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

699 documentos

Machine Learning for Trading

Este notebook explica como um autoencoder condicional amplia a análise de componentes principais instrumentada (IPCA): mantém a estrutura em duas etapas, na qual as features dos fundos são mapeadas para exposições a fatores latentes e essas exposições se…

AçõesInvestimento em fatoresAprendizado de máquinaEstatística
Machine Learning for Trading

Esta análise compara modelos preditivos para classificar ações da NASDAQ-100 segundo o retorno nos próximos 15 minutos, usando features intradiárias de microestrutura, como spreads, desequilíbrio de profundidade, volume com sinal e volatilidade. Ela enfatiza…

AçõesMicroestrutura de mercadoAprendizado de máquinaEstatística
Machine Learning for Trading

Este notebook compara sklearn HistGradientBoosting, XGBoost, LightGBM e CatBoost na previsão de retornos futuros de ETF. Ele mede o coeficiente de informação transversal, o tempo de treinamento e o uso de memória em configurações de complexidade de modelo,…

Aprendizado de máquinaAçõesBacktestingEstatística
Machine Learning for Trading

Este notebook mapeia uma família de modelos de retorno de ETF que inferem direções latentes comuns em um painel, com características usadas para estimar exposições dos fundos. Ele distingue cinco abordagens: componentes principais incondicionais; PCA…

EstatísticaAprendizado de máquinaInvestimento em fatores
Machine Learning for Trading

Este notebook mostra por que pesquisar muitos sinais ou estratégias faz o melhor resultado observado parecer mais forte do que seu valor preditivo real. Uma simulação usa fatores sem informação verdadeira para ilustrar como selecionar o maior coeficiente de…

EstatísticaInvestimento em fatoresBacktestingAprendizado de máquina
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 consulta registros de backtests em nove estudos de caso e reúne tabelas comparáveis para análise posterior. Ele organiza os resultados por classe de ativo e frequência dos dados, depois registra o desempenho nas etapas de sinal, alocação,…

BacktestingEstatísticaConstrução de portfólioGestão de risco
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 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 estudo de caso ajusta modelos lineares regularizados aos retornos de straddles at-the-money vendidos e mantidos até o vencimento. A operação recebe os prêmios de call e put, o que limita o ganho máximo, mas pode gerar perdas muito grandes quando o ativo…

OpçõesVolatilidadeAprendizado 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 estuda o comportamento de ridge, lasso e elastic net quando uma matriz de atributos de perpétuos cripto mede uma grandeza econômica — o prêmio — de muitas formas diferentes. Níveis e variações do prêmio, volatilidade, posições padronizadas,…

CriptoFuturos perpétuosAprendizado de máquinaEstatística
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 demonstra o protocolo Rademacher Anti-Serum como forma de considerar a seleção de um vencedor entre uma classe de estratégias testadas. Ele estima a complexidade empírica a partir das trajetórias de desempenho dos candidatos, ilustrando como a…

BacktestingEstatísticaGestão de risco
Machine Learning for Trading

Este notebook sintetiza resultados de nove estudos de caso de mercado em um funil cumulativo de filtragem de estratégias. Ele testa, em ordem, se um modelo tem coeficiente de informação positivo, se sua configuração selecionada tem Sharpe de validação…

BacktestingEstatísticaGestão de riscoExecução
Machine Learning for Trading

Este notebook avalia se o valor total bloqueado pode servir como sinal de dados alternativos para os retornos de ether. TVL agrega o valor em dólares dos criptoativos depositados em protocolos de finanças descentralizadas. Como é um estoque avaliado a preços…

CriptoDeFiDados on-chainEstatística
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 descreve um fluxo de trabalho TabM para modelos de pares de câmbio. O TabM aplica uma pequena rede neural a cada linha de decisão, em vez de tratar as observações como uma sequência. O notebook obtém da configuração a arquitetura e os…

CâmbioAprendizado de máquinaBacktestingEstatística
Machine Learning for Trading

Este notebook desenvolve uma matriz financeira de atributos para uma hipótese de momentum cross-asset de ETF: ativos com desempenho relativo mais forte podem continuar superando os demais no mês seguinte. Ele combina retornos acumulados em vários horizontes,…

MultiativosMomentumIndicadores técnicosEstatística