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

2,477 documentos

Machine Learning for Trading

Este cuaderno explica cómo combinar pronósticos de probabilidad de varios agentes y calibrar las probabilidades resultantes. Presenta la extremización de Neyman, que desplaza el pronóstico medio respecto a una tasa base según el tamaño del panel y una…

EstadísticaAprendizaje automáticoSentimiento del mercado
Machine Learning for Trading

Esta utilidad de datos facilita trabajar con el conjunto de datos de valoración de activos de Chen, Pelger y Zhu, que incluye rentabilidades de acciones, características de empresas, series macroeconómicas y tensores de características previos a la división.…

Renta variableInversión por factoresAprendizaje automáticoEstadística
Machine Learning for Trading

Este cuaderno convierte las clasificaciones de modelos en carteras sencillas de perpetuos cripto. En cada marca temporal de funding, una regla de entrada selecciona contratos de la parte superior o inferior de la clasificación y les asigna el mismo peso. La…

CriptoactivosFuturos perpetuosPruebas retrospectivasConstrucción de carteras
Machine Learning for Trading

Este cuaderno mide cómo cambia el Sharpe de validación de los straddles de opciones at-the-money del S&P 500 bajo distintos supuestos de costes de ejecución y dos universos de opciones. Expresa el coste del diferencial como fracción del semidiferencial…

OpcionesMercados de EE. UU.Pruebas retrospectivasEjecución
Machine Learning for Trading

Este módulo describe una forma compartida de preparar particiones walk-forward de entrenamiento y validación para varias familias de modelos. Separa el trabajo costoso e independiente del modelo —dividir ventanas temporales, aplicar características basadas…

Aprendizaje automáticoPruebas retrospectivasEstadística
Machine Learning for Trading

Este cuaderno evalúa modelos de secuencia LSTM y NLinear para pronosticar futuros. A diferencia de los modelos que usan una fila de características por decisión, los modelos de secuencia consumen ventanas ordenadas de observaciones pasadas y podrían aprender…

FuturosAprendizaje automáticoPruebas retrospectivasGestión del riesgo
Machine Learning for Trading

Este cuaderno compara predicciones de validación de varias familias de modelos para investigar el funding de futuros perpetuos. Explica que el coeficiente de información mide la asociación de rangos entre predicciones y rentabilidades posteriores, AUC mide…

CriptoactivosFuturos perpetuosAprendizaje automáticoEstadística
Machine Learning for Trading

Esta implementación explica cómo construir ventanas de secuencias por lotes para datos de panel utilizados en estudios de aprendizaje profundo. Las ventanas siguen el calendario previsto del panel en lugar de comprimir las observaciones de cada activo en…

Aprendizaje automáticoEstadísticaPruebas retrospectivasCriptoactivos
Machine Learning for Trading

Este cuaderno presenta métodos prácticos de limpieza de datos de mercado y empresas, como el tratamiento de duplicados, indicadores de huecos, filtros de dominio, detección de picos por reversión, recorte de valores atípicos, codificación de categorías y…

Renta variableAprendizaje automáticoEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este cuaderno examina si las atribuciones SHAP se mantienen estables cuando las predicciones son similares o cuando se vuelven a ajustar los modelos con distintas semillas aleatorias y arquitecturas. Con rentabilidades futuras de ETF, busca pares de muestras…

Aprendizaje automáticoEstadísticaGestión del riesgoRenta variable
Machine Learning for Trading

Este cuaderno ajusta modelos de árboles con boosting de gradiente a características del mercado de opciones que codifican previsiones como la volatilidad implícita, el sesgo, la estructura temporal y la prima de riesgo de varianza. Compara la capacidad de…

OpcionesAprendizaje automáticoVolatilidadPruebas retrospectivas
Machine Learning for Trading

Este cuaderno relaciona el tamaño de posición con el análisis de las excursiones adversas y favorables máximas. Presenta el dimensionamiento fraccional fijo, en el que las acciones se determinan según el presupuesto de riesgo de la cartera y la distancia…

Dimensionamiento de posicionesGestión del riesgoVolatilidadPruebas retrospectivas
Machine Learning for Trading

Este cuaderno compara los contratos de eventos de Polymarket liquidados en criptomonedas con los contratos regulados de Kalshi, y se centra en cómo las reglas de acceso y las políticas de cotización influyen en los precios y las preguntas que representa cada…

Basado en eventosCriptoactivosEstadísticaMicroestructura del mercado
Machine Learning for Trading

Este estudio de caso prueba estrategias semanales long-short clasificadas por carry en una cesta diversificada de futuros CME, con datos diarios, evaluación de modelos walk-forward y costes de comisiones, diferenciales y slippage por renovación. Compara la…

FuturosCarryAprendizaje automáticoPruebas retrospectivas
Machine Learning for Trading

Este documento explica cómo representar el ciclo de vida de una orden real mediante un conjunto finito de estados y transiciones válidas activadas por eventos. Abarca el envío, la confirmación del bróker, la aceptación de la bolsa, las ejecuciones parciales…

EjecuciónMicroestructura del mercadoGestión del riesgo
Machine Learning for Trading

Este cuaderno compara evidencia de modelos predictivos, estructurales y causales en un estudio transversal del S&P 500 que combina características de acciones con medidas derivadas de opciones, como la volatilidad implícita, el sesgo y la estructura…

Renta variableOpcionesAprendizaje automáticoInversión por factores
Machine Learning for Trading

Este cuaderno muestra cómo convertir rendimientos brutos en rendimiento neto bajo supuestos explícitos de trading, financiación y gastos del fondo. La estructura de costes incluye diferencial e impacto de mercado, comisiones y tasas de bolsa, intereses de…

Renta variableEjecuciónPruebas retrospectivasGestión del riesgo
Machine Learning for Trading

Este cuaderno muestra un flujo de diagnóstico a nivel de operación que vincula pérdidas realizadas con las explicaciones SHAP de un modelo. Entrena un modelo LightGBM con variables rezagadas de precio y volatilidad, además de datos macroeconómicos, para…

Aprendizaje automáticoEstadísticaRenta variableSentimiento del mercado
Machine Learning for Trading

Este cuaderno compara la clonación del comportamiento con el aprendizaje por refuerzo inverso (IRL) para aprender de registros de ejecución. Las demostraciones proceden de un programa TWAP, cuyo objetivo neutral al riesgo es conocido: distribuir las…

EjecuciónAprendizaje automáticoEstadísticaPruebas retrospectivas
Machine Learning for Trading

El cuaderno presenta el marco de Almgren–Chriss para programar una liquidación de gran volumen. Mide el déficit de implementación respecto al precio de llegada y modeliza dos costes contrapuestos: el impacto de mercado, que aumenta con la intensidad de…

EjecuciónMicroestructura del mercadoGestión del riesgoEstadística
Machine Learning for Trading

Este caso de estudio explica cómo construir etiquetas de rendimientos futuros para una estrategia transversal de divisas que clasifica pares y compra o vende según su orden relativo. Primero asigna barras spot de cuatro horas a sesiones de trading siguiendo…

DivisasMercados al contadoImpulsoReversión a la media
Machine Learning for Trading

El código calcula métricas de rendimiento estandarizadas a partir de tablas de predicciones fuera de muestra, por separado para cada pliegue y como agregados principales. Admite regresión y clasificación, incluido el coeficiente de información, medidas de…

EstadísticaPruebas retrospectivasAprendizaje automáticoGestión del riesgo