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

842 documentos

Machine Learning for Trading

Este cuaderno presenta un debate de varias rondas entre posturas alcistas y bajistas sobre un pronóstico. Cada lado defiende una probabilidad mayor o menor para un evento, ve en rondas posteriores el argumento previo del otro y presenta una probabilidad con…

Aprendizaje automáticoEstadísticaSentimiento del mercadoGestión del riesgo
Machine Learning for Trading

Este cuaderno explica un agente de investigación de tipo operador para iterar sobre casos de estudio cuantitativos. En lugar de limitar el modelo a acciones de predicción predefinidas, le proporciona herramientas generales para trabajar con archivos,…

Aprendizaje automáticoPruebas retrospectivasEstadísticaGestión del riesgo
Machine Learning for Trading

Este cuaderno examina si los factores de inversión publicados ofrecen primas de rentabilidad creíbles y se diversifican entre sí. Utiliza series de larga trayectoria y de distintos activos de AQR, junto con factores de renta variable de Fama-French, y aplica…

Inversión por factoresEstadísticaConstrucción de carterasGestión del riesgo
Machine Learning for Trading

Este módulo de análisis compartido describe formas de estimar las fricciones de trading en distintas clases de activos. Incluye estimadores de diferenciales comprador-vendedor basados en máximos y mínimos y en la autocovarianza de rendimientos, medidas…

EjecuciónMicroestructura del mercadoGestión del riesgoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno examina por qué el coeficiente de información de un modelo no determina el ratio de Sharpe de una estrategia basada en sus predicciones. En varios casos de estudio, compara la clasificación de señales con los resultados de backtests y analiza…

Pruebas retrospectivasAprendizaje automáticoEstadísticaGestión del riesgo
Machine Learning for Trading

Este análisis de viabilidad pregunta si los datos y supuestos de una estrategia semanal de short straddle con cobertura delta sobre componentes del S&P 500 son plausibles antes de ajustar un modelo. Explica cómo las opciones call y put con el mismo precio de…

OpcionesVolatilidadGestión del riesgoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno compara reglas de ponderación de cartera para vender straddles sobre símbolos seleccionados del S&P 500. Mantiene constantes los símbolos elegidos y modifica la asignación, con la ponderación equitativa como referencia. Los métodos incluyen…

OpcionesConstrucción de carterasDimensionamiento de posicionesPruebas retrospectivas
Machine Learning for Trading

Este cuaderno prueba cómo responde una estrategia seleccionada basada en características de empresas de US a cambios en el supuesto de costes de transacción. Mantiene fija la configuración de la estrategia y vuelve a ejecutar backtests de validación para una…

Renta variableEjecuciónPruebas retrospectivasGestión del riesgo
Machine Learning for Trading

Este cuaderno ejecuta una estrategia fija basada en características de acciones durante un periodo reservado de prueba final, usando predicciones y un asignador de cartera seleccionados previamente. Mantiene sin cambios la configuración, el tamaño de las…

Renta variableInversión por factoresPruebas retrospectivasDimensionamiento de posiciones
Machine Learning for Trading

Este entorno modela un creador de mercado que ajusta el centro y el diferencial de sus cotizaciones en respuesta al inventario, la volatilidad y una elección discreta de acción. Los precios sintéticos usan volatilidad condicional generada con un proceso…

Creación de mercadoMicroestructura del mercadoVolatilidadGestión del riesgo
Machine Learning for Trading

Este cuaderno desarrolla un marco que tiene en cuenta las unidades para estimar los costes de trading en acciones, perpetuos cripto, futuros, ETF y divisas. Distingue entre volumen de acciones, volumen de contratos, volumen del activo base y recuentos de…

EjecuciónMicroestructura del mercadoGestión del riesgoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno explica cómo afectan las especificaciones de los contratos de futuros al cálculo del backtest. Muestra cómo el multiplicador del contrato convierte los movimientos de precios en pérdidas y ganancias en dólares, cómo el precio multiplicado por…

FuturosMaterias primasImpulsoDimensionamiento de posiciones
Machine Learning for Trading

Este cuaderno compara carteras de referencia de ETF en crisis históricas, shocks simultáneos de activos definidos manualmente y escenarios de pérdidas de Monte Carlo. Las ventanas históricas incluyen grandes caídas bursátiles y provocadas por los tipos de…

MultiactivoConstrucción de carterasGestión del riesgoVolatilidad
Machine Learning for Trading

Este estudio de caso evalúa una estrategia semanal short straddle con opciones del S&P 500 mediante backtests registrados. Selecciona una configuración de un universo líquido designado, ordena las candidatas según los datos de validación y evalúa la…

OpcionesRenta variablePruebas retrospectivasGestión del riesgo
Machine Learning for Trading

Este módulo de código fuente crea tablas de catálogo a partir de registros de experimentos con predicciones de modelos y backtests. Define campos reservados para procedencia, identidad, estado de finalización, disponibilidad de artefactos y métricas. El…

Pruebas retrospectivasEstadísticaGestión del riesgoConstrucción de carteras
Machine Learning for Trading

Este estudio de caso evalúa señales diarias de momentum y carry en un universo pequeño y correlacionado de pares de divisas al contado de G10. El flujo abarca comprobaciones de viabilidad y etiquetas de retornos futuros, características diseñadas y basadas…

DivisasImpulsoCarryPruebas retrospectivas
Machine Learning for Trading

Este cuaderno explica por qué hay que ajustar el ratio de Sharpe observado de una estrategia cuando se seleccionó entre muchos ensayos. Presenta el Deflated Sharpe Ratio (DSR), que compara el resultado seleccionado con un valor de referencia que aumenta…

Pruebas retrospectivasEstadísticaGestión del riesgo
Machine Learning for Trading

Este notebook muestra un flujo de trabajo de calidad de datos para datos diarios de renta variable US OHLCV. Las comprobaciones estructurales abarcan valores nulos, duplicados, orden cronológico, coherencia de precios, valores negativos, precios obsoletos y…

Renta variableEstadísticaGestión del riesgoMicroestructura del mercado
Machine Learning for Trading

Este notebook aplica una estrategia de acciones y opciones del S&P 500 seleccionada previamente a predicciones de un periodo de prueba independiente de 2021. Mantiene sin cambios la configuración seleccionada, incluido el asignador, las reglas de…

Renta variableOpcionesPruebas retrospectivasGestión del riesgo
Machine Learning for Trading

Este capítulo describe la gobernanza de los sistemas de trading con aprendizaje automático después de su despliegue. Distingue los fallos técnicos, en los que entradas idénticas producen resultados distintos, del deterioro estadístico, en el que los…

Aprendizaje automáticoGestión del riesgoEjecuciónEstadística
Machine Learning for Trading

Este análisis explica cómo interpretar los coeficientes de información de un catálogo de modelos de predicción de futuros CME. Define el IC de cada fecha como la correlación de rangos entre los rendimientos previstos y realizados de distintos productos, y…

FuturosEstadísticaAprendizaje automáticoPruebas retrospectivas
Machine Learning for Trading

Este notebook explica cómo un panel macroeconómico fechado según el periodo que mide puede filtrar información futura a un backtest de trading. Estima las fechas de publicación sumando la duración del periodo a la fecha indicada y aplicando después un…

Pruebas retrospectivasEstadísticaGestión del riesgoMultiactivo
Machine Learning for Trading

Este notebook implementa DeePM, una política de cartera integral para un universo diversificado de ETF. El modelo combina características temporales, metadatos de activos, atención transversal y un prior de grafo macro que permite la atención dentro de las…

MultiactivoConstrucción de carterasAprendizaje automáticoGestión del riesgo