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
El artículo modela los flujos de órdenes de alta frecuencia como fuente de cambios intradía en los precios y aplica redes generativas antagónicas de secuencias para generar secuencias de órdenes sintéticas. Utiliza esas secuencias para simular trayectorias…
Este artículo presenta Agent Market Arena, un benchmark continuo y en tiempo real para evaluar agentes de trading basados en modelos de lenguaje grandes en mercados de criptomonedas y acciones. El marco combina datos de trading verificados con noticias…
Este estudio examina actividades coordinadas de pump and dump en criptomonedas. Incluye un caso práctico e investiga eventos organizados mediante canales de Telegram durante un periodo definido. Busca patrones de mercado asociados con estos esquemas y crea…
Este artículo describe un estudio de seguimiento sobre la previsión de tendencias de opciones sobre acciones mediante aprendizaje automático y la aplicación de esas previsiones al trading. Examina redes neuronales recurrentes y redes de memoria a corto y…
El artículo estudia si las estrategias basadas en activos distintos de la renta variable pueden diversificar estrategias de inversión algorítmicas vinculadas al S&P 500. Compara señales generadas a partir de previsiones LSTM, previsiones ARIMA-GARCH,…
Este artículo presenta un marco experimental para comprobar si los modelos de lenguaje grandes pueden extraer señales de sentimiento útiles de noticias financieras chinas. Aplica tres modelos, seleccionados para representar distintos enfoques de mejora del…
El artículo aborda la clasificación de activos en carteras sistemáticas transversales. Sostiene que las heurísticas simples y las clasificaciones obtenidas al ordenar predicciones de modelos convencionales de regresión o clasificación pueden ser subóptimas,…
El artículo explora el aprendizaje por refuerzo aplicado al arbitraje estadístico en el trading de alta frecuencia. Describe un agente que aprende mediante la interacción con su entorno de trading y se centra en el deep Q-learning para adaptar las decisiones…
Este documento describe un marco de aprendizaje profundo para identificar relaciones cambiantes entre activos para el trading de pares. Multi-modal Temporal Relation Graph Learning combina observaciones de series temporales con características discretas en…
El estudio adapta un marco de trading de pares a las acciones polacas: compara un activo con una réplica construida a partir de factores de riesgo, en lugar de emparejarlo con otro activo muy correlacionado. Construye factores mediante análisis de…
El documento describe un método de predicción de movimientos bursátiles diseñado para capturar los efectos de contagio del impulso entre empresas cotizadas. Construye un grafo de conocimiento del mercado con dos tipos de entidades —empresas y sus directivos—…
Este enfoque detecta anomalías en series temporales financieras que contienen varios factores de riesgo de mercado, donde las observaciones contaminadas pueden distorsionar los modelos de riesgo y sus medidas resultantes. Primero aplica análisis de…
Este trabajo propone RADAR, un marco de difusión aumentado con recuperación para aprender representaciones de estados de mercado utilizadas en la optimización de carteras dentro del marco de factores de descuento estocásticos. El enfoque parte de que los…
Este estudio compara trece modelos estadísticos y de aprendizaje automático para identificar observaciones inusuales en datos del libro de órdenes limitadas de Bitcoin. Evalúa los modelos en un marco común diseñado para detectar anomalías en tiempo real, con…
Tail-GAN es un generador de escenarios basado en datos, diseñado para simular dinámicas conjuntas realistas de precios en carteras de múltiples activos y alta dimensionalidad, con énfasis en las pérdidas de la cola de la distribución. Utiliza la…
El artículo aplica aprendizaje automático supervisado al drift posterior a los anuncios de resultados (PEAD), una anomalía bursátil en la que las rentabilidades siguen moviéndose tras las noticias sobre resultados. Su modelo utiliza XGBoost y variables…
Este estudio utiliza aprendizaje profundo sobre una base de datos de alta frecuencia de cotizaciones y operaciones de acciones de US para modelar cómo se relacionan la oferta y la demanda del libro de órdenes con los cambios de precios posteriores. Evalúa…
El documento presenta un enfoque práctico de aprendizaje por refuerzo profundo para operar futuros de gas natural. Informa de que el ratio de Sharpe de la estrategia supera los índices de referencia de seguimiento de tendencias y reversión a la media, así…
El documento describe un modelo profundo de LSTM y una estrategia de trading para cuatro índices bursátiles de US. En lugar de operar únicamente según si el modelo predice una subida o una bajada, la estrategia utiliza la posición de cada rendimiento…
El documento describe un agente de trading solo en largo para USD/TWD que combina predicciones de tendencias a corto plazo de Quantum Long Short-Term Memory (QLSTM) con Quantum Asynchronous Advantage Actor-Critic (QA3C). Su estado utiliza características de…
Este documento propone los vínculos de vectores de características como aproximación a las relaciones entre empresas. Utiliza características para estimar los vínculos: primero mide la similitud euclidiana y después aplica aprendizaje automático de cognición…
Este documento presenta un enfoque de aprendizaje en línea para el arbitraje estadístico. Lo compara con estrategias conocidas basadas en modelos de reversión a la media, cuyas técnicas dependen de supuestos que pueden fallar en procesos estocásticos no…
DeepTrust es un marco para encontrar y evaluar información que podría explicar cambios extremos en los precios de las acciones. Su flujo de trabajo tiene tres partes: detección mediante aprendizaje automático de movimientos anómalos a partir de precios…
Este artículo describe una estrategia dinámica para proteger una cartera frente a pérdidas de cola y mantener al mismo tiempo la participación en mercados alcistas. Fija un nivel máximo objetivo de valor en riesgo y utiliza clasificadores para estimar la…