Pular para o conteúdo

Biblioteca de conhecimento

Resumos e ideias principais, escritos pelo agente de pesquisa da Stratmill, sobre os livros, artigos científicos, artigos e códigos lidos por nossos agentes de IA. Cada página contém um link para o original.

Buscar na biblioteca

552 documentos

Machine Learning for Trading

Este estudo de características de ações dos US explica como gerar características a partir de modelos estimados sem permitir que dados futuros entrem em observações anteriores. O cronograma de estimação inclui um período inicial de histórico, ajusta…

AçõesVolatilidadeIndicadores técnicosEstatística
Machine Learning for Trading

Este notebook aplica TSMixer a sequências de ETF usando uma única função compartilhada globalmente entre os fundos. Cada exemplo contém o histórico e as covariáveis de um fundo individual; as interações temporais e entre características são aprendidas no…

AçõesAprendizado de máquinaEstatísticaBacktesting
Machine Learning for Trading

Este notebook descreve um modelo de fator de desconto estocástico (SDF) para precificar o corte transversal de retornos de empresas dos US. Em vez de primeiro estimar fatores e depois aplicá-los, ele aprende diretamente pesos empresa-mês sob uma condição de…

AçõesInvestimento em fatoresAprendizado de máquinaEstatística
Machine Learning for Trading

Este notebook analisa livros de ofertas limitadas reconstruídos do NASDAQ para descrever spreads intradiários e a profundidade no topo do livro, e então examina se o desequilíbrio do fluxo de ordens está associado aos retornos subsequentes por intervalo. Ele…

Microestrutura de mercadoAçõesEstatísticaExecução
Machine Learning for Trading

Este notebook apresenta uma ponte de implantação entre um pipeline de aprendizado de máquina offline e o mecanismo de trading LEAN da QuantConnect. Ele seleciona uma execução de modelo de forma reproduzível a partir de um registro, exporta suas previsões de…

Aprendizado de máquinaConstrução de portfólioExecuçãoBacktesting
Machine Learning for Trading

Este notebook avalia quatro sinais derivados de notícias — surpresa ponderada, sentimento médio, mudança de sentimento e cobertura de artigos — em relação a retornos futuros de ações. Ele calcula um coeficiente de informação de Spearman transversal diário,…

AçõesSentimentoEstatísticaInvestimento em fatores
Machine Learning for Trading

Este documento descreve o ajuste de redes convolucionais temporais a características de microestrutura em nível de minuto do NASDAQ 100. Convoluções causais impedem que uma previsão use observações posteriores, enquanto a dilatação permite que camadas…

AçõesAprendizado de máquinaEstatísticaBacktesting
Machine Learning for Trading

Esta análise verifica se dados diários de opções e ações podem sustentar uma estratégia semanal do S&P 500 que classifica os componentes pela volatilidade implícita at-the-money de trinta dias e compra as ações mais bem classificadas. As opções fornecem o…

AçõesOpçõesVolatilidadeBacktesting
Machine Learning for Trading

Esta análise compara previsões de várias famílias de modelos treinadas com características mensais de ações dos EUA US para prever retornos do mês seguinte. Ela se concentra no coeficiente de informação transversal, que mede o desempenho de um modelo ao…

AçõesMercados dos EUAAprendizado de máquinaEstatística
Machine Learning for Trading

Este notebook demonstra o ajuste de hiperparâmetros do LightGBM com o amostrador TPE do Optuna, usando o coeficiente de informação transversal como objetivo. Combina parada antecipada para escolher o número de rodadas de boosting com um callback…

Aprendizado de máquinaBacktestingEstatísticaAções
Machine Learning for Trading

Este notebook reúne cinco abordagens de fatores latentes para modelar a seção transversal dos retornos de ações no estudo de caso de opções do S&P 500. PCA estima movimentos comuns apenas a partir dos retornos; IPCA mapeia características em exposições de…

AçõesInvestimento em fatoresAprendizado de máquinaEstatística
Machine Learning for Trading

Este notebook explica um autoencoder supervisionado para prever a direção de retornos futuros de ações US em vários horizontes. Seu codificador alimenta um decodificador de reconstrução, um classificador auxiliar e um classificador principal. O treinamento…

AçõesAprendizado de máquinaEstatísticaBacktesting
Machine Learning for Trading

Este notebook cria um alocador de carteira que coloca uma rede de seleção de variáveis no estilo Temporal Fusion Transformer antes de um codificador LSTM. A rede de seleção incorpora cada atributo de entrada separadamente e atribui pesos softmax, permitindo…

AçõesAprendizado de máquinaConstrução de portfólioGestão de risco
Machine Learning for Trading

Este documento apresenta um inventário entre mercados de artefatos de atributos baseados em modelos, provenientes de nove estudos de caso. Ele lê esquemas Parquet em vez de carregar suas linhas, exclui colunas identificadoras, conta colunas de atributos e…

MultiativosAprendizado de máquinaEstatísticaAções
Machine Learning for Trading

Este documento reformula uma previsão de retorno de ações em cinco sessões por meio da amostragem de dados diários às sextas-feiras. O rótulo continua sendo um retorno de cinco sessões, mas na grade semanal abrange cerca de uma etapa do modelo. O notebook…

AçõesMercados dos EUAAprendizado de máquinaEstatística
Machine Learning for Trading

Este notebook avalia árvores com gradient boosting em análises de opções de ações, nas quais atributos como volatilidade implícita, assimetria, estrutura a termo e prêmio de risco de variância codificam expectativas do mercado. Ele pergunta se um modelo não…

OpçõesAçõesAprendizado de máquinaEstatística
Machine Learning for Trading

Este notebook cria atributos por minuto a partir de cotações e negociações de NASDAQ-100 para estudar a pressão de preços em horizontes curtos. Ele trata o desequilíbrio normalizado do fluxo de ordens como principal candidato a sinal e usa spread,…

AçõesMicroestrutura de mercadoExecuçãoIndicadores técnicos
Machine Learning for Trading

Este notebook compara três modelos lineares de previsão, um codificador Transformer e duas previsões sem parâmetros para retornos diários de SPY. Os modelos lineares mapeiam uma janela histórica para uma previsão de vários dias; algumas variantes primeiro…

AçõesAprendizado de máquinaEstatísticaBacktesting
Machine Learning for Trading

Este notebook reformula a previsão dos retornos futuros de 21 em sessões de ETF como uma tarefa binária: retornos positivos são classificados como alta, e os demais, como baixa. Ele ajusta uma regressão logística regularizada com L2 e L1, usando divisões…

AçõesAprendizado de máquinaEstatísticaGestão de risco
Machine Learning for Trading

Este notebook testa se um LSTM consegue extrair estrutura temporal de históricos de atributos de ETF que modelos com atributos planos podem não captar. Antes do ajuste, ele resolve a população declarada das sequências em relação aos atributos, rótulos,…

AçõesMomentumAprendizado de máquinaEstatística
Machine Learning for Trading

Este notebook define retornos futuros do fechamento ao fechamento em dois horizontes de negociação para uma seção transversal de ETFs, medindo cada horizonte do fechamento ajustado ao fechamento após um número fixo de sessões. Ele explica por que os rótulos…

AçõesMomentumEstatísticaBacktesting