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 guia distingue a estimação de efeitos causais da descoberta de estruturas causais e relaciona perguntas comuns de pesquisa a bibliotecas Python adequadas. EconML e DoWhy estimam efeitos quando a estrutura de ajuste é conhecida ou especificada…

Aprendizado de máquinaEstatísticaBacktesting
Machine Learning for Trading

Esta visão geral consolida dados de configuração de nove estudos de caso de trading que abrangem ações, cripto, câmbio, futuros, opções e carteiras multiativos. Compara o universo, a frequência dos dados, a cadência de decisão, o modelo de custos e o…

MultiativosBacktestingGestão de riscoExecução
Machine Learning for Trading

Este notebook apresenta uma estrutura determinística para verificar se pipelines de backtest e trading ao vivo se comportam de forma consistente. Compara as etapas que transformam barras de preços em decisões: cálculos de características, previsões, sinais e…

BacktestingExecuçãoAprendizado de máquinaEstatística
Machine Learning for Trading

Este notebook usa dados de operações e ordens derivados de NASDAQ ITCH para ilustrar padrões de microestrutura. Examina a autocorrelação negativa de primeira ordem nos retornos de operações no nível do tick, compara esse efeito com retornos do preço médio e…

AçõesMicroestrutura de mercadoEstatísticaExecução
Machine Learning for Trading

Este notebook agrega resultados de modelos lineares, incluindo OLS, Ridge, Lasso e ElasticNet, em nove estudos de caso. Compara a configuração completa mais forte de cada estudo em seu rótulo principal e, em seguida, examina regularização, coeficientes de…

Aprendizado de máquinaEstatísticaBacktestingInvestimento em fatores
Machine Learning for Trading

Este notebook educacional apresenta características derivadas de preço e volume usadas em pesquisa quantitativa. Abrange retornos simples e logarítmicos em vários horizontes, momentum com exclusão de um período, retornos noturnos e intradiários, distância da…

AçõesIndicadores técnicosVolatilidadeMomentum
Machine Learning for Trading

Este notebook apresenta um fluxo de trabalho para investigar se o momentum de seis meses, excluindo o período mais recente, afeta retornos futuros de 21 dias e se o efeito muda com a volatilidade do mercado. Ele estima efeitos nos dados de treinamento usando…

AçõesMomentumAprendizado de máquinaEstatística
Machine Learning for Trading

Este notebook compara dois modelos fundacionais de séries temporais pré-treinados, Chronos e TinyTimeMixer, com um LSTM e uma referência linear penalizada em um painel de ETF. Cada modelo recebe um contexto histórico univariado; os modelos pré-treinados…

Aprendizado de máquinaAçõesMomentumBacktesting
Machine Learning for Trading

Este capítulo apresenta uma estrutura para avaliar alegações causais em pesquisa quantitativa de trading. Começa com definições claras de tratamento, resultado, estimando, contrafactual e conjunto de ajuste; em seguida, associa perguntas de pesquisa a…

Aprendizado de máquinaEstatísticaBacktestingInvestimento em fatores
Machine Learning for Trading

Este notebook ajusta modelos lineares a características de microestrutura do NASDAQ-100, observadas em intervalos de um minuto, para prever retornos em vários horizontes futuros. Seu objetivo é estabelecer uma referência simples antes de modelos mais…

AçõesAprendizado de máquinaEstatísticaIndicadores técnicos
Machine Learning for Trading

Esta avaliação de variáveis compara candidatas financeiras e derivadas de modelos com retornos futuros de futuros CME. Para cada variável, verifica a cobertura e a defasagem dos dados, mede a correlação transversal diária de postos entre valores das…

FuturosEstatísticaAprendizado de máquinaBacktesting
Machine Learning for Trading

Este notebook compara implementações de uma previsão univariada do preço de SPY com PyTorch puro, sktime e Darts. Seu objetivo principal é avaliar o esforço prático: extensão do código, requisitos da interface, sucesso da instalação e tempo total de ajuste e…

AçõesAprendizado de máquinaEstatísticaBacktesting
Machine Learning for Trading

Este capítulo argumenta que uma pesquisa de trading duradoura depende de um processo disciplinado que se adapte a mercados em mudança, evidências ruidosas e custos de implementação. Ele apresenta as diferenças entre quebras estruturais, regimes, deriva dos…

Aprendizado de máquinaBacktestingGestão de riscoEstatística
Machine Learning for Trading

Este notebook de avaliação faz a triagem de variáveis financeiras e derivadas de modelos pela relação com o próximo retorno de oito horas de futuros perpétuos de cripto. Ele constrói a amostra de avaliação com janelas de validação walk-forward, mantém o…

CriptoFuturos perpétuosAprendizado de máquinaEstatística
Machine Learning for Trading

Este notebook verifica se uma estratégia diária de classificação de ações US tem dados utilizáveis suficientes para uma avaliação justa antes do ajuste de qualquer modelo. Ele explica como formar um universo com dados disponíveis em cada momento e…

AçõesMercados dos EUABacktestingExecução
Machine Learning for Trading

Este notebook estuda como a regularização afeta um modelo de futuros CME construído a partir de famílias correlacionadas de variáveis, incluindo carry, Sharpe móvel, momentum e medidas de volatilidade. Ele compara Ridge, Lasso e ElasticNet: Ridge reduz os…

FuturosAprendizado de máquinaEstatísticaBacktesting
Machine Learning for Trading

Este notebook descreve a adaptação de Diffusion-TS para gerar sequências sintéticas de retornos de ETF. O modelo de remoção de ruído prevê a sequência limpa como uma soma de tendência polinomial, componente sazonal de Fourier e resíduos, enquanto uma função…

Aprendizado de máquinaEstatísticaVolatilidadeMultiativos
Machine Learning for Trading

O documento explica por que o TabM é usado para modelar dados em painel de financiamento perpétuo: sua estrutura neural compartilhada combina todas as variáveis de entrada, enquanto camadas não lineares podem representar interações. Diferentemente de uma…

CriptoFuturos perpétuosAprendizado de máquinaBacktesting
Machine Learning for Trading

Este fluxo de avaliação faz a triagem de variáveis financeiras e baseadas em modelos em relação a retornos futuros para um painel intradiário NASDAQ-100. Primeiro, reserva o período final de teste e exclui observações cujos rótulos futuros se encerrariam…

AçõesEstatísticaAprendizado de máquinaBacktesting
Machine Learning for Trading

Esta análise estima se o momentum que exclui o período mais recente está associado a uma mudança causal nos retornos futuros de ETFs, em vez de perguntar quão bem o momentum prevê retornos. O aprendizado de máquina duplo modela o resultado e o tratamento…

Aprendizado de máquinaEstatísticaMomentumBacktesting
Machine Learning for Trading

Este método de geração de benchmarks cria uma série diária de retornos com pesos iguais a partir dos ativos declarados em um estudo de caso. Primeiro, usa o último preço de fechamento de cada símbolo em cada sessão; depois, calcula os retornos entre…

BacktestingConstrução de portfólioEstatísticaGestão de risco
Machine Learning for Trading

Esta análise caracteriza um universo fixo de 100 ETFs em nove grupos de ativos. Verifica a cobertura por fundo e ano, confirma se o painel de preços corresponde à configuração dos grupos, examina valores nulos e a ordenação de OHLC e compara o volume…

MultiativosEstatísticaGestão de riscoBacktesting