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 documento describe cómo reajustar la configuración seleccionada en etapas de validación anteriores con todo el historial apto anterior a -2021 y generar después predicciones para el conjunto de prueba de 2021. Deriva el intervalo de entrenamiento de la…
Este cuaderno evalúa árboles con boosting de gradiente aplicados a datos de opciones sobre acciones, donde características como la volatilidad implícita, la asimetría, la estructura temporal y la prima de riesgo de varianza reflejan las expectativas del…
Este cuaderno comprueba si los árboles con boosting de gradiente mejoran la clasificación transversal de pares de divisas frente a un modelo lineal penalizado. El universo de FX incluye pares que comparten divisas, por lo que las observaciones son…
Este módulo de utilidades facilita flujos de trabajo de aprendizaje profundo para series temporales financieras de varios activos. Resuelve alias de conjuntos de datos y carga datos canónicos de estudios de caso; después, crea secuencias de ventanas…
Este cuaderno compara tres formas de orquestar un flujo de previsión de cuatro fases: composición directa en Python, una versión de CrewAI con instrucciones basadas en roles y una versión de LangGraph que delega en las mismas clases especializadas que la…
Este cuaderno describe un análisis de aprendizaje automático doble del efecto asociado a un tratamiento de momentum en FX, tras ajustar por los factores de confusión configurados. Los modelos auxiliares flexibles estiman el resultado y el tratamiento a…
Este cuaderno compara tres modelos lineales de previsión, un codificador Transformer y dos previsiones sin parámetros para los rendimientos diarios de SPY. Los modelos lineales convierten una ventana histórica en una previsión de varios días; algunas…
Este cuaderno configura una ejecución de previsión NLinear para pares de FX. El modelo utiliza una ventana retrospectiva fija y consecutiva y resta el último nivel observado, orientando el ajuste hacia los cambios durante esa ventana. Determina la ventana…
Este código define salvaguardas para la validación cruzada reproducible, el seguimiento de elegibilidad y las variables temporales específicas de cada pliegue. Normaliza los límites de los pliegues, compara los pliegues solicitados con los límites utilizados…
Este cuaderno presenta diagnósticos solo de validación para una etiqueta de rendimiento de opciones del S&P 500 con cobertura delta a 10 sesiones. Organiza los predictores financieros en grupos dependientes e independientes de la volatilidad implícita y…
Este cuaderno plantea la predicción de rendimientos futuros de 21 sesiones de ETF como una tarea binaria: etiqueta los rendimientos positivos como alcistas y los demás como bajistas. Ajusta una regresión logística regularizada con L2 y L1 mediante pliegues…
Este cuaderno comprueba si un modelo LSTM puede extraer estructuras temporales de historiales de variables de ETF que quizá pasen por alto los modelos de variables planas. Antes del ajuste, determina la población de secuencias declarada en función de las…
Este cuaderno crea variables basadas en reglas para una sección transversal de futuros de CME, centradas en el carry derivado del diferencial entre contratos de entrega próximos. También construye variables de momentum, volatilidad, forma de la curva y…
Este cuaderno muestra dos monitores secuenciales aplicados a errores de predicción de validación de dos configuraciones de modelos lineales de acciones: un detector de cambio de media con dos ventanas y un monitor de frecuencia de días malos. Cada detector…
Este cuaderno aplica aprendizaje automático doble (DML) para estimar el efecto del momentum que excluye el periodo más reciente sobre los rendimientos futuros de ETF, una pregunta causal distinta de predecir rendimientos. Modela el resultado y el tratamiento…
El cuaderno muestra cómo ajustar LightGBM para predecir rendimientos de ETF con el muestreador TPE de Optuna. Busca configuraciones de estructura de árboles, muestreo y regularización; utiliza la parada temprana para elegir las rondas de boosting y un…
Este capítulo presenta un flujo de investigación para usar modelos predictivos en trading, donde las previsiones estables fuera de muestra pueden ser más importantes que las estimaciones insesgadas de los coeficientes. Trata métodos de regresión regularizada…
Este cuaderno convierte las posiciones institucionales declaradas en los formularios 13F en un grafo bipartito de instituciones y acciones, y obtiene variables para investigación, como la similitud de copropiedad de acciones, la amplitud y concentración de…
Este cuaderno compara la búsqueda exhaustiva en cuadrícula con el muestreador bayesiano TPE de Optuna para ajustar un modelo LightGBM en una tarea de predicción de rentabilidad futura de ETF. Primero asigna a ambos métodos el mismo presupuesto de pruebas en…
Este capítulo presenta la investigación de estrategias como el diseño y la evaluación de un proceso de decisión ejecutable, desde la idea económica inicial hasta el tamaño de las posiciones, las restricciones, los costes y las pruebas en condiciones…
Este cuaderno crea características basadas en modelos para investigar opciones del S&P 500 a partir de las rentabilidades del subyacente. Ajusta GJR-GARCH, que da más peso a los shocks de rentabilidad negativos, y un modelo de volatilidad estocástica cuya…
Este cuaderno entrena redes neuronales TabM para clasificar ETF con la misma tabla plana de características que los modelos lineales y de boosting. Cada miembro del ensemble comparte un backbone de dos capas, pero tiene su propio vector de escala y capa de…
Este cuaderno adapta Word2Vec skip-gram a las posiciones institucionales: trata cada cartera 13F como una frase, cada identificador de acción como un token y el rango del tamaño de la posición como orden de los tokens. Las posiciones cercanas forman el…
Este cuaderno presenta un modelo generativo inspirado en GT-GAN para series financieras muestreadas a intervalos irregulares, como barras de ticks, volumen o dólares. Su codificador, generador, discriminador y decodificador utilizan dinámicas de Neural ODE…