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.
1,391 documentos
Este notebook agrega resultados de registro para OLS, Ridge, Lasso e ElasticNet em nove estudos de caso. Seleciona resultados completos de validação no rótulo principal de cada estudo, compara coeficientes de informação de ranking cross-seccionais diários…
Este notebook treina Skip-gram Word2Vec com frases rotuladas de notícias financeiras e explica como seus vetores representam palavras que aparecem em contextos semelhantes. Descreve as funções do tamanho do vetor, da janela de contexto, da frequência mínima,…
Este notebook avalia features de ETF uma a uma, calculando um coeficiente de informação de ranking entre os valores das features e os retornos mensais subsequentes, data a data. Ele faz a triagem de features financeiras e derivadas de modelos em datas de…
Este notebook avalia features candidatas para classificar ações US por retornos subsequentes. Calcula coeficientes de informação cross-seccionais diários, resume a média com estimativas de incerteza que consideram a dependência serial e ajusta a…
Este notebook mostra como alinhar observações macroeconômicas às datas em que os traders poderiam de fato conhecê-las. Distingue o período medido por um valor da data de sua publicação, estima datas de divulgação com base na duração do período e nos prazos…
Este notebook explica PCA como um modelo de fatores latentes de referência para prever retornos de ETF. Ele decompõe um painel de treinamento de retornos futuros em direções principais e estima a exposição de cada fundo e os prêmios dos fatores. O estimador…
Este notebook demonstra o ajuste fino de três checkpoints de transformers para classificar sentimentos em frases financeiras em três classes e avaliá-los com acurácia, F1 macro e matrizes de confusão. Usa uma divisão estratificada entre treino, validação e…
Este notebook estima o efeito ajustado de uma medida contínua de momentum em ETF sobre retornos futuros usando aprendizado de máquina duplo. Compara uma regressão não ajustada com estimativas DML que controlam a volatilidade recente e de longo prazo, o…
Este notebook explica como um autoencoder condicional amplia a análise de componentes principais instrumentada (IPCA): mantém a estrutura em duas etapas, na qual as features dos fundos são mapeadas para exposições a fatores latentes e essas exposições se…
Esta análise compara modelos preditivos para classificar ações da NASDAQ-100 segundo o retorno nos próximos 15 minutos, usando features intradiárias de microestrutura, como spreads, desequilíbrio de profundidade, volume com sinal e volatilidade. Ela enfatiza…
Este notebook compara sklearn HistGradientBoosting, XGBoost, LightGBM e CatBoost na previsão de retornos futuros de ETF. Ele mede o coeficiente de informação transversal, o tempo de treinamento e o uso de memória em configurações de complexidade de modelo,…
Este notebook mapeia uma família de modelos de retorno de ETF que inferem direções latentes comuns em um painel, com características usadas para estimar exposições dos fundos. Ele distingue cinco abordagens: componentes principais incondicionais; PCA…
Este notebook mostra por que pesquisar muitos sinais ou estratégias faz o melhor resultado observado parecer mais forte do que seu valor preditivo real. Uma simulação usa fatores sem informação verdadeira para ilustrar como selecionar o maior coeficiente de…
Este notebook explica como transformar um painel divulgado de características de empresas dos US, classificadas no corte transversal, em uma matriz de características indexada para um estudo de fatores. Ele agrupa as entradas em famílias declaradas, combina…
Este estudo de características de ações dos US explica como gerar características a partir de modelos estimados sem permitir que dados futuros entrem em observações anteriores. O cronograma de estimação inclui um período inicial de histórico, ajusta…
Este notebook aplica TSMixer a sequências de ETF usando uma única função compartilhada globalmente entre os fundos. Cada exemplo contém o histórico e as covariáveis de um fundo individual; as interações temporais e entre características são aprendidas no…
Este notebook descreve um modelo de fator de desconto estocástico (SDF) para precificar o corte transversal de retornos de empresas dos US. Em vez de primeiro estimar fatores e depois aplicá-los, ele aprende diretamente pesos empresa-mês sob uma condição de…
Este notebook analisa livros de ofertas limitadas reconstruídos do NASDAQ para descrever spreads intradiários e a profundidade no topo do livro, e então examina se o desequilíbrio do fluxo de ordens está associado aos retornos subsequentes por intervalo. Ele…
Este notebook consulta registros de backtests em nove estudos de caso e reúne tabelas comparáveis para análise posterior. Ele organiza os resultados por classe de ativo e frequência dos dados, depois registra o desempenho nas etapas de sinal, alocação,…
Este notebook avalia quatro sinais derivados de notícias — surpresa ponderada, sentimento médio, mudança de sentimento e cobertura de artigos — em relação a retornos futuros de ações. Ele calcula um coeficiente de informação de Spearman transversal diário,…
Este documento descreve o ajuste de redes convolucionais temporais a características de microestrutura em nível de minuto do NASDAQ 100. Convoluções causais impedem que uma previsão use observações posteriores, enquanto a dilatação permite que camadas…
Esta análise compara previsões de várias famílias de modelos treinadas com características mensais de ações dos EUA US para prever retornos do mês seguinte. Ela se concentra no coeficiente de informação transversal, que mede o desempenho de um modelo ao…
Este estudo de caso ajusta modelos lineares regularizados aos retornos de straddles at-the-money vendidos e mantidos até o vencimento. A operação recebe os prêmios de call e put, o que limita o ganho máximo, mas pode gerar perdas muito grandes quando o ativo…
Este notebook demonstra o ajuste de hiperparâmetros do LightGBM com o amostrador TPE do Optuna, usando o coeficiente de informação transversal como objetivo. Combina parada antecipada para escolher o número de rodadas de boosting com um callback…