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.
699 documentos
Este documento apresenta a estrutura de rede neural PatchTST para prever séries temporais multivariadas. Ela divide cada série de entrada em patches sobrepostos, projeta cada patch em um espaço de características aprendido, adiciona codificações posicionais…
Este documento explica como medir retornos em torno de eventos como acionamentos de sinais, divulgações de resultados ou anúncios macroeconômicos. O exemplo desenvolvido usa rompimentos de momentum em ETFs líquidos. Para cada evento, um modelo de mercado…
Este notebook estima se o escore z do prêmio de um contrato perpétuo de cripto afeta os retornos subsequentes de oito horas quando três fatores declarados — volatilidade dos preços, taxa de funding e desvio médio do prêmio — são mantidos fixos. Como o…
Este notebook usa retornos diários de ETF para explicar como modelos GARCH capturam o agrupamento temporal da volatilidade e o transformam em uma variável por sessão. Primeiro, usa diagnósticos visuais e um teste ARCH-LM para avaliar se os retornos ao…
Este notebook explica como reconstruir um livro de ofertas limitadas de um único símbolo da NASDAQ a partir de dados de mensagens por ordem. Processa inclusões, execuções, cancelamentos, exclusões e substituições, mantendo a quantidade restante de cada ordem…
Este módulo de origem fornece carregadores para preços de ações dos EUA, dados de índices, opções, microestrutura de mercado, dados fundamentais e participações institucionais. Seu detalhe metodológico mais importante trata da reamostragem de dados…
Este notebook explica como reconstruir um catálogo de experimentos de modelos a partir de um registro de estudo de caso e comparar seu conteúdo com o MLflow. Acompanha os experimentos por meio de execuções de treinamento, conjuntos de previsões e execuções…
Esta análise exploratória caracteriza dados horários de OHLCV para contratos perpétuos de cripto junto a um índice de prêmio de oito horas. Examina a cobertura por símbolo e data, as mudanças na composição dos contratos, as unidades e a distribuição do…
Este notebook compara mínimos quadrados ordinários com Ridge, LASSO e Elastic Net para prever retornos futuros em um universo de ETF. Todos os modelos usam os mesmos folds walk-forward, com um intervalo de purga correspondente ao horizonte do rótulo, para…
Este capítulo apresenta como construir pesquisas de dados fundamentais e alternativos consistentes no tempo para ações, séries macroeconômicas, futuros, cripto e mercados de previsão. Seus métodos centrais são armazenamento bitemporal e consultas as-of,…
Este notebook constrói uma estrutura média-variância restrita a posições compradas e totalmente investida para um universo diversificado de ETF. Ele constrói carteiras viáveis e uma fronteira eficiente e, em seguida, calcula os pesos de máximo Sharpe e…
Este notebook compara modelos lineares para prever retornos de ETF a partir de fatores sobrepostos derivados de preços. Como vários horizontes de retorno e famílias de indicadores podem codificar informações semelhantes, mínimos quadrados ordinários podem…
Este guia relaciona perguntas causais a bibliotecas Python e esclarece a diferença entre estimar efeitos sob uma estrutura causal assumida e descobrir estruturas possíveis a partir dos dados. Apresenta aprendizado de máquina duplo para efeitos de tratamento…
Esta estrutura demonstra verificações de qualidade em dados diários US de ações no formato OHLCV. A validação estrutural testa relações entre preços, preços positivos, volume não negativo, valores ausentes, datas duplicadas, ordem cronológica, preços…
Este notebook apresenta um modelo de fator estocástico de desconto para precificar uma seção transversal de ETFs. Em vez de estimar separadamente as exposições dos fundos e os retornos dos fatores, treina redes para encontrar uma série comum de fatores de…
Este notebook aplica TabM, um ensemble neural com compartilhamento de pesos, a um painel de fatores de futuros perpétuos de criptomoedas. Seus membros compartilham uma base neural, mas têm vetores de escala e camadas de saída separados, combinando ensembles…
Este notebook reconstrói a melhor oferta de compra e venda vigente para cada operação de AAPL durante uma única sessão de março de 2020, e então aplica o método Lee–Ready para inferir se compradores ou vendedores iniciaram as operações. Intercala eventos de…
Este notebook faz a triagem de fatores financeiros e derivados de modelos pela capacidade de ranquear ETFs por retornos subsequentes. Calcula um coeficiente de informação para cada data, comparando os rankings transversais de cada fator com os rankings de…
Este notebook examina se as atribuições de fatores SHAP são estáveis o bastante para embasar a redução de modelos, decisões de risco ou relatórios. Usando uma tarefa de previsão de ETF, primeiro procura amostras de teste cujas previsões são próximas, mas…
Este notebook avalia fatores candidatos para 20 pares de moedas, um de cada vez, em relação a retornos futuros. Limita a análise aos períodos de validação walk-forward, identifica cada sessão com sua partição e deixa um intervalo de segurança antes do…
Este notebook explica como combinar previsões de probabilidade de vários agentes e calibrar as probabilidades resultantes. Apresenta a extremização de Neyman, que afasta a previsão média de uma taxa-base de acordo com o tamanho do painel e uma correlação par…
Este utilitário de dados dá suporte ao trabalho com o conjunto de dados de precificação de ativos de Chen, Pelger e Zhu, que inclui retornos de ações, características das empresas, séries macroeconômicas e tensores de características anteriores à divisão.…
Este notebook examina se fatores financeiros ajudam a explicar um rótulo de retorno de opções com delta hedge em 10 sessões. Compara modelos Ridge usando um fator de volatilidade implícita, grupos de fatores dependentes e independentes da volatilidade…
Este módulo descreve uma forma compartilhada de preparar folds de treino e validação walk-forward para várias famílias de modelos. Separa o trabalho caro e independente do modelo — dividir janelas temporais, aplicar recursos baseados em modelo específicos de…