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

210 documentos

Machine Learning for Trading

Este cuaderno explica cómo un autoencoder condicional amplía el PCA instrumentado para modelar rentabilidades de ETF. Ambos métodos asignan exposiciones a factores a partir de las características de los fondos y combinan esas exposiciones con las…

Renta variableInversión por factoresAprendizaje automáticoPruebas retrospectivas
Machine Learning for Trading

Este estudio de un panel de acciones de US usa un modelo lineal penalizado como referencia para predecir rentabilidades futuras a partir de variables observadas al cierre. El conjunto de variables contiene mediciones superpuestas de momentum y volatilidad,…

Renta variableInversión por factoresEstadísticaGestión del riesgo
Machine Learning for Trading

Este cuaderno explica el análisis de componentes principales instrumentado (IPCA), que estima factores comunes mientras expresa las exposiciones factoriales de cada acción como una función lineal compartida de las variables de su superficie de opciones del…

OpcionesRenta variableInversión por factoresAprendizaje automático
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 documento presenta el panel mensual de acciones US de Chen, Pelger y Zhu, que se utiliza para comparar modelos de valoración de activos. Describe 46 características empresariales agrupadas por tema económico, los rendimientos excedentes del mes…

Renta variableMercados de EE. UU.Inversión por factoresEstadística
Machine Learning for Trading

Este análisis consulta un flujo de backtest registrado para una estrategia mensual de renta variable US basada en características empresariales. Informa la incertidumbre del Sharpe, medidas de probabilidad y Sharpe deflactado, comparaciones emparejadas entre…

Renta variableInversión por factoresEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este cuaderno explica el PCA de prima de riesgo, que modifica la matriz de covarianza de rendimientos al sumar el producto exterior ponderado de los rendimientos medios del periodo de entrenamiento. Sus vectores propios principales definen carteras de…

Inversión por factoresEstadísticaConstrucción de carterasPruebas retrospectivas
Machine Learning for Trading

Este cuaderno presenta el análisis de componentes principales instrumentado (IPCA), un enfoque de factores latentes para pronosticar rendimientos a partir de características empresariales. En lugar de asignar un peso directo de rendimiento a cada…

Renta variableInversión por factoresAprendizaje automáticoEstadística
Machine Learning for Trading

Esta herramienta describe un método para explicar los rendimientos de una estrategia con modelos de tres o cinco factores de Fama–French, con la opción de incluir momentum. Alinea los datos diarios de factores con los rendimientos de la estrategia, detecta…

Inversión por factoresEstadísticaGestión del riesgoConstrucción de carteras
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 evalúa si se puede estudiar una estrategia mensual long-short basada en características de empresas con un panel publicado de empresas de US. Comprueba la codificación de los datos, cómo cambia con el tiempo el universo disponible, si hay…

Renta variableInversión por factoresEstadísticaPruebas retrospectivas
Machine Learning for Trading

El documento presenta los factores latentes como impulsores compartidos de rendimientos inferidos del movimiento conjunto entre futuros, en lugar de proporcionados como predictores con nombre. Compara dos métodos ajustados dentro de cada partición de…

FuturosInversión por factoresAprendizaje automáticoConstrucción de carteras
Machine Learning for Trading

Este cuaderno ajusta modelos ridge, lasso y elastic net a características empresariales publicadas de acciones individuales de US. Las características abarcan valor, rentabilidad, inversión, tamaño, momentum, reversión, riesgo y liquidez. Los pliegues…

Renta variableInversión por factoresAprendizaje automáticoEstadística
Machine Learning for Trading

Este documento presenta conjuntos públicos de datos de rendimientos de factores Fama-French y AQR como insumos para crear referencias, atribuir riesgos e investigar factores. Describe los factores de mercado, tamaño, valor, rentabilidad, inversión y momentum…

Inversión por factoresRenta variableEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este cuaderno reúne resultados de modelos lineales, incluidos OLS, Ridge, Lasso y ElasticNet, en nueve casos de estudio. Compara la configuración completa más sólida de cada estudio para su etiqueta principal y luego analiza la regularización, los…

Aprendizaje automáticoEstadísticaPruebas retrospectivasInversión por factores
Machine Learning for Trading

Este cuaderno presenta un modelo de factor de descuento estocástico para valorar una sección transversal de ETF. En lugar de estimar por separado las exposiciones de los fondos y los rendimientos de los factores, entrena redes para encontrar una serie común…

Aprendizaje automáticoInversión por factoresEstadísticaRenta variable
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 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