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

100 documentos

Machine Learning for Trading

Este notebook demonstra o monitoramento de drift de covariáveis em características de momentum de ETF e futuros perpétuos cripto durante diferentes janelas de mercado. Ele compara o Índice de Estabilidade da População, que mede mudanças em distribuições de…

Aprendizado de máquinaEstatísticaGestão de riscoCripto
Machine Learning for Trading

Este notebook apresenta backtesting vetorizado com VectorBT por meio de uma regra de reversão à média de RSI, apenas comprada, aplicada a dados de mercado de contratos perpétuos de Bitcoin. Calcula um RSI baseado no fechamento, entra quando a leitura do dia…

CriptoFuturos perpétuosReversão à médiaIndicadores técnicos
Machine Learning for Trading

Este notebook usa o Optuna para ajustar modelos de retorno LightGBM, considerando tanto o coeficiente de informação (IC) transversal quanto o giro das previsões. Uma busca de objetivo único maximiza IC para comparação; uma busca multiobjetivo NSGA-II…

Aprendizado de máquinaEstatísticaFuturosCripto
Machine Learning for Trading

Esta análise compara três formas de converter previsões assinadas de retorno de modelos em posições binárias: um limite fixo em zero, um percentil móvel para cada símbolo e um percentil transversal entre símbolos. Ela aplica as regras a previsões de…

Aprendizado de máquinaExecuçãoBacktestingCripto
Machine Learning for Trading

Este notebook compara seis métodos de alocação em estratégias com contratos perpétuos de cripto que já passaram por um processo inicial de seleção. Ele mantém fixas as previsões e regras de entrada de cada estratégia e muda a forma como o capital é…

CriptoFuturos perpétuosDimensionamento de posiçãoConstrução de portfólio
Machine Learning for Trading

Este notebook adiciona uma rede convolucional temporal (TCN) à comparação de modelos de sequência para prever prêmios de funding perpétuo de criptomoedas. O preenchimento causal garante que cada posição use apenas observações atuais e anteriores, enquanto…

CriptoFuturos perpétuosAprendizado de máquinaBacktesting
Machine Learning for Trading

Este módulo estima parâmetros para mercados cripto simulados usados em ambientes de aprendizado por reforço. Ele carrega dados horários de mercados perpétuos para um símbolo selecionado, calcula retornos logarítmicos entre fechamentos e ajusta um modelo de…

CriptoFuturos perpétuosVolatilidadeMicroestrutura de mercado
Machine Learning for Trading

Este notebook investiga se um prêmio extremo em futuros perpétuos afeta os retornos subsequentes de BTC ou a reversão do prêmio. Ele define o tratamento como um estado de prêmio alto e compara um resultado amplo de mercado, que pode ser influenciado por…

CriptoFuturos perpétuosArbitragemEstatística
Machine Learning for Trading

Este notebook usa a excursão máxima favorável (MFE) e a excursão máxima adversa (MAE) para fundamentar as larguras dos rótulos de barreira tripla em trajetórias de preços observadas. Para uma posição aberta no fechamento de uma barra, ele mede o melhor…

AçõesFuturosCriptoVolatilidade
Machine Learning for Trading

Este notebook explica como transformar modelos ajustados GJR-GARCH e de Markov oculto em características de trading, controlando o viés de antecipação. GJR-GARCH estima a volatilidade condicional e captura o impacto maior dos choques negativos de retorno; um…

CriptoFuturos perpétuosVolatilidadeAprendizado de máquina
Machine Learning for Trading

Este notebook compara duas questões causais sobre prêmios extremos em futuros perpétuos de Bitcoin: se um estado de prêmio prevê retornos futuros e se prevê reversão posterior do prêmio. O tratamento é um indicador binário para um score z de prêmio acima de…

CriptoFuturos perpétuosEstatísticaMicroestrutura de mercado
Machine Learning for Trading

Este notebook compara DQN, PPO e A2C em um ambiente compartilhado de trading simulado, calibrado com retornos horários de futuros perpétuos de Bitcoin. Um modelo GARCH(1,1) fornece agrupamento de volatilidade, enquanto o ambiente cobra pelas mudanças de…

Aprendizado de máquinaCriptoFuturos perpétuosVolatilidade
Machine Learning for Trading

O documento explica uma rede convolucional temporal para prever prêmios de funding de futuros perpétuos de cripto a partir de uma janela de 60 liquidações. Quatro blocos de convolução causal usam kernel de três e dilatações de 1, 2, 4 e 8. O campo receptivo…

CriptoFuturos perpétuosAprendizado de máquinaReversão à média
Machine Learning for Trading

Este notebook mede como os custos de execução afetam uma configuração já selecionada de contratos perpétuos de cripto. Mantém fixos o modelo, o checkpoint, a regra de entrada, o alocador e o controle de risco, e então executa novamente a estratégia em uma…

CriptoFuturos perpétuosBacktestingExecução
Machine Learning for Trading

Este notebook testa um projeto de saída com dois modelos em dados horários de perpétuos de BTC, ETH e SOL. Um classificador de entrada identifica retornos futuros excepcionalmente fortes; sua probabilidade prevista é então combinada com atributos técnicos em…

CriptoFuturos perpétuosAprendizado de máquinaBacktesting
Machine Learning for Trading

Esta análise compara previsões de validação de várias famílias de modelos para funding de futuros perpétuos. Explica que o coeficiente de informação mede a classificação dos retornos subsequentes, AUC mede a ordenação dos resultados de alta e baixa, e a…

CriptoFuturos perpétuosAprendizado de máquinaEstatística
Machine Learning for Trading

Este estudo de caso avalia os dados de valor total bloqueado do DeFi Llama como possível entrada para um pipeline de pesquisa de trading de Ether. Separa a força do sinal, a qualidade dos dados, a adequação jurídica e o valor comercial, tratando questões…

CriptoDeFiDados on-chainEstatística
Machine Learning for Trading

Este notebook avalia saídas por posição em posições de futuros perpétuos de cripto selecionadas por uma etapa de alocação anterior. Ele define stops de perda fixos, stops móveis vinculados ao melhor preço de cada posição e saídas por tempo após um período de…

CriptoFuturos perpétuosGestão de riscoBacktesting
Machine Learning for Trading

Este documento descreve um conjunto de dados e um fluxo de trabalho para estudar futuros perpétuos de criptomoedas junto com seu índice de prêmio. Apresenta observações horárias de OHLCV e leituras do prêmio a cada oito horas para um universo configurado,…

CriptoFuturos perpétuosFuturosArbitragem
Machine Learning for Trading

Este notebook avalia se os dados de futuros perpétuos da Binance podem sustentar uma estratégia transversal que classifica contratos pelo prêmio e assume posições compradas e vendidas. Ele não ajusta um modelo nem faz previsões. Em vez disso, verifica o…

CriptoFuturos perpétuosEstatísticaBacktesting
Machine Learning for Trading

Esta configuração especifica um fluxo de pesquisa de estratégia long-short para contratos futuros perpétuos de cripto. Define um universo de 19 ativos selecionados por volume, decisões alinhadas aos pagamentos de funding a cada oito horas e execução no…

CriptoFuturos perpétuosCarryReversão à média