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.
199 documentos
Este notebook transforma um grafo de conhecimento da cadeia de suprimentos e declarações de propriedade institucional em características para modelos financeiros posteriores. A partir da rede de empresas, deriva medidas de topologia, concentração de…
Este guia de conjunto de dados descreve um painel mensal de ações US com empresas e características anonimizadas, usado em pesquisas de precificação de ativos com aprendizado de máquina. Os dados incluem características contábeis e técnicas, retornos e…
Este notebook reúne os backtests registrados de um estudo de caso com ETF em uma avaliação de estratégia que considera a incerteza. Analisa medidas de desempenho com intervalos de confiança por bootstrap em blocos e usa bootstraps pareados para comparar…
Este notebook explica uma referência de componentes principais para prever retornos de futuros CME. O PCA é ajustado ao painel de retornos dos produtos no fold de treinamento, de modo que seus componentes representem direções de comovimento entre contratos,…
Este notebook apresenta um fluxo de trabalho para reduzir um grande conjunto de recursos de ETF a candidatos para modelagem posterior. Ele classifica os recursos usando coeficientes de informação de Spearman transversais em relação a retornos futuros,…
Este notebook explica como um fator estocástico de desconto (SDF) precifica uma seção transversal de sinais de opções de ações. Ao contrário dos modelos de fatores que estimam exposições e retornos dos fatores, a abordagem SDF estima uma variável aleatória…
Este documento apresenta fatores latentes como padrões comuns de retorno entre ações, com a carga de cada ação descrevendo sua exposição a um padrão. Ele compara a análise de componentes principais, que extrai fatores e cargas das ações apenas do painel de…
Este índice apresenta fatores latentes como padrões compartilhados extraídos da forma como os retornos das ações se movem em conjunto, sendo a carga de cada ação uma indicação de sua exposição a um padrão. Ele compara a análise de componentes principais, que…
Este notebook usa TreeSHAP para explicar previsões de retorno do LightGBM, com importância global dos recursos, explicações de previsões individuais, gráficos de dependência e valores de interação por pares. Ele compara classificações de SHAP com importância…
Este notebook transforma manchetes financeiras em sinais por ação e os avalia em relação a retornos futuros. Ele gera embeddings das manchetes, mede a surpresa das notícias como a distância semântica em relação a uma referência móvel de embeddings e combina…
Este capítulo apresenta métodos para recuperar estruturas comuns de painéis de retornos e características, de PCA e carteiras de autovalores a IPCA, PCA de prêmio de risco, autoencoders condicionais, estimação de fatores de desconto estocástico e…
Este notebook apresenta um fluxo de seleção de atributos para pesquisa de ETF, destinado a reduzir muitos candidatos de transformações e janelas retrospectivas a um conjunto menor para modelagem posterior. Ele calcula coeficientes de informação de Spearman…
Este notebook explica a análise de componentes principais instrumentada (IPCA), que modela as exposições fatoriais de cada ETF como uma função linear compartilhada das características observadas desse fundo. Mínimos quadrados alternados estimam conjuntamente…
Este notebook ajusta um modelo de fatores latentes PCA a um painel de retornos de ações, sem usar variáveis da superfície de opções, características ou informações do alvo. PCA extrai as principais direções de co movimento transversal histórico, estima as…
Esta visão geral explica uma família de modelos para prever retornos a partir de características de empresas. Em vez de tratar cada característica como preditora direta de retornos, os modelos presumem que os retornos são determinados por um pequeno conjunto…
Este documento descreve um autoencoder condicional que modela as exposições das empresas a fatores latentes de retorno como uma função não linear das características das empresas. Como IPCA, ele estima uma estrutura de fatores na qual os retornos previstos…
Esta visão geral de capítulo explica como árvores com gradient boosting ampliam árvores de decisão e florestas aleatórias para previsões financeiras tabulares. O boosting adiciona modelos sequencialmente para corrigir erros anteriores, ajudando a capturar…
Este documento descreve um conjunto de dados mensal de ações dos US criado para pesquisa de aprendizado de máquina em precificação de ativos. Ele contém 94 características de empresas transformadas em postos, incluindo medidas contábeis e variáveis técnicas,…
Este notebook apresenta um painel publicado para pesquisa de aprendizado de máquina sobre ações dos US. Ele contém observações mensais com 46 características de empresas e retornos excedentes do mês seguinte, cobrindo várias décadas. As características são…
Este notebook analisa uma carteira de ETFs de ações com regressões de fatores CAPM e Fama-French e amplia a análise para exposições móveis, atribuição de retornos e dependência residual. Ele usa retornos diários e dados de fatores alinhados, estima a…
Este notebook explica um modelo de fator de desconto estocástico (SDF) para precificar a seção transversal dos retornos de empresas dos US. Ele aprende pesos que fazem os retornos dos ativos descontados satisfazerem condições de momento sem arbitragem, em…
Esta implementação descreve um modelo neural de fator de desconto estocástico e uma rede adversarial de momentos para testar relações de precificação de ativos. A rede SDF mapeia características dos ativos, opcionalmente combinadas com uma representação de…
Este notebook compara bagging com Random Forest a XGBoost, LightGBM e CatBoost na previsão de retornos de ações com características anonimizadas de empresas. Usa divisões temporais predefinidas para treinamento, validação e teste; mede como métrica principal…
Este notebook explica como construir e inspecionar um painel trimestral de fundamentos de ações US com dados SEC XBRL, preservando tanto o período descrito por um dado quanto a data em que ele se tornou público. Para um backtest historicamente válido, a data…