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

377 documentos

Machine Learning for Trading

Este cuaderno compara asignaciones de cartera de PyPortfolioOpt, Riskfolio-Lib y skfolio usando el mismo panel de rentabilidades de ETF. Ajusta los métodos de asignación en un periodo de entrenamiento, comprueba que los objetivos equivalentes y los pesos…

MultiactivoConstrucción de carterasPruebas retrospectivasEjecución
Machine Learning for Trading

Este cuaderno construye el marco de Markowitz con posiciones solo largas y con inversión total, incluidas las carteras factibles, la frontera eficiente y las soluciones de Sharpe máximo y varianza mínima. Explica cómo depende la varianza de la cartera de la…

MultiactivoConstrucción de carterasEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este documento compara métodos alternativos de tamaño de posición para estrategias de futuros CME, seleccionadas a partir de una referencia ordenada por el Sharpe de validación con ponderación igual. La ponderación igual trata por igual cada producto…

FuturosMaterias primasDimensionamiento de posicionesConstrucción de carteras
Machine Learning for Trading

Este cuaderno convierte conjuntos de predicciones de modelos en backtests comparables de opciones del S&P 500. En cada fecha de decisión semanal, ordena las rentabilidades previstas, selecciona los símbolos mejor clasificados del universo líquido y vende…

OpcionesRenta variablePruebas retrospectivasEjecución
Machine Learning for Trading

Este cuaderno evalúa predicciones de validación derivadas de investigaciones sobre renta variable y opciones, convirtiéndolas en carteras de renta variable solo largas. Utiliza como referencia una cartera equiponderada con las K mejores posiciones, compara…

Renta variableOpcionesPruebas retrospectivasConstrucción de carteras
Machine Learning for Trading

Este cuaderno compara la ponderación igual, la volatilidad inversa, la varianza mínima y la paridad de riesgo jerárquica con el mismo universo de ETF, pronósticos, calendario de rebalanceo y protocolo de backtest. Un modelo Ridge móvil ordena los ETF según…

Construcción de carterasPruebas retrospectivasGestión del riesgoAprendizaje automático
Machine Learning for Trading

El cuaderno explica el valor en riesgo (VaR), que señala un cuantil de pérdidas, y el valor en riesgo condicional (CVaR), que calcula la media de las pérdidas que superan ese umbral. Con retornos diarios de ETF, compara estimaciones históricas, gaussianas,…

Gestión del riesgoVolatilidadPruebas retrospectivasConstrucción de carteras
Machine Learning for Trading

Este cuaderno explica la paridad de riesgo jerárquica (HRP), un método de construcción de carteras diseñado para limitar la sensibilidad a estimaciones ruidosas de covarianza. Describe sus tres etapas: agrupar activos según la distancia de correlación,…

Construcción de carterasGestión del riesgoPruebas retrospectivasMultiactivo
Machine Learning for Trading

Este cuaderno evalúa backtests ETF registrados a lo largo del proceso de la estrategia, desde las señales y la asignación hasta los costes y las capas de riesgo. Lee predicciones y backtests existentes en lugar de ajustar modelos o añadir nuevos backtests, y…

MultiactivoRenta variableConstrucción de carterasPruebas retrospectivas
Machine Learning for Trading

Este cuaderno compara seis formas de ponderar carteras de ETF seleccionadas con la misma clasificación prevista: ponderación igual, ponderación por puntuación, volatilidad inversa, paridad de riesgo, optimización media-varianza y paridad de riesgo…

Renta variableConstrucción de carterasPruebas retrospectivasGestión del riesgo
Machine Learning for Trading

Este cuaderno presenta un marco de diagnóstico para un backtest de asignación de ETF. Calcula medidas de riesgo y rendimiento como Sharpe, Sortino, Calmar, volatilidad, valor en riesgo y drawdown máximo; sigue el rendimiento móvil y la recuperación del…

Construcción de carterasGestión del riesgoPruebas retrospectivasRenta variable
Machine Learning for Trading

