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

109 documentos

Machine Learning for Trading

Este cuaderno compara DQN, PPO y A2C en un entorno compartido de trading simulado, calibrado con los rendimientos horarios de futuros perpetuos de Bitcoin. Un modelo GARCH(1,1) proporciona agrupamiento de volatilidad, mientras el entorno cobra por los…

Aprendizaje automáticoCriptoactivosFuturos perpetuosVolatilidad
Machine Learning for Trading

El documento explica una red convolucional temporal para predecir primas de financiación de futuros perpetuos de criptomonedas a partir de una ventana de 60 intervalos de liquidación de financiación. Cuatro bloques de convolución causal utilizan un kernel de…

CriptoactivosFuturos perpetuosAprendizaje automáticoReversión a la media
Machine Learning for Trading

Este cuaderno mide cómo afectan los costes de ejecución a una configuración ya seleccionada de perpetuos cripto. Mantiene fijos el modelo, el punto de control, la regla de entrada, el asignador y el control de riesgo, y vuelve a ejecutar la estrategia con…

CriptoactivosFuturos perpetuosPruebas retrospectivasEjecución
Machine Learning for Trading

Este cuaderno prueba un diseño de salida con dos modelos en datos horarios de perpetuos de BTC, ETH y SOL. Un clasificador de entrada identifica rentabilidades futuras inusualmente altas; luego su probabilidad prevista se combina con características técnicas…

CriptoactivosFuturos perpetuosAprendizaje automáticoPruebas retrospectivas
Machine Learning for Trading

Este análisis compara predicciones de validación de varias familias de modelos para la financiación de futuros perpetuos. Explica que el coeficiente de información mide la capacidad de ordenar las rentabilidades posteriores, que AUC mide el orden de los…

CriptoactivosFuturos perpetuosAprendizaje automáticoEstadística
Machine Learning for Trading

Este cuaderno evalúa salidas a nivel de posición en posiciones de futuros perpetuos de criptomonedas seleccionadas en una etapa de asignación anterior. Define stops de pérdida fijos, stops dinámicos ligados al mejor precio de cada posición y salidas…

CriptoactivosFuturos perpetuosGestión del riesgoPruebas retrospectivas
Machine Learning for Trading

Este documento describe un conjunto de datos y un flujo de trabajo para estudiar futuros perpetuos de criptomonedas junto con su índice de prima. Presenta observaciones horarias OHLCV y lecturas de primas cada ocho horas en un universo configurado, con pasos…

CriptoactivosFuturos perpetuosFuturosArbitraje
Machine Learning for Trading

Este cuaderno construye características para una hipótesis transversal: una posición larga inusualmente costosa en futuros perpetuos podría preceder a una debilidad relativa cuando se deshacen operaciones concurridas. Transforma las tasas de funding y los…

CriptoactivosFuturos perpetuosCarryPruebas retrospectivas
Machine Learning for Trading

Este cuaderno recorre un ensayo de despliegue de un modelo de dirección de la tasa de financiación cripto. Entrena un modelo LightGBM de tres clases con datos históricos de contratos perpetuos derivados de Binance; después obtiene velas horarias y tasas de…

CriptoactivosFuturos perpetuosMercados al contadoAprendizaje automático
Machine Learning for Trading

El documento explica por qué se usa TabM para modelar datos de panel de financiación perpetua: su arquitectura neuronal compartida combina todas las características de entrada y sus capas no lineales pueden representar interacciones. A diferencia de un…

CriptoactivosFuturos perpetuosAprendizaje automáticoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno plantea una prueba concreta: si una representación aprendida de secuencias de características de financiación perpetua mejora los resúmenes del índice de prima, la diferencia entre los precios perpetuos y al contado, creados manualmente.…

CriptoactivosFuturos perpetuosAprendizaje automáticoPruebas retrospectivas
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 entrena un agente de aprendizaje por refuerzo para programar una orden de venta fija a lo largo de barras horarias de un mercado de futuros perpetuos de criptomonedas. Su estado incluye rendimientos retardados, volatilidad, volumen de la hora…

CriptoactivosFuturos perpetuosEjecuciónAprendizaje automático
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 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…

CriptoactivosFuturos perpetuosAprendizaje automáticoImpulso
Machine Learning for Trading

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…

CriptoactivosFuturos perpetuosAprendizaje automáticoEstadística
Machine Learning for Trading

Este análisis exploratorio describe los datos horarios OHLCV de contratos perpetuos cripto junto con un índice de prima de ocho horas. Examina la cobertura de símbolos y fechas, los cambios en los contratos incluidos, las unidades y distribución de la prima,…

CriptoactivosFuturos perpetuosMicroestructura del mercadoEstadística
Machine Learning for Trading

Este cuaderno mide cómo afectan los costes de ejecución a la configuración ya seleccionada de futuros perpetuos de criptomonedas. Mantiene fijos el modelo, el punto de control, la regla de entrada, la asignación y el control de riesgo, y vuelve a ejecutar…

CriptoactivosFuturos perpetuosEjecuciónPruebas retrospectivas
Machine Learning for Trading

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…

CriptoactivosFuturos perpetuosAprendizaje automáticoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno convierte las clasificaciones de modelos en carteras sencillas de perpetuos cripto. En cada marca temporal de funding, una regla de entrada selecciona contratos de la parte superior o inferior de la clasificación y les asigna el mismo peso. La…

CriptoactivosFuturos perpetuosPruebas retrospectivasConstrucción de carteras
Machine Learning for Trading

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…

CriptoactivosFuturos perpetuosAprendizaje automáticoEstadística
Machine Learning for Trading

Este cuaderno utiliza aprendizaje automático doble para estimar si la puntuación z de la prima de futuros perpetuos está asociada con el rendimiento posterior de ocho horas, tras ajustar por seis controles previos al tratamiento. Compara los efectos en…

CriptoactivosFuturos perpetuosAprendizaje automáticoEstadística