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.
887 documentos
Esta demonstração de implantação reajusta um modelo Ridge com dados diários históricos de uma seção transversal dos principais pares de FX, busca candles atuais por meio de uma sessão paper trading da Interactive Brokers, classifica os pares e monta uma…
Este tutorial transforma sinais transversais de ETF em carteiras compradas, com pesos iguais e as dez principais posições, e compara regressão Ridge e classificação logística com referências de momentum e pesos iguais. Os modelos são ajustados em janelas de…
Este estudo testa se o ajuste ruim de um modelo linear aos retornos mensais de ações US decorre de sua função de erro quadrático. Mantém fixos o alvo de retorno futuro sem winsorização, as variáveis e os folds walk-forward enquanto compara modelos de árvores…
Este notebook treina um agente de otimização de política proximal para liquidar uma ordem fixa ao longo de um horizonte definido. Compara o ritmo aprendido com TWAP e uma programação de Almgren–Chriss, medindo o déficit de execução e examinando quando cada…
Este notebook apresenta o protocolo Rademacher Anti-Serum (RAS) como uma forma de ajustar estimativas de desempenho ao selecionar estratégias ou sinais de uma classe finita. A complexidade empírica de Rademacher estima o quanto a matriz de desempenho dos…
Este notebook apresenta o NLinear como modelo de referência para prever retornos de ações a partir de janelas ordenadas de atributos. Cada exemplo contém 60 sessões consecutivas de uma ação. Para cada atributo, o modelo subtrai seu valor mais recente,…
Este notebook ajusta modelos neurais TabM a um alvo de retorno de short straddle de opções do S&P 500 e compara três capacidades de modelo no mesmo painel de atributos usado por abordagens lineares e de boosting. O TabM compartilha uma estrutura neural entre…
Este documento demonstra o PCA instrumental, no qual as cargas fatoriais dos ativos são modeladas como funções lineares de características observadas antes do retorno. Usa mínimos quadrados alternados para estimar o mapeamento entre características e cargas…
Este documento descreve um benchmark reproduzível de ações dos EUA US, extraído do arquivo de replicação de precificação de ativos de Chen, Pelger e Zhu. Ele contém aproximadamente 1.2 milhões de observações mensais de ações de 1967 a 2016, com 46…
Este documento explica como o TSMixer processa o histórico recente de atributos de uma ação como uma matriz de sessões por atributos. Seus blocos misturam informações entre colunas de atributos ao longo do tempo e, em seguida, entre atributos dentro de cada…
Este notebook compara previsões zero-shot de Chronos e TinyTimeMixer com um LSTM e um modelo linear penalizado em um painel ETF. Todos os modelos recebem o mesmo contexto histórico univariado, mas os modelos pré-treinados preveem a própria série do contexto,…
Este notebook estima se o escore z do prêmio de contratos perpétuos de cripto está associado a retornos subsequentes de oito horas sob uma intervenção, com ajuste para volatilidade dos preços, taxa de financiamento e desvio do prêmio em relação à média…
Este notebook avalia se medidas do mercado de opções podem classificar retornos futuros entre ações. Ajusta modelos lineares declarados sobre atributos derivados de opções, com validação walk-forward, e compara intensidades de penalização para ridge, lasso e…
Este estudo pergunta se variáveis do mercado de opções podem classificar os retornos futuros das ações. Os atributos incluem volatilidade implícita em vários vencimentos, assimetria entre opções de venda e compra, inclinação da estrutura a termo e prêmio de…
Este notebook adapta um desenho adversarial de fator de desconto estocástico às ações dos EUA em frequência diária. Uma rede de pesos de carteira forma um fator a partir dos retornos excedentes do dia seguinte, enquanto uma rede de momentos concorrente ajuda…
Este notebook transforma um grafo real de conhecimento da cadeia de suprimentos e participações institucionais em 13F em atributos de aprendizado de máquina. Ele deriva medidas de rede, como centralidade e indicadores de dependência, estima a concentração de…
Este notebook demonstra um ciclo operacional para uma estratégia de previsão de ETF: atualizar os dados de mercado, recalcular atributos financeiros, retreinar um modelo Ridge, salvar artefatos de implantação, gerar previsões transversais atuais,…
Este notebook compara LightGBM com um perceptron multicamadas mínimo, TabM e, opcionalmente, TabPFN para previsão transversal de retornos de ETF. Os modelos são avaliados nos mesmos folds walk-forward usando o coeficiente de informação por classificação, com…
Este notebook descreve como criar previsões para o conjunto de teste reservado de uma estratégia FX após sua configuração já ter sido selecionada com resultados de validação. Ele determina o backtest de validação com o maior Sharpe entre os candidatos…
Este notebook usa aprendizado de máquina duplo para estimar se o carry de futuros prevê retornos subsequentes independentemente da volatilidade, do momentum e da classificação transversal de carry. Ele calcula os resíduos de carry e retornos em relação a…
Este capítulo explica como avaliar modelos de aprendizado de máquina financeiro respeitando as informações disponíveis em cada momento de decisão. Ele distingue treinamento, validação e um conjunto final de teste reservado, e explica por que a validação…
Este notebook compara a busca estruturada em grafos com a busca vetorial baseada em embeddings em posições institucionais de declarações 13F. Ele cria uma fotografia das posições em um corte temporal fixo, limita o universo de ações e formula perguntas sobre…
Este notebook demonstra um ciclo operacional para uma estratégia de ações ETF: atualizar dados de mercado, calcular atributos financeiros, retreinar um modelo Ridge, gerar previsões transversais atuais, reproduzi-las em um mecanismo de backtest e preparar…
Este notebook compara uma Random Forest com XGBoost, LightGBM e CatBoost em um painel de características anonimizadas de empresas e retornos. O conjunto de dados fornece divisões temporais para treinamento, validação e teste. Os modelos são avaliados…