo fijas las predicciones, la concentración y las reglas de asignación. Compara el modelo del estudio de caso, con…

Renta variableEjecuciónPruebas retrospectivasConstrucción de carteras
Machine Learning for Trading

Este cuaderno compara modelos lineales para predecir rendimientos ETF a partir de características de precios solapadas. Como varios horizontes de rendimiento y familias de indicadores pueden codificar información similar, los mínimos cuadrados ordinarios…

Renta variableMultiactivoAprendizaje automáticoEstadística