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

248 documentos

Machine Learning for Trading

Este cuaderno amplía una evaluación de características de ETF, que abarcaba un único horizonte de retorno, para analizar diez características y tres horizontes, con corrección por pruebas múltiples. Después aplica diagnósticos basados en mecanismos al…

MultiactivoImpulsoReversión a la mediaEstadística
Machine Learning for Trading

Este cuaderno utiliza aprendizaje automático doble (DML) para estimar el efecto ajustado de una medida continua de momentum de ETF sobre los retornos posteriores, controlando la volatilidad reciente y a más largo plazo, el régimen de mercado y la pendiente…

Aprendizaje automáticoEstadísticaRenta variableImpulso
Machine Learning for Trading

Este módulo de ingeniería de características prepara datos diarios de precios para modelos sistemáticos de cartera macro. Crea rendimientos por horizonte escalados por la volatilidad estimada, varias señales MACD en múltiples escalas y puntuaciones z móviles…

MultiactivoImpulsoSeguimiento de tendenciasVolatilidad
Machine Learning for Trading

Este cuaderno describe un flujo de trabajo operativo para conectar una estrategia con Interactive Brokers mediante TWS o Gateway. Comprueba que la sesión sea una cuenta de trading simulado, consulta los valores y las posiciones de la cuenta y solicita barras…

EjecuciónGestión del riesgoImpulsoRenta variable
Machine Learning for Trading

Este cuaderno crea características derivadas de precios para clasificar un amplio universo de acciones de US. Describe familias de momentum, volatilidad, medias móviles e indicadores técnicos y luego las evalúa con una etiqueta de rentabilidad de la sesión…

Renta variableMercados de EE. UU.Indicadores técnicosImpulso
Machine Learning for Trading

Este tutorial repasa características creadas a partir de historiales de precios y volúmenes de activos, incluidos rendimientos en distintos horizontes, medidas de tendencia y reversión, varios estimadores de volatilidad, regímenes de volatilidad, liquidez,…

Indicadores técnicosImpulsoVolatilidadAprendizaje automático
Machine Learning for Trading

Este estudio de caso evalúa señales transversales diarias en un amplio universo de acciones de US y presenta un extenso proceso de investigación, desde datos disponibles en cada momento y características diseñadas hasta la comparación de modelos, la…

Renta variableAprendizaje automáticoImpulsoReversión a la media
Machine Learning for Trading

Este cuaderno evalúa un factor de momentum transversal usando coeficientes de información, rendimientos por cuantiles, spreads entre extremos y diagnósticos de clasificación. Presenta Spearman IC como la correlación de rangos entre una señal y los…

ImpulsoInversión por factoresEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este cuaderno compara dos diseños Transformer para predecir rentabilidades de ETF a 21 días a partir de variables de momentum retrospectivas. PatchTST agrupa días consecutivos en parches y coloca secuencias breves de formas locales en cada token.…

Renta variableAprendizaje automáticoImpulsoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno comprueba si cuatro estrategias de cartera gestionada explican los rendimientos de SPY tras controlar el movimiento conjunto general de ETF. Las estrategias clasifican ETF mediante momentum rezagado, volatilidad o rendimientos recientes. Diez…

Inversión por factoresAprendizaje automáticoEstadísticaImpulso
Machine Learning for Trading

Este cuaderno evalúa si el coeficiente de información (IC) de una señal se distingue del ruido cuando las observaciones sucesivas son dependientes. Ilustra el problema con una señal de momentum y datos de ETF, y explica cómo los rendimientos futuros…

EstadísticaAprendizaje automáticoImpulsoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno presenta la mecánica del backtesting de futuros mediante un ejemplo de momentum largo-corto en varias clases de activos. Explica cómo las especificaciones de los contratos convierten los movimientos de precios en ganancias y pérdidas en dólares…

FuturosImpulsoPruebas retrospectivasDimensionamiento de posiciones
Machine Learning for Trading

Este cuaderno evalúa cuánto depende un backtest de momentum de ETF de la comisión de trading supuesta. Mantiene fijos los pesos y el calendario de negociación de la estrategia, vuelve a ejecutar el simulador con distintos costes por operación y compara el…

Renta variableImpulsoPruebas retrospectivasEjecución
Machine Learning for Trading

Este cuaderno evalúa las rentabilidades publicadas de factores como posibles componentes de cartera. Separa tres preguntas: si la rentabilidad media de un factor supera un exigente umbral estadístico, si los factores se diversifican entre sí por razones que…

Inversión por factoresEstadísticaConstrucción de carterasGestión del riesgo
Machine Learning for Trading

Este cuaderno muestra cómo ajustar reglas de stop-loss, take-profit y trailing stop para una cartera de momentum, conservando un periodo de reserva cronológico. Compara barridos de parámetros unidimensionales, cuadrículas conjuntas de reglas y estimaciones…

Gestión del riesgoPruebas retrospectivasDimensionamiento de posicionesImpulso
Machine Learning for Trading

Este cuaderno aplica una estrategia mensual de momentum de ETF y régimen de curva de rendimientos de dos maneras: mediante cálculos vectorizados de rendimientos y una simulación secuencial de cuenta. Ambas usan las mismas ponderaciones objetivo, activos,…

Renta variableImpulsoPruebas retrospectivasEjecución
Machine Learning for Trading

Este análisis exploratorio evalúa si una señal de momentum de doce meses, excluido el mes más reciente, se asocia con las rentabilidades del mes siguiente en un universo de 100-ETF. Construye un panel mensual a partir de precios de cierre ajustados,…

MultiactivoImpulsoEstadísticaPruebas retrospectivas
Machine Learning for Trading

El cuaderno describe un análisis de aprendizaje automático doble con ventana expansiva para determinar si el momentum de 12 a -2 meses predice las rentabilidades del mes siguiente de empresas de US, tras ajustar por beta, volatilidad idiosincrásica,…

Renta variableImpulsoAprendizaje automáticoEstadística
Machine Learning for Trading

Este análisis estima si el momentum que omite el periodo más reciente se asocia con un cambio causal en las rentabilidades futuras de los ETF, en vez de preguntar cuánto las predice. El aprendizaje automático doble modela el resultado y el tratamiento usando…

Aprendizaje automáticoEstadísticaImpulsoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno muestra cómo conectar una interfaz compartida para estrategias de momentum de ETF con Alpaca, con una ruta simulada sin conexión disponible de forma predeterminada. Explica cómo pueden cambiar los adaptadores del bróker y de datos de mercado…

Renta variableImpulsoEjecuciónGestión del riesgo
Machine Learning for Trading

Este cuaderno muestra cómo evaluar un factor usando datos reales de ETF y un ejemplo de momentum derivado de precios. Mide coeficientes de información de Spearman transversales frente a rentabilidades futuras, compara horizontes y explica la diferencia entre…

Renta variableImpulsoEstadísticaPruebas retrospectivas
arXiv papers

Este documento presenta estrategias de momentum espaciotemporal que combinan el historial de momentum de un activo con su momentum en relación con otros activos. El enfoque utiliza redes neuronales para aprender señales de trading en una cartera y trata el…

Renta variableFuturosImpulsoAprendizaje automático
Machine Learning for Trading

Este módulo define una referencia de asignación mensual a ETF mediante una puntuación de momentum ajustada al riesgo: el rendimiento acumulado de los últimos periodos dividido por la volatilidad realizada anualizada. Selecciona los activos mejor clasificados…

Renta variableMultiactivoImpulsoVolatilidad