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

El cuaderno reúne flujos de trabajo completos para acciones diarias y futuros perpetuos de cripto horarios, que abarcan la adquisición, validación, etiquetado de fuentes y almacenamiento. El ejemplo de acciones combina datos históricos de WikiPrices con un…

Renta variableCriptoactivosFuturosMicroestructura del mercado
Machine Learning for Trading

Este cuaderno presenta un marco para comprobar si la calidad aparente de una señal de momentum se mantiene ante decisiones de investigación razonables. Con datos reales de ETF anteriores al periodo reservado, varía un parámetro de retrospectiva cada vez y…

Renta variableImpulsoEstadísticaPruebas retrospectivas
Machine Learning for Trading

El cuaderno compara dos formas de dividir una orden de renta variable grande en órdenes más pequeñas a lo largo de una sesión. TWAP envía cantidades aproximadamente iguales en cada intervalo y no necesita una previsión de mercado. VWAP distribuye las…

Renta variableEjecuciónMicroestructura del mercadoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno construye intervalos de incertidumbre para los rendimientos futuros de ETF mediante regresión Ridge y tres métodos conformales: predicción conformal dividida, regresión cuantílica conformalizada e inferencia conformal adaptativa. Los evalúa con…

Renta variableAprendizaje automáticoEstadísticaGestión del riesgo
Machine Learning for Trading

Este cuaderno explica un autoencoder condicional que modela los rendimientos de las acciones como cargas factoriales dependientes de características multiplicadas por factores latentes. Primero estima los rendimientos de carteras gestionadas por…

Renta variableInversión por factoresAprendizaje automáticoConstrucción de carteras
Machine Learning for Trading

Este cuaderno estudia cómo afectan las reglas de asignación a las estrategias de ETF después de que un modelo haya clasificado los activos. Mantiene fijos los conjuntos de predicciones y el calendario de rebalanceo, selecciona la misma cesta de los k…

Renta variableConstrucción de carterasDimensionamiento de posicionesGestión del riesgo
Machine Learning for Trading

Este cuaderno prueba si la construcción de carteras puede rescatar una estrategia de NASDAQ-100 que pierde por los costes y opera en cada barra. Selecciona las mejores predicciones de referencia usando el universo de selección declarado y luego compara las…

Renta variableConstrucción de carterasDimensionamiento de posicionesEjecución
Machine Learning for Trading

Este cuaderno toma las principales configuraciones de predicción de validación de una referencia de señales con ponderación equitativa y prueba métodos de asignación alternativos sobre las mismas predicciones. Compara la ponderación basada en puntuaciones y…

Renta variableConstrucción de carterasDimensionamiento de posicionesPruebas retrospectivas
Machine Learning for Trading

Este cuaderno evalúa cómo funcionan conjuntos registrados de predicciones ETF al convertirlos en carteras. Combina cada conjunto de predicciones de validación con esquemas de entrada definidos, como distintas cantidades de posiciones entre las mejor…

Renta variablePruebas retrospectivasConstrucción de carterasGestión del riesgo
Machine Learning for Trading

Este capítulo describe un recorrido desde la investigación hasta la ejecución en vivo, basado en una lógica de estrategia que puede funcionar en backtest, paper trading y trading en vivo. Abarca las integraciones de brókeres y plataformas, los ciclos de…

EjecuciónGestión del riesgoPruebas retrospectivasMicroestructura del mercado
Machine Learning for Trading

Este cuaderno describe un modelo LSTM que predice rendimientos a partir de ventanas ordenadas de características bursátiles en un panel de renta variable US. A diferencia de un modelo tabular plano, el LSTM procesa las sesiones secuencialmente y mantiene un…

Aprendizaje automáticoRenta variableMercados de EE. UU.Pruebas retrospectivas
arXiv papers

La auditoría examina cómo retirar un predictor de los pronósticos condicionados por regímenes. Eliminar los retardos de una variable no equivale a excluirla de todo el proceso de ajuste, filtrado y ajuste de hiperparámetros, porque también puede afectar al…

Renta variableInversión por factoresAprendizaje automáticoEstadística
Machine Learning for Trading

Este notebook presenta TimeGAN, un modelo adversario generativo recurrente que produce secuencias financieras sintéticas. Sus cinco módulos aprenden una incrustación y una reconstrucción, predicen estados latentes sucesivos, generan secuencias a partir de…

Aprendizaje automáticoRenta variableEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este notebook aplica dos detectores secuenciales a errores reales de predicción de validación de dos configuraciones de modelos lineales de acciones US durante un año natural. Un detector de cambio de media en dos ventanas busca cambios en la magnitud del…

Aprendizaje automáticoEstadísticaGestión del riesgoRenta variable
Machine Learning for Trading

Este documento explica cómo TWAP y VWAP dividen una orden principal grande en órdenes secundarias a lo largo de una sesión de trading. TWAP asigna cantidades iguales a cada intervalo; VWAP las asigna en proporción a un pronóstico del volumen del intervalo.…

EjecuciónMicroestructura del mercadoPruebas retrospectivasRenta variable
Machine Learning for Trading

Este notebook presenta un autoencoder supervisado para pronosticar rentabilidades futuras de ETF. La red comprime las características de un fondo en una representación de baja dimensión y pronostica rentabilidades directamente a partir de ella. A diferencia…

Aprendizaje automáticoRenta variableEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este notebook explica cómo comprobar si eventos como señales de trading o anuncios predicen rentabilidades más allá de un índice de referencia de mercado. Muestra el flujo de trabajo con rupturas de momentum en ETF líquidos: estima un modelo de mercado a…

EstadísticaPruebas retrospectivasImpulsoRuptura
Machine Learning for Trading

Este notebook compara overlays de stop-loss, trailing stop y salida por tiempo en backtests de microestructura fijos del NASDAQ-100. La estrategia toma decisiones cada quince minutos, mientras que las reglas de riesgo vigilan los precios cada minuto, lo que…

Gestión del riesgoPruebas retrospectivasDimensionamiento de posicionesRenta variable
Machine Learning for Trading

Este cuaderno compara la predicción conformal dividida, la regresión cuantílica conformalizada y la inferencia conformal adaptativa para pronosticar rendimientos futuros de ETF. En particiones walk-forward, entrena con un subconjunto, calibra los errores de…

Renta variableAprendizaje automáticoEstadísticaGestión del riesgo
Machine Learning for Trading

Este cuaderno evalúa predicciones de validación como carteras de acciones únicamente largas, con selección de las K principales y ponderación equitativa, y un calendario de decisiones determinado por la frecuencia de cada etiqueta. Comprueba el orden de los…

Renta variableOpcionesPruebas retrospectivasConstrucción de carteras