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

210 documentos

Lecciones de Quantopian

Esta lección utiliza un modelo factorial para separar el riesgo de una cartera en riesgo de factores comunes y riesgo específico de cada activo. Construye rendimientos de los factores de mercado, tamaño y valor, estima la exposición de cada acción mediante…

Gestión del riesgoConstrucción de carterasInversión por factoresRenta variable
Lecciones de Quantopian

La clase presenta un flujo de trabajo para evaluar si un factor de renta variable ordena las acciones según su rendimiento relativo futuro. El ejemplo de momentum mide el cambio de precio a lo largo de un período amplio, excluyendo el tramo más reciente, y…

Renta variableInversión por factoresImpulsoEstadística
Lecciones de Quantopian

El documento explica cómo el beta de mercado y la exposición sectorial pueden hacer que las previsiones individuales de una cartera se muevan juntas, reduciendo el número de apuestas independientes y, a su vez, su potencial ajustado al riesgo. Lo plantea…

Renta variableGestión del riesgoEstadísticaConstrucción de carteras
Lecciones de Quantopian

El documento explica una estrategia de acciones long-short transversal: clasificar acciones con un modelo, comprar las mejor clasificadas y vender en corto las peor clasificadas con una exposición equilibrada en dólares. Presenta la señal de clasificación…

Renta variableInversión por factoresConstrucción de carterasPruebas retrospectivas
Lecciones de Quantopian

Esta clase utiliza modelos de factores para explicar los rendimientos de una cartera y cuantificar la exposición a fuentes sistemáticas de riesgo. Describe cómo regresar los rendimientos activos, medidos respecto a un índice de referencia, sobre los…

Inversión por factoresGestión del riesgoConstrucción de carterasRenta variable
Lecciones de Quantopian

El documento presenta modelos lineales de factores que explican las rentabilidades de un activo mediante exposiciones a flujos de rentabilidad de factores fundamentales. Describe dos formas de hacer comparables las características de las empresas: construir…

Inversión por factoresRenta variableImpulsoConstrucción de carteras
Machine Learning for Trading

El documento explica cómo un factor de descuento estocástico (SDF) estima un núcleo de valoración que debería valorar todos los activos, en lugar de estimar factores de rentabilidad comunes. Describe el entrenamiento adversarial: una red propone el factor de…

OpcionesValoración de derivadosAprendizaje automáticoInversión por factores
Machine Learning for Trading

Este cuaderno usa Optuna para ajustar XGBoost, LightGBM y CatBoost en un conjunto de datos de características de empresas dividido temporalmente. La búsqueda de cada biblioteca trata la función de pérdida —error cuadrático medio o error absoluto medio— como…

Aprendizaje automáticoEstadísticaInversión por factoresPruebas retrospectivas
Machine Learning for Trading

Este cuaderno explica una familia de modelos de ETF que representa los rendimientos mediante direcciones latentes compartidas y estima cómo las características de los fondos se relacionan con las exposiciones. Distingue cinco enfoques: componentes…

Renta variableAprendizaje automáticoEstadísticaInversión por factores
Machine Learning for Trading

Este cuaderno usa un panel sintético de activos para mostrar PCA instrumentado, donde las cargas factoriales dependen linealmente de características observadas antes de los rendimientos. Los mínimos cuadrados alternos estiman el mapeo de características a…

Aprendizaje automáticoEstadísticaInversión por factoresConstrucción de carteras
Machine Learning for Trading

Esta referencia describe conjuntos académicos de datos de rendimientos de factores de la biblioteca Fama-French y AQR para analizar estrategias y modelar factores. La oferta de Fama-French incluye series de mercado, tamaño, valor, rentabilidad, inversión y…

Inversión por factoresEstadísticaPruebas retrospectivasRenta variable
Machine Learning for Trading

Este cuaderno explica PCA como modelo de factores latentes de referencia para predecir rentabilidades de ETF. Descompone un panel de entrenamiento de rentabilidades futuras en direcciones principales y estima la exposición de cada fondo y las primas de los…

Inversión por factoresAprendizaje automáticoEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este cuaderno explica cómo un autoencoder condicional amplía el análisis de componentes principales instrumentado (IPCA): conserva la estructura en dos etapas, en la que las características de los fondos se asignan a exposiciones a factores latentes y estas…

Renta variableInversión por factoresAprendizaje automáticoEstadística
Machine Learning for Trading

Este cuaderno describe una familia de modelos de rendimiento de ETF que infieren direcciones latentes comunes en un conjunto de datos y usan características para estimar la exposición de los fondos. Distingue cinco enfoques: componentes principales…

EstadísticaAprendizaje automáticoInversión por factores
Machine Learning for Trading

Este cuaderno muestra por qué buscar entre muchas señales o estrategias hace que el mejor resultado observado parezca más sólido que su verdadero valor predictivo. Una simulación con factores sin información real ilustra cómo elegir el coeficiente de…

EstadísticaInversión por factoresPruebas retrospectivasAprendizaje automático
Machine Learning for Trading

El documento describe cómo un flujo de investigación de trading evalúa si los ajustes de modelos de factores latentes finalizaron en un estado utilizable. En los modelos entrenados mediante descenso del gradiente, comprueba que el último objetivo de…

Aprendizaje automáticoInversión por factoresGestión del riesgo
Machine Learning for Trading

Este cuaderno describe un modelo de factor de descuento estocástico (SDF) para valorar la sección transversal de rendimientos empresariales de US. En vez de estimar primero los factores y aplicarlos después, aprende directamente ponderaciones por empresa y…

Renta variableInversión por factoresAprendizaje automáticoEstadística
Machine Learning for Trading

Este cuaderno evalúa cuatro señales derivadas de noticias —sorpresa ponderada, sentimiento medio, cambio del sentimiento y cobertura de artículos— frente a los rendimientos futuros de las acciones. Calcula un coeficiente de información de Spearman…

Renta variableSentimiento del mercadoEstadísticaInversión por factores
Machine Learning for Trading

Este análisis compara predicciones de varias familias de modelos entrenadas con características mensuales de acciones de US para pronosticar los retornos del mes siguiente. Se centra en el coeficiente de información transversal, que mide hasta qué punto un…

Renta variableMercados de EE. UU.Aprendizaje automáticoEstadística
Machine Learning for Trading

Este cuaderno reúne cinco enfoques de factores latentes para modelar la sección transversal de los retornos de renta variable en el estudio de opciones del S&P 500. PCA estima movimientos comunes solo a partir de los retornos; IPCA transforma linealmente las…

Renta variableInversión por factoresAprendizaje automáticoEstadística
Machine Learning for Trading

Este análisis aplica el análisis de componentes principales basado en correlaciones a los rendimientos de fondos cotizados sectoriales. Estandarizar los rendimientos antes de la descomposición da varianza unitaria a cada sector, de modo que los componentes…

Renta variableInversión por factoresEstadísticaConstrucción de carteras