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

1,098 documentos

Machine Learning for Trading

Este notebook estabelece uma referência na etapa de sinal para avaliar previsões de modelos sobre futuros do CME. A cada decisão semanal, ordena os produtos pelos retornos previstos, compra o grupo no topo, vende a descoberto o grupo na base e atribui o…

FuturosBacktestingConstrução de portfólioExecução
Machine Learning for Trading

Este notebook usa regressão linear como referência para prever retornos do NASDAQ-100 a partir de características de microestrutura em intervalos de minutos. Como medidas de spread e desequilíbrio de ordens se sobrepõem entre diferentes janelas…

AçõesMicroestrutura de mercadoAprendizado de máquinaEstatística
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 apresenta um fluxo de trabalho para decidir como modelar séries temporais financeiras. Começa com gráficos de preços e retornos de SPY, níveis de VIX e distribuição de retornos para identificar níveis errantes, movimentos agrupados e caudas…

EstatísticaVolatilidadeIndicadores técnicosAções
Machine Learning for Trading

Esta configuração especifica um experimento de ranking e rebalanceamento de ETF apenas comprado. Ela define um amplo universo de 100-ETF, abrangendo exposições a ações, títulos, commodities e regiões, com decisões mensais e execução na abertura seguinte. O…

AçõesMultiativosBacktestingExecução
Machine Learning for Trading

Este notebook constrói intervalos de previsão em torno de projeções com gradient boosting e compara previsão conformal dividida com regressão quantílica, regressão quantílica conformalizada e inferência conformal adaptativa. A previsão conformal dividida usa…

Aprendizado de máquinaEstatísticaGestão de riscoDimensionamento de posição
Machine Learning for Trading

Este estudo de painel de ações dos US usa um modelo linear penalizado como referência para prever retornos futuros a partir de atributos observados no fechamento. O conjunto de atributos contém medidas sobrepostas de momentum e volatilidade, criando…

AçõesInvestimento em fatoresEstatísticaGestão de risco
Machine Learning for Trading

Este benchmark compara CSV, Parquet, Feather (Arrow IPC) e HDF5 usando o mesmo painel determinístico OHLCV. Ele mede tempo de gravação, tempo de leitura com materialização, tamanho do arquivo e o efeito de ler apenas colunas selecionadas. A política de…

AçõesBacktestingExecução
Machine Learning for Trading

Este estudo de atributos ETF constrói três entradas derivadas de modelos: um modelo oculto de Markov (HMM) que estima o regime de mercado, preços diferenciados fracionariamente para fundos de referência e volatilidade condicional GARCH(1,1) por ETF. Ele…

AçõesVolatilidadeAprendizado de máquinaEstatística
Machine Learning for Trading

Este notebook explica a análise de componentes principais instrumentada (IPCA), que estima fatores comuns fazendo com que as exposições fatoriais de cada ação sejam uma função linear compartilhada dos atributos da superfície de opções no mesmo dia. Esses…

OpçõesAçõesInvestimento em fatoresAprendizado de máquina
Machine Learning for Trading

Este tutorial compara barreiras fixas de stop-loss e take-profit, stops móveis, saídas escaladas por ATR, um sinal de saída de aprendizado de máquina e combinações dessas abordagens em dados diários de SPY. As barreiras fixas são simuladas a partir dos…

AçõesGestão de riscoIndicadores técnicosBacktesting
Machine Learning for Trading

Este estudo compara árvores com gradient boosting a um modelo linear penalizado para classificar pares de moedas por retornos futuros. A motivação é que árvores podem representar relações condicionais, como usar momentum em um regime de mercado e carry em…

CâmbioAprendizado de máquinaEstatísticaBacktesting
Machine Learning for Trading

Esta análise exploratória descreve um conjunto de dados OANDA de quatro horas que abrange vinte pares de moedas. Ela explica que o campo de volume conta atualizações de cotações em um único ambiente de negociação, não o tamanho consolidado negociado, e,…

CâmbioEstatísticaMicroestrutura de mercado
Machine Learning for Trading

Este tutorial operacional demonstra proteções em tempo de execução para um sistema de trading ao vivo usando uma corretora sintética. Ele mostra como a SafeBroker rejeita ordens quando os dados de mercado estão desatualizados ou as perdas diárias excedem um…

Gestão de riscoExecuçãoMicroestrutura de mercado
Machine Learning for Trading

Este notebook monta um agente de previsão a partir de um cliente de modelo de linguagem, uma ferramenta de busca e um ciclo limitado de turnos. O agente busca evidências e retorna uma probabilidade binária com justificativa. Seu analisador de respostas trata…

Aprendizado de máquinaEstatísticaSentimentoBacktesting
Machine Learning for Trading

Este notebook aplica métodos de estudo de eventos com séries temporais estruturais bayesianas para estimar o impacto dos anúncios do Federal Reserve em um ETF de títulos. Ele constrói um contrafactual a partir das relações pré-evento entre os retornos…

Renda fixaOrientado por eventosEstatísticaAprendizado de máquina
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

Este notebook testa se quatro estratégias de carteira gerida explicam os retornos de SPY após controlar o movimento conjunto amplo de ETF. As estratégias classificam ETFs usando momentum defasado, volatilidade ou retornos recentes. Dez componentes principais…

Investimento em fatoresAprendizado de máquinaEstatísticaMomentum
Machine Learning for Trading

Este notebook adapta o skip-gram do Word2Vec a posições institucionais em ações. Ele trata a carteira de cada instituição como uma frase, identificadores de ações como tokens e posições ordenadas pelo valor informado das posições como a ordem das palavras.…

AçõesAprendizado de máquinaConstrução de portfólioEstatística
Machine Learning for Trading

Este notebook explica por que preços brutos de ações podem gerar retornos enganosos quando atravessam datas de desdobramento de ações ou de dividendos em dinheiro. Ele descreve o ajuste retrospectivo, que reescala preços históricos para refletir eventos…

AçõesEstatísticaBacktestingMercados dos EUA
Machine Learning for Trading

Este notebook testa se o dimensionamento de posições baseado em modelos melhora a ponderação igualitária em uma estratégia de características de empresas dos US. Ele compara a ponderação por score, que aloca mais recursos a ativos com scores previstos mais…

AçõesDimensionamento de posiçãoConstrução de portfólioBacktesting
Machine Learning for Trading

Este notebook compara formas de encerrar operações compradas em ETF: alvos e stops fixos de lucro, stops móveis, barreiras ajustadas por ATR, sinais de aprendizado de máquina e combinações. Constrói indicadores e simulações de operações, depois resume…

AçõesGestão de riscoDimensionamento de posiçãoVolatilidade
Machine Learning for Trading

Este notebook explica como inspecionar um painel fornecido de séries econômicas de FRED e interpretar sua grade de dias corridos, seus metadados e suas colunas derivadas. Como o painel foi achatado em um calendário diário, a contagem de linhas oculta os…

MultiativosRenda fixaVolatilidadeEstatística