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.
948 documentos
Este cuaderno compara sklearn HistGradientBoosting, XGBoost, LightGBM y CatBoost en una tarea de predicción de retornos de ETF. Mide el coeficiente de información transversal, el tiempo de entrenamiento y la memoria del proceso en ejecuciones con CPU y,…
Este cuaderno convierte predicciones transversales sobre acciones en carteras long-short: las ordena en cada rebalanceo, compra las k primeras y vende en corto las k últimas con el mismo capital por posición. La igual ponderación ofrece una referencia que…
Este cuaderno evalúa predicciones de modelos como estrategias de trading de NASDAQ-100 mediante un motor de backtest compartido. Primero ejecuta una comprobación del sistema con señales aleatorias: si persisten los beneficios tras costes, podría haber…
Este cuaderno comprueba si una estrategia de clasificación transversal de acciones a quince minutos es viable antes de ajustar un modelo o hacer previsiones. Usa datos de cotizaciones de NASDAQ-100, retornos de punto medio y una ventana de desarrollo previa…
El documento describe el ajuste de un modelo lineal de secuencias sencillo con características de un minuto del NASDAQ-100 para pronosticar retornos futuros en varios horizontes. Cada entrada contiene la hora anterior de una acción, expresada como cambios…
El documento describe cómo cargar datos de mercado de ETF con filtros opcionales por símbolo y fecha, además de un límite determinista para los símbolos devueltos. El punto analítico principal es hacer coincidir la serie de precios con la cantidad medida:…
Este cuaderno crea características de volatilidad condicional basadas en modelos para acciones del S&P 500 con un modelo GJR-GARCH(1,1); después compara un diferencial de volatilidad implícita en opciones frente a la volatilidad realizada con otro frente a…
Este cuaderno estudia cómo las decisiones de regularización Ridge afectan al coeficiente de información en un panel de ETF y cómo la búsqueda de hiperparámetros puede inflar el rendimiento declarado. Primero evalúa una amplia cuadrícula de valores alfa en…
Este cuaderno presenta una auditoría actual que compara VectorBT Pro y VectorBT OSS con ML4T en cargas de trabajo reales de estrategias con datos compatibles. Ambas versiones de VectorBT participan en la asignación de ETF, la asignación de divisas con…
Este cuaderno explica el análisis de componentes principales instrumentado (IPCA), que modela las exposiciones factoriales de cada ETF como una función lineal compartida de las características observadas de ese fondo. Los mínimos cuadrados alternos estiman…
Este cuaderno ajusta un modelo de factores latentes PCA a un panel de rendimientos de acciones, sin usar características de la superficie de opciones, características de los activos ni información del objetivo. PCA extrae las principales direcciones del…
Este tutorial explica cómo organizar datos de mercado más allá de las descargas puntuales. Presenta un gestor unificado para descargar símbolos individuales o lotes, universos de símbolos predefinidos y personalizados, y almacenamiento Parquet particionado…
Este cuaderno evalúa controles por posición para una asignación de acciones y opciones del S&P 500; compara stop loss fijos, stops dinámicos y salidas por tiempo con la referencia propia de cada estrategia sin overlay. Selecciona una trayectoria de…
Esta nota de configuración explica la elección del solver saga y una tolerancia de convergencia más estricta para la regresión logística L1 con etiquetas de tres clases. Compara saga con liblinear y cita mediciones de tiempo de ejecución en un panel de…
Este cuaderno sigue señales de ordenación de ETF desde su formación hasta la construcción de carteras y un backtest simplificado. Se entrenan modelos de regresión Ridge y clasificación logística con divisiones walk-forward, y luego se comparan con carteras…
Este notebook compara la ponderación igual con dos reglas de asignación para estrategias basadas en características de empresas US: la ponderación por puntuación asigna más capital a predicciones de modelo más altas, mientras que la ponderación conformal…
Este análisis compara señales aprendidas para rendimientos bursátiles transversales mensuales US usando características contables y de mercado, con el rendimiento del mes siguiente como objetivo. Revisa modelos lineales, árboles potenciados, métodos…
Esta auditoría compara Backtrader y Zipline con ML4T en casos reales de estrategia, usando solo combinaciones de activos y contratos que cada motor y el paquete de datos congelado pueden representar de forma nativa. Incluye asignación de ETF y un panel de…
Este notebook define y valida etiquetas de rendimiento mensual para un estudio transversal de características de empresas US. Comprueba cómo el proveedor de datos empareja las características de cada fila con el resultado de rendimiento y destaca que el…
Este notebook construye un asignador de carteras de extremo a extremo que sitúa una red de selección de variables de tipo Temporal Fusion Transformer antes de un LSTM. Redes residuales con compuertas independientes incorporan cada característica y, después,…
Este notebook compara el rebalanceo diario, semanal, quincenal y mensual de una cartera de momentum con mejor clasificación, construida a partir de un universo fijo de ETF. Mide la rotación y el rendimiento bruto ajustado al riesgo con precios históricos, y…
Este resumen explica una familia de modelos para predecir rendimientos a partir de características de las empresas. En lugar de tratar cada característica como un predictor directo de rendimientos, los modelos suponen que estos están impulsados por un…
Este documento de configuración define un proceso semanal de investigación de acciones del S&P 500 que combina características del mercado de opciones con señales basadas en precios. Especifica el universo elegible, los horarios de decisión y ejecución, y…
Este documento presenta un modelo didáctico selectivo de espacio de estados al estilo Mamba para predecir rendimientos de ETF a partir de secuencias de características de momentum. A diferencia de la atención y la mezcla temporal densa, un modelo de espacio…