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.
932 documentos
Este cuaderno de evaluación filtra variables financieras y basadas en modelos según su relación con el rendimiento a ocho horas de los futuros perpetuos cripto. Construye la muestra de evaluación a partir de ventanas de validación walk-forward, deja fuera…
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…
Este cuaderno estudia cómo afecta la regularización a un modelo de futuros CME construido con familias de variables correlacionadas, como carry, Sharpe móvil, momentum y medidas de volatilidad. Compara Ridge, Lasso y ElasticNet: Ridge reduce los coeficientes…
Este cuaderno describe cómo adaptar Diffusion-TS para generar secuencias sintéticas de rendimientos de ETF. Su modelo de eliminación de ruido predice la secuencia limpia como una suma de tendencia polinómica, componente estacional de Fourier y residuo,…
El capítulo sostiene que la disciplina de investigación reproducible es una fuente de ventaja en trading más duradera que cualquier estrategia individual. Presenta un flujo de trabajo basado en hipótesis falsables, evaluación fuera de muestra y correcciones…
Este cuaderno estudia modelos de boosting por gradiente para pronosticar rendimientos y dirección en perpetuos cripto. La cuadrícula varía la capacidad de los árboles y la función de pérdida, incluidos los objetivos de error cuadrático, error absoluto y…
Este cuaderno estima si la puntuación z de la prima de un perpetuo cripto afecta a los rendimientos posteriores de ocho horas cuando se mantienen constantes tres factores declarados: volatilidad del precio, tasa de financiación y desviación media de la…
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…
Este cuaderno explica cómo reconstruir un catálogo de experimentos de modelos a partir de un registro de estudios de caso y comparar su contenido con MLflow. Sigue los experimentos desde las ejecuciones de entrenamiento hasta los conjuntos de predicciones y…
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…
Esta guía relaciona preguntas causales con bibliotecas de Python y aclara la diferencia entre estimar efectos bajo una estructura causal supuesta y descubrir posibles estructuras a partir de los datos. Presenta el aprendizaje automático doble para efectos…
Este cuaderno presenta un modelo de factor de descuento estocástico para valorar una sección transversal de ETF. En lugar de estimar por separado las exposiciones de los fondos y los rendimientos de los factores, entrena redes para encontrar una serie común…
Este cuaderno aplica TabM, un ensamble neuronal con pesos compartidos, a un panel de características de futuros perpetuos de criptomonedas. Sus componentes comparten una base neuronal, pero tienen vectores de escala y capas de salida separados, combinando un…
Este cuaderno filtra características financieras y derivadas de modelos para evaluar su capacidad de ordenar ETF según sus rendimientos posteriores. Calcula un coeficiente de información fecha a fecha comparando los rangos transversales de cada…
Este cuaderno analiza si las atribuciones de características SHAP son lo bastante estables para respaldar la poda de modelos, decisiones de riesgo o informes. Con una tarea de predicción de ETF, primero busca muestras de prueba cuyas predicciones sean…
Este cuaderno evalúa características candidatas para pares de divisas 20, una por una, frente a rentabilidades futuras. Limita el análisis a periodos de validación walk-forward, marca cada sesión con su partición y deja un intervalo de separación antes del…
Este cuaderno explica cómo combinar pronósticos de probabilidad de varios agentes y calibrar las probabilidades resultantes. Presenta la extremización de Neyman, que desplaza el pronóstico medio respecto a una tasa base según el tamaño del panel y una…
Esta utilidad de datos facilita trabajar con el conjunto de datos de valoración de activos de Chen, Pelger y Zhu, que incluye rentabilidades de acciones, características de empresas, series macroeconómicas y tensores de características previos a la división.…
Este cuaderno examina si las características financieras ayudan a explicar una etiqueta de rentabilidad de opciones con cobertura delta a 10 sesiones. Compara modelos Ridge que usan una característica de volatilidad implícita, grupos de características…
Este módulo describe una forma compartida de preparar particiones walk-forward de entrenamiento y validación para varias familias de modelos. Separa el trabajo costoso e independiente del modelo —dividir ventanas temporales, aplicar características basadas…
Este cuaderno evalúa modelos de secuencia LSTM y NLinear para pronosticar futuros. A diferencia de los modelos que usan una fila de características por decisión, los modelos de secuencia consumen ventanas ordenadas de observaciones pasadas y podrían aprender…
Este cuaderno compara predicciones de validación de varias familias de modelos para investigar el funding de futuros perpetuos. Explica que el coeficiente de información mide la asociación de rangos entre predicciones y rentabilidades posteriores, AUC mide…
Esta implementación explica cómo construir ventanas de secuencias por lotes para datos de panel utilizados en estudios de aprendizaje profundo. Las ventanas siguen el calendario previsto del panel en lugar de comprimir las observaciones de cada activo en…
Este cuaderno presenta métodos prácticos de limpieza de datos de mercado y empresas, como el tratamiento de duplicados, indicadores de huecos, filtros de dominio, detección de picos por reversión, recorte de valores atípicos, codificación de categorías y…