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 capítulo presenta la generación aumentada por recuperación como una forma de hacer más útiles los modelos de lenguaje para la investigación financiera abierta, donde las afirmaciones sin respaldo y las alucinaciones pueden salir caras. Recorre el…

Aprendizaje automáticoEstadísticaRenta variableSentimiento del mercado
Machine Learning for Trading

Este cuaderno desarrolla características que requieren varias series de activos. Compara las pruebas de cointegración de Engle-Granger y Johansen, explica por qué el movimiento conjunto no implica por sí solo un diferencial estacionario y estima ratios de…

MultiactivoTrading de paresReversión a la mediaEstadística
Machine Learning for Trading

Este cuaderno explica cómo construir etiquetas de rendimiento intradía futuro para acciones de NASDAQ-100 usando barras de un minuto y cotizaciones NBBO. Define los rendimientos desde la barra siguiente a una señal hasta un punto final futuro especificado,…

Renta variableMicroestructura del mercadoEjecuciónEstadística
Machine Learning for Trading

Este estudio de caso compara modelos de boosting por gradiente que predicen los rendimientos al vencimiento de straddles cortos at-the-money. Varía la capacidad de los árboles y tres objetivos de ajuste: error cuadrático, error absoluto y pérdida de Huber.…

OpcionesVolatilidadAprendizaje automáticoPruebas retrospectivas
Machine Learning for Trading

El documento presenta un flujo operativo para mantener actualizados los datos diarios del mercado: cargar un historial inicial, obtener un pequeño tramo incremental solapado, comprobar si faltan fechas y supervisar la actualidad de los datos y los problemas…

Renta variablePruebas retrospectivasEstadísticaGestión del riesgo
Machine Learning for Trading

El documento describe cómo un estudio de futuros de CME genera predicciones para un periodo de reserva tras seleccionar una configuración del modelo con datos de validación. La configuración y el punto de control elegidos se recuperan de los resultados de…

FuturosPruebas retrospectivasGestión del riesgo
Machine Learning for Trading

Este cuaderno ajusta un transformer con parches para predecir una variable objetivo principal en un estudio de acciones y opciones del S&P 500. Divide la ventana histórica de entrada de cada acción en parches contiguos y trata cada parche como un token para…

Renta variableOpcionesAprendizaje automáticoPruebas retrospectivas
Machine Learning for Trading

Este análisis exploratorio perfila datos horarios OHLCV de contratos perpetuos de Binance junto con un índice de prima de ocho horas. Comprueba la cobertura del conjunto de datos, los cambios en los contratos incluidos, las unidades, los valores ausentes y…

CriptoactivosFuturos perpetuosMicroestructura del mercadoEstadística
Machine Learning for Trading

Este código presenta una arquitectura de autoencoder supervisado para predecir a partir de características financieras. Un codificador comprime las entradas normalizadas en un cuello de botella, mientras un decodificador las reconstruye como tarea de…

Aprendizaje automáticoRenta variableEstadística
Machine Learning for Trading

Esta configuración describe un estudio semanal de venta de opciones straddle at-the-money sobre componentes del S&P 500. Las posiciones se abren el viernes y se mantienen hasta cerca del vencimiento, con coberturas diarias en acciones cuando cambian las…

OpcionesVolatilidadGestión del riesgoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno explica un modelo de factor de descuento estocástico para ETF que ajusta una sola serie de ponderaciones para valorar las rentabilidades de distintos fondos. A diferencia de los modelos que estiman por separado la exposición de cada fondo y la…

Renta variableEstadísticaAprendizaje automáticoConstrucción de carteras
arXiv papers

Este estudio compara Double Deep Q-Learning con mezclas de expertos particionadas mediante K-means y redes densas con el mismo número de parámetros para la ejecución de órdenes de BTC/USDT. La evaluación utiliza datos del libro de órdenes límite de Binance…

CriptoactivosEjecuciónAprendizaje automáticoMicroestructura del mercado
arXiv papers

El artículo presenta una arquitectura de evidencia para evaluar flujos de trabajo en sistemas financieros híbridos en cadena. Un manifiesto sellado registra las identidades, funciones, esquemas y versiones de publicación del sistema; se conservan siete capas…

CriptoactivosDeFiMicroestructura del mercadoGestión del riesgo
arXiv papers

Este trabajo estudia la inversión y el consumo a horizonte infinito para un inversor con utilidad de potencia en un mercado incompleto cuyas oportunidades dependen de un factor estocástico. Analiza tanto factores de estados finitos como factores modelados…

Construcción de carterasGestión del riesgoVolatilidadEstadística
arXiv papers

Este estudio comprueba si la optimización de políticas proximales puede aprender las decisiones de velocidad de trading de un bróker en un juego continuo entre bróker y operador con solución analítica. Deriva una recompensa discreta a partir del objetivo de…

Aprendizaje automáticoEjecuciónMicroestructura del mercadoPruebas retrospectivas
arXiv papers

Este artículo analiza si las observaciones funcionales de K muestras comparten la misma distribución. Construye un estadístico de prueba multivariante a partir de comparaciones por pares de Cramér–von Mises entre funcionales características empíricas, lo que…

EstadísticaCriptoactivos
arXiv papers

El documento formula el trading de pares como un problema dinámico de optimización de carteras. El diferencial entre dos valores relacionados sigue un proceso gaussiano de reversión a la media, mientras que su tasa de deriva cambia según una cadena de Markov…

Trading de paresReversión a la mediaGestión del riesgoDimensionamiento de posiciones