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 formula el trading de carteras como un proceso de decisión de Markov y entrena un agente con deep Q-learning para elegir asignaciones entre varios activos. Su espacio de acciones es discreto y combinatorio: para cada activo, el agente elige una…
El documento propone X-Trend, un predictor de series temporales de seguimiento de tendencias diseñado para adaptarse rápidamente cuando los mercados entran en nuevos regímenes. Utiliza aprendizaje con pocos ejemplos y atención cruzada sobre un conjunto de…
Este estudio investiga si los traders de aprendizaje por refuerzo cambian sus estrategias después de experimentar burbujas en los precios de los activos y si ese aprendizaje afecta a burbujas posteriores. Los investigadores entrenan agentes en la simulación…
FedSight AI utiliza agentes de modelos de lenguaje grandes para simular las deliberaciones del Comité Federal de Mercado Abierto y predecir decisiones sobre el tipo objetivo de los fondos federales. Cada agente revisa indicadores económicos estructurados y…
Este artículo propone una estrategia para el día siguiente que toma posiciones largas o cortas en futuros de VIX. Trata la estructura temporal de los futuros como un proceso de Markov y elige una posición para maximizar la utilidad esperada según la forma y…
El estudio compara dos modelos de aprendizaje automático, LightGBM y LSTM, con dos estrategias basadas en indicadores para bitcoin: un cruce de medias móviles exponenciales y una combinación de MACD con ADX. Sitúa la comparación en el contexto de la primera…
Este artículo diseña una tontina protegida para el cónyuge como fuente de ingresos de jubilación para el hogar. El primer fallecimiento cambia la situación del hogar sin provocar una transferencia del fondo común; la cuenta permanece vinculada al contrato y…
Este artículo modeliza los precios de las criptomonedas como trayectorias en un campo de potencial no lineal cambiante. Combina inferencia bayesiana con procesos gaussianos para estimar el campo a partir de precios históricos y utiliza los atractores y…
El artículo presenta una política de despliegue para sistemas de previsión que se reentrenan con regularidad: mantiene en servicio el modelo actual mientras un modelo candidato reajustado en caliente se ejecuta fuera de la ruta de servicio; después compara…
MARKET-BENCH evalúa si los modelos de lenguaje grandes pueden convertir descripciones de estrategias en lenguaje natural y supuestos de mercado en sistemas ejecutables de backtesting. Las tareas abarcan trading programado con Microsoft, trading de pares con…
Este artículo propone usar Soft Actor-Critic (SAC) y Deep Deterministic Policy Gradient (DDPG) para gestionar carteras de criptomonedas. Los agentes aprenden acciones de trading continuas en un entorno simulado con datos históricos de mercado y ajustan las…
El documento presenta un enfoque de aprendizaje federado para estimar los ingresos de los prestatarios cuando los prestamistas no pueden combinar los registros originales de los solicitantes. Las instituciones entrenan un modelo compartido mientras mantienen…
El estudio usa un autocodificador convolucional para extraer patrones dominantes del comportamiento del mercado de criptomonedas y agrupar 40 criptomonedas en clases. Examina doce periodos consecutivos de seis meses, a partir del 15 de mayo de 2013, y…
Este estudio aplica aprendizaje profundo por refuerzo al trading de divisas y plantea la elección de operaciones como una secuencia de decisiones, en lugar de basarse en predicciones directas de precios. Adapta una política de arbitraje estadístico Sure-Fire…
Este estudio compara el aprendizaje automático cuántico, el aprendizaje automático clásico, los métodos híbridos cuántico-clásicos y los modelos Transformer en estrategias de creación de mercado automatizado y de trading en finanzas descentralizadas (DeFi).…
Este estudio replica un enfoque de arbitraje estadístico con deep learning que opera con residuos de modelos factoriales de valoración de activos. Aplica el método original a un período fuera de muestra más reciente, utilizando datos de renta variable de EE.…
El artículo propone una técnica de inferencia bayesiana y correntropía para modelar la incertidumbre y la ambigüedad de la información del mercado y valorar activos. Aplica el enfoque a un modelo de valoración de activos basado en el consumo, representa la…
PrivySense propone estimar el sentimiento de las noticias financieras mediante la volatilidad observada de los precios. Esto invierte el enfoque convencional descrito en el artículo, en el que se entrenan clasificadores de sentimiento con textos etiquetados…
Este documento presenta el GT-Score, un objetivo compuesto para optimizar estrategias de trading basadas en datos. Combina medidas de rendimiento, significación estadística, consistencia y riesgo bajista, con el fin de desincentivar elecciones demasiado…
El documento presenta un método de aprendizaje por refuerzo sin modelo para la optimización secuencial cuando los resultados se evalúan con medidas dinámicas de riesgo convexo. Utiliza un principio de programación dinámica coherente en el tiempo para valorar…
Este artículo estudia si las reacciones exageradas a los precios intradía de las acciones de Apple pueden predecirse y negociarse como señales de impulso. Combina rendimientos normalizados por volatilidad con características emocionales derivadas de mensajes…
El artículo investiga si las señales de CryptoQuant, incluidos datos on-chain, de exchanges y de mineros, y las publicaciones de alertas de ballenas pueden ayudar a predecir la volatilidad de Bitcoin del día siguiente, especialmente los picos extremos.…
El documento presenta FutureQuant, un modelo Transformer para mercados de futuros que utiliza mecanismos de atención para procesar entradas complejas, incluidos datos en tiempo real del libro de órdenes. En lugar de predecir un único precio futuro, busca…
Este artículo presenta un marco de aprendizaje por refuerzo sin modelo para reasignar una cartera entre activos financieros. Sus componentes incluyen un conjunto de evaluadores independientes, memoria de ponderaciones anteriores de la cartera, aprendizaje…