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 estudio aplica aprendizaje profundo multitarea a carteras diversificadas de momentum de series temporales en futuros continuos. La idea central es aprender conjuntamente la construcción de carteras y las tareas relacionadas con la volatilidad, en lugar…
Este estudio desarrolla una política de ofertas y operación para el día siguiente en una planta híbrida que combina generación eólica con un electrolizador. La política fija ofertas de energía y programa la producción de hidrógeno usando información…
El artículo propone un enfoque adaptativo de Temporal Fusion Transformer para prever a corto plazo los precios de las criptomonedas. Aborda la no estacionariedad y las fuertes variaciones de precios dividiendo la serie en subseries de longitud variable que…
El documento propone usar redes generativas antagónicas con LSTM para crear trayectorias históricas sintéticas de precios y evaluar estrategias de trading. Parte de la premisa de que una estrategia seleccionada por su buen rendimiento dentro de la muestra…
Este trabajo compara las matemáticas financieras y el aprendizaje automático para la optimización dinámica de carteras con dos activos entrelazados, en tiempo continuo y con horizonte finito. El enfoque de matemáticas financieras usa un modelo de…
Este documento describe un enfoque de estados ocultos para el trading de momentum intradía. Modeliza los rendimientos ruidosos de los activos como observaciones generadas por un estado latente de momentum, con el objetivo de evitar el retraso que pueden…
Este estudio propone una forma de estimar el rendimiento asociado al riesgo propio de una acción que no comparte con otras acciones similares, incluso cuando se desconocen los factores de riesgo subyacentes. Construye una cartera de réplica de pares…
Esta investigación adapta a las acciones una arquitectura Momentum Transformer y compara su uso previsto con estrategias de momentum de series temporales y reversión a la media. El modelo combina atención, que puede relacionar información a lo largo de la…
Este marco combina medidas de volatilidad realizada con un modelo LSTM de GARCH realizado mejorado para representar conjuntamente los rendimientos y la volatilidad realizada. Utiliza Monte Carlo secuencial para la inferencia bayesiana y la predicción, y…
El estudio plantea que el valor de Bitcoin surge de características informativas y sus interacciones, como la descentralización, la confianza en el consenso, el orden criptográfico y las narrativas sociales. Representa estas dimensiones con cuatro medidas:…
El artículo aplica métodos de aprendizaje automático para pronosticar los precios de cierre de un índice de criptomonedas y de nueve criptomonedas que lo componen. Indica que compara varios algoritmos y modelos para identificar el enfoque con mejor…
El artículo estudia la estructura de los rendimientos de Bitcoin en varias escalas temporales mediante herramientas para estimar propiedades multifractales. Describe la varianza de los rendimientos mediante relaciones de ley de potencias con los incrementos…
El artículo propone MRC-LSTM, un modelo que combina un módulo convolucional residual multiescala con una red de memoria a largo y corto plazo para pronosticar el precio de cierre diario de Bitcoin en USD. Se utilizan convoluciones unidimensionales para…
El estudio pronostica distribuciones de precios para ventanas horarias de trading en el mercado continuo intradiario de Alemania, con especial atención a las tres últimas horas antes de la entrega. En lugar de producir únicamente previsiones puntuales,…
El artículo presenta un marco de aprendizaje profundo por refuerzo para crear mercado con criptomonedas, en el que los agentes aprenden a gestionar inventario mientras interactúan con un entorno de trading simulado. El entorno representa las observaciones…
Este estudio presenta un enfoque de ensamblado para operar carteras de criptomonedas durante el día mediante aprendizaje profundo por refuerzo. Selecciona modelos candidatos utilizando varios períodos de validación y después combina las políticas elegidas…
El documento presenta dos métodos para estimar transiciones de calificación crediticia y probabilidades de impago. El primero estima una cadena de Markov en tiempo continuo a partir de observaciones discretas que pueden estar incompletas. Deriva una…
El documento presenta un marco de optimización de estrategias de trading cripto que combina algoritmos genéticos con la coordinación de varios agentes inteligentes. Está diseñado para adaptar los parámetros de la estrategia cuando cambian las condiciones del…
Este artículo aborda el trading de pares como un problema de decisión conjunto, en vez de como un proceso que primero selecciona un par de activos y después opera con él. Los autores sostienen que separar estas etapas puede hacer perder información útil: la…
Este documento describe un marco de aprendizaje por refuerzo para diseñar tarifas de mercado teniendo en cuenta que los operadores adaptan sus estrategias en respuesta a esas tarifas. El marco aprende conjuntamente un esquema de tarifas y las estrategias de…
El documento presenta un marco de aprendizaje por refuerzo sensible al riesgo en el que un agente optimiza medidas de riesgo espectral dinámicas y coherentes en el tiempo. Utiliza la elicibilidad condicional para construir funciones de puntuación…
El estudio transforma las correlaciones residuales entre acciones del S&P 500 en matrices de adyacencia para Gaussian Boson Sampling, un método cuántico fotónico para muestrear subgrafos densos. Compara dos métodos clásicos de agrupación, Spectral y SPONGE,…
Este artículo modifica el marco de trading con información privilegiada de Kyle y modela la interacción entre un operador informado, operadores desinformados y un creador de mercado. El insider elige el tamaño de una orden de mercado y, después, el creador…
Esta investigación utiliza una red bayesiana dinámica para formalizar estimaciones de ratios fundamentales de precio-beneficio, que a menudo se basan en el juicio de expertos. El ratio PE inferido pretende respaldar decisiones de inversión humanas o servir…