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

976 documentos

Machine Learning for Trading

O documento explica como identificar regimes de mercado dividindo os retornos em janelas sobrepostas e tratando cada janela como uma distribuição empírica. Ele mede a distância entre janelas por quantis ordenados correspondentes, de modo que diferenças na…

EstatísticaAprendizado de máquinaGestão de riscoBacktesting
Machine Learning for Trading

Este notebook avalia uma estratégia semanal de straddle de opções do S&P 500 usando backtests registrados e um processo de seleção fixo. Ele recupera a configuração selecionada no registro após aplicar uma restrição de universo líquido e, então, avalia os…

OpçõesAçõesBacktestingGestão de risco
Machine Learning for Trading

Este documento explica como gerar previsões para um período reservado de holdout de microestrutura do NASDAQ-100, usando uma configuração selecionada nos dados de validação. Ele reajusta o modelo escolhido usando apenas o histórico encerrado antes do…

BacktestingGestão de riscoMicroestrutura de mercado
Machine Learning for Trading

Este estudo de caso ajusta modelos lineares regularizados aos retornos de straddles no dinheiro vendidos e mantidos até o vencimento. Como o prêmio recebido limita o ganho, enquanto as perdas podem crescer sem limite, poucas perdas severas dominam o objetivo…

OpçõesVolatilidadeAprendizado de máquinaGestão de risco
Machine Learning for Trading

Este notebook usa dados reais de ETF para avaliar se um sinal de momentum continua útil diante de mudanças razoáveis na retrospectiva, no regime de mercado e na implementação. Ele calcula coeficientes de informação transversais entre momentum e retornos…

FuturosMomentumBacktestingEstatística
Machine Learning for Trading

Este notebook cria uma matriz mensal de modelos para um estudo de características de empresas US a partir de um painel publicado cujas características já foram classificadas entre empresas. Ele adiciona composições e interações usando valores da mesma linha…

AçõesInvestimento em fatoresConstrução de portfólioBacktesting
Machine Learning for Trading

Este notebook cria quatro atributos baseados em modelos para pesquisa de opções do S&P 500: previsões de volatilidade para o dia seguinte com GJR-GARCH e volatilidade estocástica, além das diferenças entre cada previsão e a volatilidade implícita do mercado…

OpçõesVolatilidadePrecificação de derivativosBacktesting
Machine Learning for Trading

Este documento ajusta o TabM, um ensemble neural com compartilhamento de pesos, a atributos derivados de opções para prever retornos futuros de ações e retornos ajustados ao risco. Seus integrantes usam uma rede compartilhada de duas camadas, com escalas de…

AçõesOpçõesAprendizado de máquinaBacktesting
Machine Learning for Trading

Este documento apresenta um registro estruturado de estado para agentes de pesquisa, separado da transcrição de conversas. O registro armazena a pergunta e a data de corte, as evidências reunidas, as questões pendentes, o histórico de chamadas de…

Aprendizado de máquinaEstatísticaBacktestingGestão de risco
Machine Learning for Trading

Este documento estuda saídas em nível de posição adicionadas a uma estratégia existente de futuros perpétuos de cripto: stops fixos, trailing stops e saídas por tempo. Ele explica que esses controles apenas encerram posições selecionadas pela estratégia…

CriptoFuturos perpétuosGestão de riscoBacktesting
Machine Learning for Trading

Este documento explica como a interface de busca de um agente de previsão pode restringir as evidências e tornar suas atividades auditáveis. Um protocolo independente de provedor retorna resultados tipados com fonte, data de publicação, pontuação de…

BacktestingExecuçãoAprendizado de máquina
Machine Learning for Trading

Este notebook examina a regularização de modelos lineares para prever retornos entre pares de moedas. Ele distingue a colinearidade entre atributos de entrada da dependência entre ativos: os pares de moedas compartilham moedas subjacentes, portanto seus…

CâmbioAprendizado de máquinaEstatísticaInvestimento em fatores
Machine Learning for Trading

