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.
210 documentos
Este cuaderno presenta un panel publicado para investigar con aprendizaje automático la renta variable de US. Contiene observaciones mensuales con 46 características de empresas y rendimientos excedentes del mes siguiente, a lo largo de varias décadas. Las…
Este cuaderno analiza una cartera de ETF de renta variable con regresiones de CAPM y factores de Fama-French, y amplía después el análisis a exposiciones móviles, atribución de rendimientos y dependencia residual. Usa rendimientos diarios y datos factoriales…
Este cuaderno explica un modelo de factor estocástico de descuento (SDF) para valorar la sección transversal de los rendimientos de empresas de US. Aprende ponderaciones que hacen que los rendimientos descontados de los activos satisfagan las condiciones de…
Esta implementación describe un modelo neuronal de factor estocástico de descuento y una red adversarial de momentos para probar relaciones de valoración de activos. La red SDF transforma características de los activos, combinadas opcionalmente con una…
Este cuaderno compara el ensamble por bagging de Random Forest con XGBoost, LightGBM y CatBoost para predecir rentabilidades de acciones a partir de características anonimizadas de empresas. Usa divisiones temporales predefinidas de entrenamiento, validación…
Este cuaderno explica cómo crear e inspeccionar un panel trimestral de fundamentales de empresas cotizadas de US a partir de datos SEC XBRL, conservando tanto el periodo al que se refiere cada dato como la fecha en que se hizo público. Para que un backtest…
Este notebook usa análisis de componentes principales basado en correlaciones sobre las rentabilidades de ETF sectoriales para describir factores de riesgo comunes y rotación sectorial. Estandarizar las rentabilidades da varianza unitaria a cada sector antes…
Este notebook explica una referencia de componentes principales para pronosticar rentabilidades de futuros CME. PCA se ajusta al panel de rentabilidades de productos del pliegue de entrenamiento, por lo que sus componentes representan direcciones de…
Este cuaderno describe un autoencoder supervisado que comprime filas de características de ETF en una representación de baja dimensionalidad y predice directamente los rendimientos futuros a partir de ella. A diferencia de un autoencoder condicional, no…
Este cuaderno ajusta modelos ridge, lasso y elastic net a un amplio conjunto de características consolidadas de acciones US, como valor, rentabilidad, inversión, impulso, tamaño, riesgo y liquidez. Evalúa rendimientos mensuales sin ajustar, un objetivo de…
Este documento presenta un autoencoder supervisado como control para modelos condicionales de factores latentes. Asocia directamente las características de las empresas con los rendimientos futuros mientras comprime 57 entradas en un cuello de botella…
Esta guía describe conjuntos públicos de datos de rendimientos de factores de Ken French Data Library y AQR, incluidos factores de mercado, tamaño, valor, rentabilidad, inversión, momentum, calidad y beta baja. Explica cómo descargar y cargar observaciones…
Este estudio prueba si el mal ajuste de un modelo lineal a los rendimientos mensuales de acciones de US se debe a su objetivo de error cuadrático. Mantiene fijos el objetivo de rendimientos futuros sin winsorizar, las características y las particiones…
Este documento presenta el PCA instrumentado, en el que las cargas factoriales de los activos se modelan como funciones lineales de características observadas antes del rendimiento. Utiliza mínimos cuadrados alternos para estimar la relación entre…
Este documento describe un benchmark reproducible de acciones US del archivo de replicación de valoración de activos de Chen, Pelger y Zhu. Contiene aproximadamente 1.2 millones de observaciones bursátiles mensuales entre 1967 y 2016, con 46 características…
Este cuaderno adapta a las acciones estadounidenses diarias un diseño adversario de factor de descuento estocástico. Una red de ponderaciones de cartera forma un factor a partir de rendimientos excedentes del día siguiente, mientras que una red de momentos…
Este estudio de caso evalúa estrategias deciles largas y cortas mensuales basadas en características de empresas US. Compara modelos lineales, gradient boosting y enfoques de factores latentes con desfases contables que respetan la información disponible en…
Esta implementación describe un autoencoder condicional para la valoración de activos. Una red beta transforma las características de cada acción en cargas factoriales latentes, mientras que una red factorial lineal transforma las rentabilidades de carteras…
Este cuaderno aplica análisis de componentes principales a un subconjunto líquido de acciones de US para construir eigenportafolios normalizados por exposición bruta y estudiar su papel como factores de riesgo latentes. Examina la varianza explicada,…
Este cuaderno compara Random Forest con XGBoost, LightGBM y CatBoost en un panel de características de empresas anonimizadas y rentabilidades. El conjunto de datos proporciona divisiones temporales de entrenamiento, validación y prueba. Los modelos se…
Este cuaderno presenta un autoencoder condicional que conserva la estructura de un modelo de factores latentes instrumentado, pero sustituye por una red neuronal el mapa lineal entre las características de las empresas y sus exposiciones a factores. Las…
Este cuaderno crea una matriz mensual de modelos para un estudio de características empresariales US a partir de un panel publicado cuyas características ya se han ordenado entre empresas. Añade variables compuestas e interacciones usando valores de la misma…
Este cuaderno examina la regularización de modelos lineales para predecir rendimientos de pares de divisas. Distingue la colinealidad entre las características de entrada de la dependencia entre activos: los pares de divisas comparten monedas subyacentes,…
Este cuaderno estudia un autoencoder supervisado para predecir rendimientos futuros a partir de características de empresas. Mantiene un cuello de botella estrecho en la red neuronal, pero elimina la interpretación de factor condicional y la restricción de…