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

1,488 documentos

Machine Learning for Trading

Este cuaderno evalúa si los datos de futuros perpetuos de Binance permiten respaldar una estrategia transversal que ordena contratos por prima y toma posiciones largas y cortas. No ajusta un modelo ni hace previsiones. En su lugar, comprueba el universo de…

CriptoactivosFuturos perpetuosEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este cuaderno compara el efecto de los costes de trading supuestos en estrategias de varios estudios de caso. Consulta backtests de sensibilidad a los costes para cada configuración de estrategia desplegada, compara el Sharpe bruto con el Sharpe neto al…

Pruebas retrospectivasGestión del riesgoEjecuciónEstadística
Machine Learning for Trading

Este cuaderno explica las firmas de trayectoria como variables de longitud fija que conservan el orden y la forma conjunta de las observaciones de una serie temporal. Describe cómo el primer nivel de la firma registra los cambios totales, mientras que los…

Renta variableAprendizaje automáticoEstadísticaIndicadores técnicos
Machine Learning for Trading

Esta guía distingue la estimación de efectos causales del descubrimiento de estructuras causales y relaciona preguntas de investigación habituales con bibliotecas de Python adecuadas. EconML y DoWhy estiman efectos cuando la estructura de ajuste se conoce o…

Aprendizaje automáticoEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este resumen reúne datos de configuración de nueve casos de estudio de trading que abarcan acciones, criptomonedas, divisas, futuros, opciones y carteras multiactivo. Compara el universo, la frecuencia de los datos, la cadencia de las decisiones, el modelo…

MultiactivoPruebas retrospectivasGestión del riesgoEjecución
Machine Learning for Trading

Este cuaderno presenta un marco determinista para comprobar si los procesos de backtest y trading en vivo funcionan de manera coherente. Compara las etapas que transforman las barras de precios en decisiones: cálculos de variables, predicciones, señales y…

Pruebas retrospectivasEjecuciónAprendizaje automáticoEstadística
Machine Learning for Trading

Este cuaderno usa datos de operaciones y órdenes derivados de NASDAQ ITCH para ilustrar patrones de microestructura. Examina la autocorrelación negativa de primer orden en los rendimientos de operaciones tick a tick, compara el efecto con los rendimientos…

Renta variableMicroestructura del mercadoEstadísticaEjecución
Machine Learning for Trading

Este cuaderno reúne resultados de modelos lineales, incluidos OLS, Ridge, Lasso y ElasticNet, en nueve casos de estudio. Compara la configuración completa más sólida de cada estudio para su etiqueta principal y luego analiza la regularización, los…

Aprendizaje automáticoEstadísticaPruebas retrospectivasInversión por factores
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

Esta evaluación filtra candidatos financieros y derivados de modelos según sus rendimientos futuros en futuros CME. Para cada variable, comprueba la cobertura y antigüedad de los datos, mide la correlación de rangos transversal diaria entre sus valores y los…

FuturosEstadísticaAprendizaje automáticoPruebas 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 capítulo sostiene que la investigación duradera en trading depende de un proceso disciplinado capaz de adaptarse a mercados cambiantes, evidencia ruidosa y costes de implementación. Distingue entre rupturas estructurales, regímenes, deriva de datos y…

Aprendizaje automáticoPruebas retrospectivasGestión del riesgoEstadística
Machine Learning for Trading

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…

CriptoactivosFuturos perpetuosAprendizaje automáticoEstadística
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