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

75 documentos

MQL5 articles

El artículo describe un asesor experto de MetaTrader 5 diseñado para operar desde un solo gráfico con una selección de símbolos de divisas y metales. Su señal de entrada combina Bandas de Bollinger calculadas sobre valores de Keltner Channel: Keltner Channel…

DivisasMaterias primasIndicadores técnicosPruebas retrospectivas
MQL5 articles

El artículo cierra una serie de pruebas de reglas de señales que combinan el oscilador Estocástico con la media móvil adaptativa fractal (FrAMA). Describe configuraciones para rupturas de compresión con baja volatilidad, formaciones W/M del Estocástico…

DivisasMaterias primasIndicadores técnicosRuptura
MQL5 articles

Este artículo describe un asesor experto de MetaTrader 5 que puede operar con varios pares de forex y metales desde un gráfico, con la opción de usar un solo par. El diseño de señales combina la estructura de oscilaciones de ZigZag con Awesome Oscillator…

DivisasMaterias primasMultiactivoIndicadores técnicos
MQL5 articles

Este tutorial convierte un indicador personalizado de UT Bot Alerts en un asesor experto de MQL5. Se centra en leer de forma fiable los búferes del indicador y sincronizar las decisiones con las nuevas barras. El EA evalúa la señal de la vela cerrada más…

Indicadores técnicosEjecuciónGestión del riesgoPruebas retrospectivas
Machine Learning for Trading

El documento muestra cómo convertir los informes semanales Commitment of Traders en características de posicionamiento para futuros. Explica las categorías de operadores de los formatos de informes de futuros financieros y de materias primas desglosados, y…

FuturosMaterias primasSentimiento del mercadoIndicadores técnicos
Machine Learning for Trading

Este documento describe un universo diario de candidatos ETF que abarca acciones, renta fija, materias primas y divisas. Expone un flujo de trabajo para descargar datos de mercado, cargarlos para analizarlos, inspeccionar la cobertura por símbolo y…

MultiactivoRenta variableRenta fijaMaterias primas
Machine Learning for Trading

Este documento explica cómo convertir los informes semanales Commitment of Traders en características de posicionamiento para futuros. Describe las categorías de los informes para futuros financieros y materias primas físicas, cómo reflejan las posiciones…

FuturosMaterias primasSentimiento del mercadoEstadística
Machine Learning for Trading

Esta guía explica cómo convertir datos horarios de futuros continuos en barras diarias alineadas con las sesiones de negociación de CME. Como una sesión termina a las 4 PM, hora central, las barras del domingo por la tarde corresponden a la sesión del lunes…

FuturosMaterias primasMicroestructura del mercadoPruebas retrospectivas
Machine Learning for Trading

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…

FuturosMaterias primasCarryImpulso
Machine Learning for Trading

Este cuaderno define objetivos de rentabilidad futura para una estrategia transversal de futuros que clasifica productos por estructura temporal, compra los de mayor carry y vende en corto los de menor carry. Distingue entre precios ajustados por rollover,…

FuturosMaterias primasCarryEstadística
Machine Learning for Trading

Este cuaderno mide cómo afectan los costes de transacción a una configuración fija de estrategia de futuros CME. Selecciona la configuración que presenta mediante un proceso compartido en la fase de validación, incorpora su overlay de riesgo a las…

FuturosMaterias primasPruebas retrospectivasEjecución
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

Esta nota de datos describe una colección diversificada de fondos cotizados usada en una estrategia de impulso y en una serie más amplia de ejemplos de investigación financiera. Proporciona observaciones diarias de apertura, máximo, mínimo, cierre y volumen…

MultiactivoRenta variableRenta fijaMaterias primas
Machine Learning for Trading

Este análisis explica cómo se organizan los datos de futuros CME en productos, contratos con vencimiento y series continuas encadenadas por volumen. Usa datos del E-mini S&P 500 para mostrar que los contratos individuales tienen ventanas de negociación…

FuturosMaterias primasMultiactivoPruebas retrospectivas
Machine Learning for Trading

Esta referencia resume los meses de vencimiento listados para 35 productos de futuros CME de índices bursátiles, bonos del Tesoro, energía, metales, divisas, tipos de interés, agricultura, ganadería y criptomonedas. Explica el sistema de códigos mensuales…

FuturosMicroestructura del mercadoPruebas retrospectivasMaterias primas
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 usa aprendizaje automático doble para estimar si el carry de futuros afecta a las rentabilidades posteriores después de ajustar por volatilidad, momentum y el rango transversal del carry. Distingue la explicación causal del rendimiento…

FuturosCarryAprendizaje automáticoEstadística
Machine Learning for Trading

Este cuaderno comprueba si los datos permiten respaldar una estrategia de futuros transversal semanal antes de ajustar ningún modelo. Describe un diseño que ordena productos de CME, abre posiciones largas en los contratos mejor clasificados y cortas en los…

FuturosMaterias primasCarryEjecución
Machine Learning for Trading

Este cuaderno estudia el gradient boosting para predecir transversalmente los rendimientos de futuros CME. Varía la capacidad de los árboles mediante perfiles de número de hojas y compara objetivos de error cuadrático, error absoluto y Huber, que difieren en…

FuturosMaterias primasAprendizaje automáticoPruebas retrospectivas
Machine Learning for Trading

El documento explica cómo construir etiquetas de rendimientos futuros para una estrategia transversal de futuros que clasifica productos por estructura temporal. Distingue entre precios ajustados por rollover, apropiados para calcular rendimientos entre…

FuturosMaterias primasCarryPruebas retrospectivas
Machine Learning for Trading

Este documento describe un conjunto de datos de futuros de CME con barras horarias y diarias, contratos continuos del mes próximo y dos vencimientos diferidos en varios grupos de productos. Explica la cobertura del conjunto de datos, sus campos, opciones de…

FuturosCarryMaterias primasMicroestructura del mercado
Machine Learning for Trading

Esta guía de datos describe una colección de contratos de futuros continuos CME que abarca índices bursátiles, tipos de interés, energía, metales, divisas, agricultura y ganadería. Explica los datos de origen horarios y la frecuencia diaria derivada, los…

FuturosMultiactivoMaterias primasPruebas retrospectivas
Machine Learning for Trading

Esta guía presenta los informes públicos Commitment of Traders de la CFTC como fuente de datos semanales sobre posiciones en futuros. Distingue el informe Traders in Financial Futures, que clasifica a participantes como intermediarios, gestores de activos y…

FuturosMaterias primasSentimiento del mercadoPruebas retrospectivas