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 artículo reevalúa la regla de Taylor estimando los tipos de los fondos federales mediante una regresión lineal y un modelo no lineal de aprendizaje automático. En el enfoque lineal, mínimos cuadrados ordinarios estiman coeficientes para la inflación, la…
El estudio propone un gestor de carteras de aprendizaje por refuerzo para un contexto de alto riesgo. Combina operaciones en ambos sentidos con préstamos y financiación, usa una recompensa basada en pérdidas y ganancias y busca mejorar la gestión del riesgo…
El documento describe CryptoTrade, un agente de trading de criptomonedas basado en un modelo de lenguaje grande. Su enfoque combina información on-chain, que los autores califican de transparente e inmutable, con señales off-chain como las noticias, que…
Este estudio comprueba si las ineficiencias del mercado de criptomonedas pueden aprovecharse para obtener beneficios de trading anormales. Evalúa estrategias algorítmicas sencillas respaldadas por machine learning con observaciones diarias de 1,681…
El documento propone utilizar optimización bayesiana para seleccionar el multiplicador ATR y el periodo ATR del indicador Supertrend. Estos valores determinan cómo el indicador sigue el precio y genera señales de trading; el objetivo es automatizar su…
La estrategia combina detección online de puntos de cambio con una red Deep Momentum basada en un LSTM. La red aprende estimaciones de tendencia y tamaños de posición, mientras que el módulo de detección proporciona un posible punto de inflexión y una medida…
Este artículo estudia si las señales de trading expresadas en publicaciones de Twitter de personas influyentes en criptomonedas y medios de noticias están asociadas con los precios de mercado. Modelos de lenguaje grandes identifican señales de compra y de no…
Este estudio examina si las narrativas sobre la política de los bancos centrales ayudan a explicar los rendimientos de Bitcoin, y distingue las expectativas del mercado de las medidas de política efectivamente aplicadas. Construye un índice semanal de…
Este estudio analiza cómo la geometría del predictor limita el aprendizaje orientado a decisiones, en el que el entrenamiento del modelo está ligado a un objetivo de decisión posterior. Mediante el seguimiento disperso de índices, distingue la información de…
El documento presenta un método de aprendizaje supervisado para prever la dirección de los precios en el mercado chino de futuros. Utiliza un modelo de clasificación para predecir los movimientos de los precios de futuros y convierte esas predicciones en una…
El estudio utiliza modelos ocultos de Markov con múltiples estados para prever y explicar los rendimientos de Bitcoin, Ether y Ripple. Compara tipos de modelos, incluida una especificación no homogénea de Markov oculto, y examina predictores financieros,…
El documento explora la programación genética vectorial (VGP) como método para evolucionar estrategias de trading financiero. Presenta dos variantes: una admite operaciones con números complejos y la otra utiliza tipado fuerte. Compara su rendimiento con…
El artículo aborda el sobreajuste en estrategias transversales entrenadas con activos que tienen pocos datos históricos. Presenta Fused Encoder Networks, que combinan representaciones de un módulo de codificador y atención entrenado con un conjunto de datos…
El artículo modela la persistencia del flujo de órdenes de compra y venta como evidencia de cambios en los regímenes de mercado, que pueden surgir cuando las órdenes grandes se dividen y ejecutan a lo largo del tiempo. Propone un método bayesiano en línea de…
Este trabajo propone representar las acciones por su rango de capitalización bursátil en lugar de por la identidad de la empresa. La motivación es que las representaciones convencionales basadas en nombres pueden ser ruidosas y volátiles, lo que dificulta…
Este estudio aplica procesamiento del lenguaje natural a informes de analistas chinos y utiliza un modelo BERT personalizado para clasificar su tono como positivo, neutral o negativo. Examina si el sentimiento de los informes ayuda a explicar resultados…
El estudio utiliza precios históricos e indicadores técnicos para clasificar movimientos a corto plazo de Bitcoin, Ethereum y Litecoin. Compara métodos de clasificación según su capacidad para identificar movimientos alcistas y bajistas en un horizonte de…
El estudio prueba si los indicadores de salud de COVID-19 aportan valor predictivo al pronosticar los rendimientos de Bitcoin. Compara modelos de regresión LightGBM entrenados con y sin variables relacionadas con la pandemia, como medidas de vacunación,…
Este estudio prueba el aprendizaje profundo por refuerzo como capa de ejecución para el trading de pares en mercados volátiles de criptomonedas. El marco primero filtra y clasifica los pares candidatos y luego usa un agente de Proximal Policy Optimization…
Este trabajo presenta un transformador generativo preentrenado para modelar series temporales financieras como secuencias de mensajes de órdenes. El modelo funciona como motor de generación de órdenes dentro de un simulador de eventos discretos, con el…
EverMine es un marco para comprobar si los agentes de investigación mejoran al acumular habilidades, herramientas y reglas reutilizables durante la búsqueda de alfa a largo plazo. Representa el estado de investigación mediante el historial de investigación,…
El artículo propone un enfoque de inversión sistemática para acumular patrimonio a más largo plazo mediante una secuencia de decisiones de compra de ETF a corto plazo. Combina algoritmos evolutivos con un modelo de aprendizaje profundo para mejorar el…
StockGPT trata los rendimientos diarios de las acciones como secuencias de tokens numéricos y entrena un modelo autorregresivo para predecir rendimientos futuros. Su mecanismo de atención busca aprender patrones temporales directamente de los historiales de…
El documento describe un método empírico para pronosticar precios de opciones resolviendo hacia adelante en el tiempo la ecuación de Black–Scholes. Como el problema está mal planteado, el método utiliza regularización; el trabajo formula teoremas sobre…