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

86 documentos

Machine Learning for Trading

Este notebook apresenta um modelo neural de fator de desconto estocástico para um painel de futuros CME. O modelo usa tanto os retornos dos produtos quanto características observáveis, como carry, momentum e volatilidade, para construir fatores latentes e…

FuturosAprendizado de máquinaInvestimento em fatoresBacktesting
Machine Learning for Trading

Este notebook explica a construção de características com dados além do histórico de preços de um único ativo. Calcula o retorno de rolagem anualizado de futuros a partir dos preços contemporâneos dos contratos próximos e diferidos e usa três vencimentos…

FuturosOpçõesCarryVolatilidade
Machine Learning for Trading

Esta configuração define um universo semanal de pesquisa de futuros que abrange índices de ações, títulos públicos, energia, metais, moedas, agricultura e pecuária. Estabelece a liquidação de sexta-feira como referência para a decisão e a abertura de…

FuturosMultiativosCarryMomentum
Machine Learning for Trading

Este notebook examina os resultados retidos de uma auditoria de estratégias reais que compara o mecanismo LEAN com perfis correspondentes de backtest do ML4T. Ele identifica as cargas de trabalho por classe de ativos compatíveis com as entradas congeladas e…

BacktestingExecuçãoAçõesFuturos
Machine Learning for Trading

Este guia de dados descreve uma coleção de contratos futuros contínuos CME que abrange índices de ações, juros, energia, metais, moedas, agricultura e pecuária. Explica os dados de origem por hora e a frequência diária derivada, os vários vencimentos de…

FuturosMultiativosCommoditiesBacktesting
Machine Learning for Trading

Este documento apresenta duas abordagens de fatores latentes para retornos de futuros. A análise de componentes principais encontra direções não correlacionadas que explicam a maior parte da variação dos retornos, enquanto um fator de desconto estocástico…

FuturosAprendizado de máquinaEstatísticaBacktesting
Machine Learning for Trading

Este documento explica um experimento com futuros da CME usando TabM, um ensemble neural eficiente em parâmetros, nas mesmas linhas de características construídas e nos mesmos folds walk-forward dos modelos lineares e de boosting de gradiente. O TabM…

FuturosAprendizado de máquinaEstatísticaBacktesting
Machine Learning for Trading

O notebook monta pipelines completos para ações diárias e futuros perpétuos de cripto por hora, abrangendo aquisição, validação, identificação da fonte e armazenamento. O exemplo de ações combina dados históricos do WikiPrices com um feed mais recente do…

AçõesCriptoFuturosMicroestrutura de mercado
Machine Learning for Trading

Este guia apresenta os relatórios públicos Commitment of Traders da CFTC como fonte de dados semanais sobre posições em futuros. Distingue o relatório Traders in Financial Futures, que classifica participantes como dealers, gestores de ativos e fundos…

FuturosCommoditiesSentimentoBacktesting
Machine Learning for Trading

Este notebook constrói fatores de componentes principais a partir de um painel de retornos de futuros CME, não de características construídas, como carry, momentum ou volatilidade. PCA encontra direções que explicam a variação entre produtos; a primeira pode…

FuturosInvestimento em fatoresAprendizado de máquinaBacktesting
Machine Learning for Trading

Este notebook descreve como gerar previsões para holdout de uma configuração de modelo de futuros de CME. A configuração é escolhida com resultados da validação e, em seguida, reajustada com dados que terminam antes do início da janela de holdout. Um…

FuturosBacktestingAprendizado de máquinaGestão de risco
Machine Learning for Trading

Este notebook seleciona um estudo de caso de futuros CME a partir de backtests de validação registrados que abrangem regras de sinal, alocação e sobreposições de risco. Ele compara candidatos entre os dois horizontes de retorno e escolhe a configuração com o…

FuturosBacktestingGestão de riscoConstrução de portfólio
Machine Learning for Trading

O documento descreve como um estudo de futuros CME gera previsões para um período holdout após selecionar uma configuração de modelo com dados de validação. A configuração e o checkpoint selecionados são recuperados dos resultados de validação; em seguida, o…

FuturosBacktestingGestão de risco
Machine Learning for Trading

O documento explica como obter dados semanais CFTC do Commitment of Traders para produtos futuros selecionados e salvar o histórico de cada produto em um arquivo Parquet. Os relatórios COT registram o posicionamento de terça-feira e são divulgados na…

FuturosCommoditiesSentimento