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

102 documentos

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

Esta análise exploratória apresenta contratos e cadeias de opções e, em seguida, traça o perfil de uma amostra de 2020 de opções do S&P 500 em oito ativos subjacentes. Explica moneyness, valor intrínseco e temporal, volatilidade implícita, gregas e como…

OpçõesAçõesVolatilidadePrecificação de derivativos
Machine Learning for Trading

Este notebook compara regras de ponderação de carteira para uma estratégia com opções do S&P 500 que vende straddles. Mantém fixos os símbolos selecionados e as demais configurações da estratégia, substituindo a referência de pesos iguais por alocadores que…

OpçõesAçõesConstrução de portfólioDimensionamento de posição
Machine Learning for Trading

Este notebook aplica o TabM, uma arquitetura neural tabular que compartilha uma rede de características de duas camadas entre os membros do conjunto. Cada membro ajusta a representação compartilhada com seu próprio vetor aprendido e usa sua própria camada de…

OpçõesAprendizado de máquinaBacktestingEstatística
Machine Learning for Trading

Este notebook descreve como produzir um conjunto de previsões fora da amostra para um modelo de opções do S&P 500 selecionado anteriormente. Fixa a configuração usando resultados de validação, reajusta essa configuração com dados anteriores ao período de…

OpçõesBacktestingGestão de risco
Machine Learning for Trading

Este notebook ajusta o PatchTST, um modelo de sequência do tipo transformador, como parte de uma população de modelos predefinida para pesquisa de opções do S&P 500. Ele divide uma série retrospectiva em blocos de comprimento fixo e os representa como tokens…

OpçõesAprendizado de máquinaBacktestingEstatística
Machine Learning for Trading

Este notebook executa o componente NLinear de uma população declarada de três modelos de aprendizado sequencial para opções do S&P 500. Define as solicitações e os checkpoints de toda a população antes de ajustar esse componente, para que notebooks…

OpçõesMercados dos EUAAprendizado de máquinaBacktesting
Machine Learning for Trading

Este notebook aplica aprendizado de máquina duplo para examinar se o spread entre volatilidade implícita e realizada está associado a retornos acionários subsequentes após o ajuste por fatores de confusão observados. Identifica volatilidade realizada,…

AçõesOpçõesVolatilidadeAprendizado de máquina
Machine Learning for Trading

Este documento descreve como reduzir grandes cadeias de opções do S&P 500 a conjuntos de dados diários por símbolo para pesquisa. O resumo da superfície seleciona as opções mais próximas dos deltas absolutos desejados dentro de faixas de vencimento e, em…

OpçõesVolatilidadePrecificação de derivativos
Machine Learning for Trading

Este estudo de caso avalia straddles vendidos no dinheiro em componentes do S&P 500, iniciados semanalmente e mantidos até o vencimento com hedge delta diário. A principal escolha metodológica é modelar retornos até o vencimento: a posição em opções incorre…

OpçõesVolatilidadeBacktestingExecução
Machine Learning for Trading

Este notebook avalia como as premissas de custos de transação afetam o Sharpe de validação de uma alocação selecionada em ações e opções do S&P 500. Quando disponível, mantém a configuração escolhida por meio de um conjunto de candidatas congelado e, em…

AçõesOpçõesExecuçãoBacktesting
Machine Learning for Trading

Este estudo de caso cria variáveis para pesquisar se a variância implícita at-the-money supera a variância realizada subsequente para ativos do S&P 500, e se essa diferença varia entre os ativos. Combina cotações de straddles com preços dos ativos…

OpçõesVolatilidadeAçõesBacktesting
Machine Learning for Trading

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…

OpçõesAçõesEstatísticaAprendizado de máquina
Machine Learning for Trading

Este notebook mede como o Sharpe de validação de straddles de opções at-the-money do S&P 500 muda conforme os custos de execução assumidos e dois universos de opções. Ele expressa o custo do spread como fração do meio spread cotado da opção, pois o prêmio da…

OpçõesMercados dos EUABacktestingExecução
Machine Learning for Trading

Este notebook ajusta modelos de árvores com gradient boosting a recursos do mercado de opções que codificam previsões, como volatilidade implícita, assimetria, estrutura a termo e prêmio de risco de variância. Compara a capacidade das árvores e opções de…

OpçõesAprendizado de máquinaVolatilidadeBacktesting
Machine Learning for Trading

Este notebook compara evidências de modelos preditivos, estruturais e causais em um estudo transversal do S&P 500, combinando recursos de ações com medidas derivadas de opções, como volatilidade implícita, assimetria e estrutura a termo. Avalia…

AçõesOpçõesAprendizado de máquinaInvestimento em fatores
Machine Learning for Trading

Este notebook usa aprendizado de máquina duplo para testar se a associação entre o spread de volatilidade implícita menos realizada e os retornos futuros de ações persiste após o ajuste por fatores de confusão observados. Compara a estimativa ajustada com…

OpçõesAçõesAprendizado de máquinaEstatística
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

O notebook explica como comparar modelos de previsão para opções do S&P 500 sem deixar que amostras de avaliação incompletas ou incompatíveis distorçam os resultados. Ele identifica cada modelo por família, configuração e checkpoint, verifica se as previsões…

OpçõesAprendizado de máquinaEstatísticaBacktesting
Machine Learning for Trading

Este notebook desenvolve rótulos de retorno futuro para straddles vendidos no dinheiro sobre ações do S&P 500. Como o straddle nominal de 30 dias do painel diário representa um contrato diferente a cada sessão, uma série de preços deslocada misturaria…

OpçõesVolatilidadePrecificação de derivativosEstatística