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.
1,076 documentos
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…
El artículo desarrolla una forma de probar si añadir valores o flexibilizar las restricciones de inversión amplía las oportunidades disponibles para los inversores que evalúan resultados con preferencias prospectivas. Formula una prueba de inclusión de…
El estudio examina la base estadística de las bandas de Bollinger al relacionarlas con un modelo de series temporales de regresión móvil. Aplica el marco al trading de pares y deriva una relación entre la duración de las operaciones y las rentabilidades de…
Este documento describe una estrategia activa que cambia la asignación entre carteras de renta variable equiponderadas y ponderadas por capitalización. La motivación es que la ponderación igualitaria ha superado a menudo a otras opciones durante periodos…
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…
Este análisis preliminar aplica un proceso de Ornstein–Uhlenbeck para modelar diferenciales entre pares de acciones en una estrategia de trading con reversión a la media. Compara este enfoque con un método más sencillo que estima la media y la desviación…
Este estudio analiza 4,000 carteras reales de trading de renta variable estadounidense con periodos de tenencia de aproximadamente 0.7 a 19 días de trading. Indica que los centavos por acción varían inversamente con la rotación de la cartera, mientras que…
Este estudio aplica Twin-Delayed Deep Deterministic Policy Gradient (TD3), un método de aprendizaje por refuerzo con acciones continuas, a los precios de cierre diarios de las acciones de Amazon y de Bitcoin. La acción de trading representa tanto la posición…
Este trabajo describe estrategias de trading sistemático impulsadas por indicadores de crisis derivados de los espectros de matrices de covarianza o correlación. Una familia de indicadores compara la distribución de valores propios de cada fecha con una…
Este estudio evalúa una estrategia de pares con precios al contado de 17 materias primas indias de los sectores de energía, metales y agricultura entre 2010 y 2018. Utiliza pruebas de cointegración de Johansen en la muestra de entrenamiento para seleccionar…
Este artículo evalúa si el modelo de volatilidad local es útil para cubrir opciones vanilla de AUD/USD. La volatilidad local amplía Black-Scholes al permitir que la volatilidad dependa del tiempo y del tipo de cambio subyacente, y puede calibrarse para…
El documento describe un método basado en datos y en una ventana móvil para resolver un problema de cartera log-óptima. En lugar de asignar un único conjunto fijo de ponderaciones, el método genera ponderaciones que varían con el tiempo. Esto permite adaptar…
El documento presenta L2GMOM, un marco de aprendizaje automático para el momentum de redes. El momentum de redes utiliza las relaciones entre activos para ayudar a predecir rendimientos futuros. El marco propuesto aprende conjuntamente la red financiera y…
Este artículo describe una red neuronal convolucional sin modelo que toma precios históricos de un conjunto de activos y genera ponderaciones de cartera. Se entrena mediante aprendizaje por refuerzo, usando el rendimiento acumulado como recompensa. Los datos…
El estudio analiza por qué los rendimientos del seguimiento de tendencias a corto plazo se han debilitado desde alrededor de 2009. Examina una sección transversal de contratos de futuros líquidos entre 1995 y 2025, junto con una referencia indirecta de CTA,…
Este estudio compara modelos de volatilidad histórica y modelos basados en media móvil exponencial ARCH, GARCH y EGARCH utilizando precios al contado de Bitcoin. Indica que GARCH y EGARCH ofrecen mejores resultados que las alternativas tanto en el ajuste…
Este estudio construye un método de arbitraje estadístico en torno a un modelo factorial condicional para una cartera de acciones de US. Un modelo de espacio de estados trata los rendimientos como combinaciones ruidosas de valores factoriales y primas de…
El artículo desarrolla procedimientos bootstrap para la inferencia basada en verosimilitud en modelos de duración condicional autorregresiva. Como las observaciones son duraciones registradas durante un intervalo de tiempo fijo, el número de observaciones…
Este sistema propuesto utiliza relaciones de volatilidad entre acciones de gran capitalización para generar señales de tendencia. Primero explora los datos de precios con análisis de correlación y autocorrelación, indicadores técnicos, pruebas de hipótesis,…
El documento presenta QTMRL, un agente de aprendizaje por refuerzo diseñado para tomar decisiones de trading de acciones mediante indicadores técnicos. Su conjunto de datos de entrada combina datos diarios de precios y volumen de acciones representativas del…
El estudio propone un marco automatizado de trading de alta frecuencia con Bitcoin que combina un modelo de precios de memoria a corto y largo plazo (LSTM) con optimización de políticas proximales (PPO). Representa los precios como estados del agente, las…
El artículo propone un proceso de selección de estrategias llamado DNN-forwardtesting. En lugar de elegir una estrategia de trading basándose solo en sus resultados con precios históricos, primero pronostica una posible trayectoria futura de precios con una…
Este estudio examina si los archivos públicos de futuros perpetuos BTCUSDT de Binance permiten investigar factores válidos con datos punto en el tiempo. Distingue los momentos del evento, la publicación y la disponibilidad, y separa las etapas de propuesta,…
El artículo presenta Deep Momentum Networks, que combinan aprendizaje profundo con el marco de escalado por volatilidad usado en el momentum de series temporales. Una red neuronal aprende a la vez las estimaciones de tendencia y el tamaño de las posiciones,…