Este cuaderno compara seis métodos de asignación en estrategias de perpetuos cripto que ya han superado un proceso de selección de referencia. Mantiene fijas las predicciones y reglas de entrada de cada estrategia, y luego cambia cómo se asigna el capital:…

CriptoactivosFuturos perpetuosDimensionamiento de posicionesConstrucción de carteras
Machine Learning for Trading

Este módulo define cómo formar un campo de selección para el periodo reservado entre etapas de validación y etiquetas de estrategia. Aborda discrepancias que pueden hacer que los conjuntos de candidatas congelados y la reconstrucción en vivo seleccionen…

Pruebas retrospectivasGestión del riesgoConstrucción de carterasEstadística
Machine Learning for Trading

Este cuaderno evalúa una estrategia ETF seleccionada previamente en un periodo reservado para prueba. Recupera las predicciones correspondientes mediante su identidad de entrenamiento y punto de control, aplica la especificación de la estrategia y los costes…

Pruebas retrospectivasConstrucción de carterasGestión del riesgoDimensionamiento de posiciones
Machine Learning for Trading

Este cuaderno propone un proceso para evaluar un modelo retador en modo sombra antes de asignarle capital. Compara las predicciones almacenadas de un modelo vigente fijo y un candidato, construye carteras largas y cortas clasificadas con ponderación…

Aprendizaje automáticoGestión del riesgoPruebas retrospectivasConstrucción de carteras
Machine Learning for Trading

Este módulo crea un ensamblado de pronósticos medios a partir de conjuntos de predicciones registrados, con especial atención a la reproducibilidad y a evitar el sesgo de selección. Resuelve las configuraciones de modelos válidas a partir del registro, en…

Aprendizaje automáticoEstadísticaPruebas retrospectivasConstrucción de carteras
Machine Learning for Trading

Este cuaderno utiliza el análisis de componentes principales en un subconjunto líquido de acciones de US para extraer factores latentes y formar eigencarteras largas y cortas. Explica cómo los vectores estandarizados de PCA se convierten en ponderaciones en…

Renta variableInversión por factoresEstadísticaGestión del riesgo
Machine Learning for Trading

Este cuaderno examina la regularización de modelos lineales para un universo de pares de divisas cuyos rendimientos están vinculados porque cada par representa una cotización entre monedas compartidas por distintos pares. Distingue la colinealidad de…

DivisasEstadísticaAprendizaje automáticoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno usa rendimientos históricos de acciones de US para construir una red de correlaciones y explorar la construcción de carteras. Selecciona un universo líquido con datos de la ventana de estimación, convierte las correlaciones por pares en…

Renta variableMercados de EE. UU.Construcción de carterasGestión del riesgo
Machine Learning for Trading

Este caso práctico analiza si la información de las opciones cotizadas puede ayudar a seleccionar acciones del S&P 500. Combina precios diarios de acciones con niveles de volatilidad implícita en opciones, asimetría, estructura temporal y medidas de prima de…

Renta variableOpcionesPruebas retrospectivasGestión del riesgo
Machine Learning for Trading

El documento describe un barrido de asignación de cartera FX diseñado para aislar el tamaño de las posiciones de la selección de señales. Parte de candidatos de referencia congelados con ponderación igual y clasificados por rendimiento del backtest de…

DivisasConstrucción de carterasPruebas retrospectivasGestión del riesgo
Machine Learning for Trading

Este análisis de varios casos estudia cómo la información predictiva, medida por el coeficiente de información (IC), se traduce en el Sharpe de cartera en nueve casos prácticos de trading. Su punto central es que la implementación media en esta relación: las…

MultiactivoEstadísticaPruebas retrospectivasConstrucción de carteras
Machine Learning for Trading

Este caso práctico compara métodos alternativos de tamaño de posición para futuros CME con una referencia de ponderación igual. Explica cómo el tamaño inverso a la volatilidad usa la volatilidad propia de cada contrato, mientras que los métodos basados en…

FuturosDimensionamiento de posicionesConstrucción de carterasGestión del riesgo