Este módulo descreve verificações para determinar se as entradas de previsão e backtest cobrem as sessões e os folds especificados por um estudo. Verificações relativas comparam modelos candidatos entre si e podem não detectar uma falha compartilhada:…

BacktestingGestão de riscoEstatísticaMicroestrutura de mercado
Machine Learning for Trading

Este notebook estuda um autoencoder supervisionado para prever retornos futuros a partir de características de empresas. Ele mantém um gargalo estreito de rede neural, mas remove a interpretação de fator condicional e a restrição de precificação usadas em…

AçõesAprendizado de máquinaInvestimento em fatoresBacktesting
Machine Learning for Trading

Este notebook converte previsões de pares FX em resultados de trading de referência. Em cada momento de decisão, classifica os pares, assume posições long e short de mesmo tamanho e executa as configurações de previsão e os checkpoints selecionados em um…

CâmbioBacktestingConstrução de portfólioDimensionamento de posição
Machine Learning for Trading

Esta análise de viabilidade verifica se é possível avaliar, com o painel disponível, uma estratégia mensal long-short baseada em características de empresas US. Ela confirma se as medidas estão codificadas como classificações, descreve por quanto tempo as…

AçõesInvestimento em fatoresBacktestingGestão de risco
Machine Learning for Trading

Este notebook compara duas simulações da mesma estratégia mensal de momentum em ETF. Ambas usam os mesmos pesos-alvo, universo, datas e custo total de trading. Uma calcula retornos com base em pesos defasados e retornos dos ativos; a outra processa ordens…

AçõesMomentumBacktestingExecução
Machine Learning for Trading

Este notebook ajusta o PatchTST como um integrante de uma população declarada de modelos de sequência para opções do S&P 500. O PatchTST divide uma janela retrospectiva em blocos de tamanho fixo, incorpora esses blocos como tokens e usa atenção para aprender…

OpçõesAprendizado de máquinaBacktesting
Machine Learning for Trading

Este notebook agrega resultados do LightGBM em vários estudos de caso de trading e os compara com referências lineares e do TabM. Ele examina a configuração de maior IC para cada estudo de caso, apresenta intervalos consistentes com heterocedasticidade e…

Aprendizado de máquinaEstatísticaBacktestingAções
Machine Learning for Trading

Este utilitário descreve um fluxo de diagnóstico para artefatos de dados produzidos por pipelines de pesquisa quantitativa. Ele analisa colunas numéricas em busca de valores nulos, não finitos e zeros, além de valores distintos, quantis e comportamento das…

EstatísticaGestão de riscoBacktesting
Machine Learning for Trading

Este notebook testa se embeddings de grafos aprendidos acrescentam informação preditiva a um modelo tabular para ações de US. Ele constrói uma rede com correlações absolutas de retornos medidas antes do período-alvo, cria atributos de momentum, volatilidade…

AçõesAprendizado de máquinaBacktestingMomentum
Machine Learning for Trading

Este documento descreve um modelo de sequências LSTM para um estudo de opções do S&P 500. Ao contrário dos modelos transversais, que dependem de atributos projetados para resumir o histórico de um ativo, o LSTM recebe janelas cronológicas e aprende quais…

OpçõesAçõesAprendizado de máquinaBacktesting
Machine Learning for Trading

Este notebook explica o ciclo de vida de dados de mercado para dados diários OHLCV: carregar um histórico inicial, buscar um pequeno delta sobreposto, detectar sessões ausentes e resumir a atualidade e os problemas de validação de cada símbolo. Descreve por…

AçõesEstatísticaBacktestingGestão de risco
Machine Learning for Trading

Este notebook compara DQN, PPO e A2C em um ambiente simulado de trading de criptomoedas. Ele calibra um processo de volatilidade GARCH(1,1) com retornos horários de futuros perpétuos de Bitcoin e, em seguida, simula trajetórias que preservam o agrupamento da…

Aprendizado de máquinaCriptoFuturos perpétuosBacktesting