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

765 documentos

Machine Learning for Trading

Este notebook aplica a configuração ETF selecionada anteriormente à sua janela reservada de teste. Ele deriva as previsões correspondentes para esse período a partir da identidade de treinamento e do checkpoint selecionados; em seguida, usa a concentração, a…

AçõesBacktestingConstrução de portfólioGestão de risco
Machine Learning for Trading

Este notebook demonstra como um intermediário pode rejeitar ordens inseguras usando limites de tamanho da ordem e de posição, limites de frequência de ordens, restrições de ativos e um interruptor de emergência persistente. Um intermediário sintético torna…

Gestão de riscoDimensionamento de posiçãoExecução
Machine Learning for Trading

Este método de geração de benchmarks cria uma série diária de retornos com pesos iguais a partir dos ativos declarados em um estudo de caso. Primeiro, usa o último preço de fechamento de cada símbolo em cada sessão; depois, calcula os retornos entre…

BacktestingConstrução de portfólioEstatísticaGestão de risco
Machine Learning for Trading

Esta análise caracteriza um universo fixo de 100 ETFs em nove grupos de ativos. Verifica a cobertura por fundo e ano, confirma se o painel de preços corresponde à configuração dos grupos, examina valores nulos e a ordenação de OHLC e compara o volume…

MultiativosEstatísticaGestão de riscoBacktesting
Machine Learning for Trading

Este notebook estima se o escore z do prêmio de um contrato perpétuo de cripto afeta os retornos subsequentes de oito horas quando três fatores declarados — volatilidade dos preços, taxa de funding e desvio médio do prêmio — são mantidos fixos. Como o…

CriptoFuturos perpétuosAprendizado de máquinaEstatística
Machine Learning for Trading

Este notebook usa retornos diários de ETF para explicar como modelos GARCH capturam o agrupamento temporal da volatilidade e o transformam em uma variável por sessão. Primeiro, usa diagnósticos visuais e um teste ARCH-LM para avaliar se os retornos ao…

VolatilidadeEstatísticaGestão de riscoAções
Machine Learning for Trading

Este notebook explica como reconstruir um catálogo de experimentos de modelos a partir de um registro de estudo de caso e comparar seu conteúdo com o MLflow. Acompanha os experimentos por meio de execuções de treinamento, conjuntos de previsões e execuções…

Aprendizado de máquinaBacktestingEstatísticaGestão de risco
Machine Learning for Trading

Este notebook desenvolve uma estrutura que leva em conta as unidades para estimar custos de negociação em ações, ETFs, futuros, câmbio e contratos perpétuos de cripto. Primeiro, distingue o volume negociado de medidas de atividade que não podem ser…

ExecuçãoMicroestrutura de mercadoGestão de riscoFuturos
Machine Learning for Trading

Este notebook constrói uma estrutura média-variância restrita a posições compradas e totalmente investida para um universo diversificado de ETF. Ele constrói carteiras viáveis e uma fronteira eficiente e, em seguida, calcula os pesos de máximo Sharpe e…

MultiativosConstrução de portfólioEstatísticaGestão de risco
Machine Learning for Trading

Este notebook recalcula os custos das principais configurações de alocação em ETF usando duas grades de custos, mantendo fixos as previsões, a concentração e as regras de alocação. Ele compara o modelo de comissão por ação e meio spread do estudo de caso,…

AçõesExecuçãoBacktestingConstrução de portfólio
Machine Learning for Trading

Esta configuração descreve carteiras mensais long-short de ações US, ranqueadas por características das empresas. Especifica um universo de casos completos com 46 características, decisões no fim do mês, execução na abertura seguinte, pesos iguais nas…

AçõesInvestimento em fatoresMomentumBacktesting
Machine Learning for Trading

Esta estrutura demonstra verificações de qualidade em dados diários US de ações no formato OHLCV. A validação estrutural testa relações entre preços, preços positivos, volume não negativo, valores ausentes, datas duplicadas, ordem cronológica, preços…

AçõesEstatísticaGestão de riscoMercados dos EUA
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 avalia modelos de sequência LSTM e NLinear para prever futuros. Diferentemente dos modelos que usam uma linha de recursos por decisão, modelos de sequência consomem janelas ordenadas de observações passadas e podem aprender padrões que resumos…

FuturosAprendizado de máquinaBacktestingGestão de risco
Machine Learning for Trading

Este notebook explica como avaliar se estratégias construídas sobre um painel de ações US suportam os custos de negociação. Fixa uma configuração por rótulo usando o Sharpe de validação e, em seguida, recalcula os retornos dessa mesma estratégia em…

AçõesBacktestingExecuçãoGestão de risco
Machine Learning for Trading

Este notebook examina se as atribuições SHAP permanecem estáveis quando as previsões são semelhantes ou quando os modelos são reajustados com diferentes sementes aleatórias e arquiteturas. Usando retornos futuros de ETF, busca pares de amostras cujas…

Aprendizado de máquinaEstatísticaGestão de riscoAções
Machine Learning for Trading

Este notebook relaciona o dimensionamento de posições à análise das excursões adversas e favoráveis máximas. Demonstra o dimensionamento fracionário fixo, no qual a quantidade de ações é determinada pelo orçamento de risco da carteira e pela distância entre…

Dimensionamento de posiçãoGestão de riscoVolatilidadeBacktesting
Machine Learning for Trading

Este estudo de caso testa estratégias semanais compradas e vendidas classificadas por carry em um conjunto diversificado de futuros CME, usando dados diários, avaliação de modelos walk-forward e custos de comissões, spreads e slippage de rolagem. Compara a…

FuturosCarryAprendizado de máquinaBacktesting
Machine Learning for Trading

Este documento explica como representar o ciclo de vida de uma ordem ao vivo com um conjunto finito de estados e transições válidas acionadas por eventos. Abrange envio, confirmação da corretora, aceitação pela bolsa, execução parcial ou total, pedidos de…

ExecuçãoMicroestrutura de mercadoGestão de risco
Machine Learning for Trading

Este notebook mostra como converter retornos brutos em desempenho líquido sob premissas explícitas de trading, financiamento e despesas do fundo. A estrutura de custos inclui spread e impacto de mercado, comissões e taxas de bolsa, juros de margem, aluguel…

AçõesExecuçãoBacktestingGestão de risco
Machine Learning for Trading

O notebook apresenta a estrutura de Almgren–Chriss para programar uma liquidação de grande porte. Mede o déficit de implementação em relação ao preço de chegada e modela dois custos concorrentes: o impacto de mercado, que aumenta com a intensidade das…

ExecuçãoMicroestrutura de mercadoGestão de riscoEstatística
Machine Learning for Trading

O código calcula métricas padronizadas de desempenho a partir de tabelas de previsões fora da amostra, separadamente por fold e em agregados gerais. Ele abrange regressão e classificação, incluindo coeficiente de informação, medidas de erro, métricas de…

EstatísticaBacktestingAprendizado de máquinaGestão de risco