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 testa se a construção de carteira pode recuperar uma estratégia NASDAQ-100 a cada barra, cujo desempenho foi prejudicado pelos custos. Seleciona as previsões de referência mais bem classificadas usando o universo de seleção declarado e, em…

AçõesConstrução de portfólioDimensionamento de posiçãoExecução
Machine Learning for Trading

Este notebook seleciona configurações de previsão de validação com melhor desempenho em uma referência de sinais com pesos iguais e testa métodos alternativos de alocação sobre as mesmas previsões. Compara ponderação baseada em pontuação e conformal com…

AçõesConstrução de portfólioDimensionamento de posiçãoBacktesting
Machine Learning for Trading

Este notebook avalia o desempenho de conjuntos registrados de previsões de ETF quando convertidos em carteiras. Ele cruza cada conjunto de previsões de validação com esquemas de entrada declarados, como diferentes quantidades de posições entre as mais bem…

AçõesBacktestingConstrução de portfólioGestão de risco
Machine Learning for Trading

Este capítulo mapeia dados financeiros de fontes de mercado, fundamentais e alternativas e, em seguida, compara como as classes de ativos determinam o significado de preços, liquidez e observações. Ressalta que timestamps, ajustes, identificadores e revisões…

MultiativosEstatísticaBacktestingGestão de risco
Machine Learning for Trading

Este notebook descreve um modelo LSTM que prevê retornos a partir de janelas ordenadas de atributos de ações em um painel de ações dos US. Ao contrário de um modelo tabular sem sequência, o LSTM processa as sessões sequencialmente e mantém um estado oculto…

Aprendizado de máquinaAçõesMercados dos EUABacktesting
Machine Learning for Trading

Este notebook apresenta o TimeGAN, um modelo adversarial generativo recorrente para produzir sequências financeiras sintéticas. Seus cinco módulos aprendem uma representação e sua reconstrução, preveem estados latentes sucessivos, geram sequências a partir…

Aprendizado de máquinaAçõesEstatísticaBacktesting
Machine Learning for Trading

Este documento explica um método compartilhado para gerar divisões de validação walk-forward a partir das configurações de avaliação de estudos de caso. Ele delega a construção dos folds a um separador que considera o calendário, trabalha com timestamps…

BacktestingEstatísticaGestão de risco
Machine Learning for Trading

Este notebook implementa uma regra de reversão à média apenas comprada com RSI para barras perpétuas de BTC/USDT, usando um mecanismo de backtesting orientado a eventos. Ele agrega observações intradiárias em barras diárias de UTC, calcula um RSI simples de…

CriptoFuturos perpétuosReversão à médiaIndicadores técnicos
Machine Learning for Trading

Este notebook aplica dois detectores sequenciais a erros reais de previsão de validação de duas configurações de modelos lineares para ações dos US ao longo de um ano-calendário. Um detector de mudança de média com duas janelas procura alterações na…

Aprendizado de máquinaEstatísticaGestão de riscoAções
Machine Learning for Trading

Este documento explica como TWAP e VWAP dividem uma ordem principal grande em ordens menores ao longo de uma sessão de trading. TWAP aloca quantidades iguais a cada intervalo de tempo; VWAP aloca quantidades proporcionalmente à previsão do volume do…

ExecuçãoMicroestrutura de mercadoBacktestingAções
Machine Learning for Trading

Este notebook apresenta um autoencoder supervisionado para prever retornos futuros de ETF. A rede comprime a linha de atributos de um fundo em uma representação de baixa dimensão e prevê retornos diretamente a partir dela. Ao contrário dos autoencoders…

Aprendizado de máquinaAçõesEstatísticaBacktesting
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
Machine Learning for Trading

Este notebook explica como testar se eventos, como sinais de trading ou anúncios, preveem retornos além de um benchmark de mercado. Ele demonstra o fluxo de trabalho com rompimentos de momentum em ETFs líquidos: estima um modelo de mercado com retornos…

EstatísticaBacktestingMomentumRompimento
Machine Learning for Trading

Este notebook ajusta três checkpoints de transformers para classificação de sentimento financeiro em frases com três classes e compara acurácia, macro F1, matrizes de confusão, contagem de parâmetros e tempo de treinamento. Ele usa uma divisão estratificada…

Aprendizado de máquinaEstatísticaSentimentoBacktesting
Machine Learning for Trading

Este documento registra um debate estruturado entre cenários de alta e de baixa sobre a possibilidade de o Federal Reserve elevar sua taxa básica durante 2026. Três agentes avaliam a questão, com argumentos baseados nas projeções do Fed, na inflação, nas…

Renda fixaMercados dos EUAEstatística
Machine Learning for Trading

Este notebook explica como extrair transações de insiders de arquivos brutos SEC Form 4 XML para pesquisa de ações. Trata cada bloco de transação como unidade de análise, preservando a associação entre código da transação, data, quantidade de ações, preço e…

AçõesMercados dos EUAOrientado por eventosEstatística
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 compara camadas de stop-loss, stop móvel e saída por tempo em backtests de microestrutura do NASDAQ-100 com configuração fixa. A estratégia toma decisões a cada quinze minutos, enquanto as regras de risco monitoram os preços a cada minuto,…

Gestão de riscoBacktestingDimensionamento de posiçãoAções