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

62 documentos

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 cuaderno aplica el análisis de componentes principales a los cambios en los rendimientos del Tesoro a distintos vencimientos. Estandarizar los cambios da la misma influencia a cada vencimiento, y los componentes resultantes se interpretan como…

Renta fijaEstadísticaGestión del riesgoConstrucción de carteras
Machine Learning for Trading

Este capítulo repasa métodos para recuperar estructuras comunes de paneles de retornos y características, desde PCA y carteras de autovectores hasta IPCA, PCA de prima de riesgo, autocodificadores condicionales, estimación de factores de descuento…

Inversión por factoresAprendizaje automáticoEstadísticaConstrucción de carteras
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 cuaderno explica la paridad de riesgo jerárquica como alternativa a la asignación media-varianza cuando las estimaciones de covarianza son ruidosas. HRP agrupa los activos usando distancias de correlación, los ordena según la jerarquía, divide…

Construcción de carterasGestión del riesgoPruebas retrospectivasRenta variable
Machine Learning for Trading

Este cuaderno explora un panel de datos económicos creado a partir de series de Federal Reserve Economic Data. Explica que el panel distribuido usa fechas naturales, incluidos fines de semana y festivos, y muestra cómo los metadatos asociados identifican el…

Renta fijaVolatilidadEstadísticaMercados de EE. UU.
Machine Learning for Trading

Esta configuración especifica un conjunto de datos macroeconómicos históricos de FRED para filtrar regímenes y analizar distintos activos. Organiza series con frecuencia diaria, semanal, mensual y trimestral, incluidos rendimientos de bonos del Tesoro, el…

MultiactivoRenta fijaVolatilidadEstadística
Machine Learning for Trading

Este documento describe un flujo de trabajo para recopilar rendimientos de bonos del Tesoro e indicadores económicos de FRED, alinear series con distintas frecuencias de publicación a un calendario diario y cargar o filtrar el conjunto de datos resultante.…

Renta fijaMultiactivoGestión del riesgoEstadística
Machine Learning for Trading

Este cuaderno aplica métodos bayesianos de estudio de eventos con series temporales estructurales para estimar el impacto de los anuncios de la Reserva Federal en un ETF de bonos. Construye un contrafactual a partir de las relaciones previas al evento entre…

Renta fijaBasado en eventosEstadísticaAprendizaje automático
Machine Learning for Trading

Esta guía de conjuntos de datos describe un flujo de trabajo para obtener series de FRED, alinear observaciones con un calendario diario y cargar indicadores seleccionados para analizarlos. Los ejemplos incluyen rendimientos de bonos del Tesoro, el…

Renta fijaEstadísticaGestión del riesgoMultiactivo
Machine Learning for Trading

Este documento registra un pronóstico en varias etapas sobre si la Reserva Federal subirá los tipos durante 2026. Tres agentes buscan pruebas y asignan probabilidades, tras lo cual se celebra un debate y un supervisor actualiza el pronóstico. Sus opiniones…

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

Este registro recoge una ejecución de previsión de LangGraph sobre si la Reserva Federal subiría su tipo objetivo durante 2026. Tres agentes generaron probabilidades, seguidas de un debate y una actualización del supervisor. Los resultados registrados…

Renta fijaMercados de EE. UU.Estadística
Machine Learning for Trading

Este documento recoge un debate estructurado entre alcistas y bajistas sobre si la Reserva Federal subirá su tipo objetivo durante 2026. Tres agentes evalúan la cuestión con argumentos basados en las proyecciones de la Fed, la inflación, las condiciones del…

Renta fijaMercados de EE. UU.Estadística
Machine Learning for Trading

Este documento describe un conjunto de datos diarios de ETF pensado como grupo candidato para investigar el momentum y las relaciones entre clases de activos. Abarca nueve categorías, entre ellas US y acciones internacionales, renta fija, materias primas,…

MultiactivoImpulsoRenta variableRenta fija
arXiv papers

FedNLP se presenta como un sistema de procesamiento del lenguaje natural con varios componentes para examinar las comunicaciones de la Reserva Federal, que pueden ser extensas y difíciles de interpretar. Combina métodos que van desde el aprendizaje…

Aprendizaje automáticoSentimiento del mercadoRenta fijaMercados de EE. UU.
arXiv papers

Este artículo reevalúa la regla de Taylor estimando los tipos de los fondos federales mediante una regresión lineal y un modelo no lineal de aprendizaje automático. En el enfoque lineal, mínimos cuadrados ordinarios estiman coeficientes para la inflación, la…

Aprendizaje automáticoEstadísticaRenta fijaMercados de EE. UU.