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
O estudo usa preços históricos e indicadores técnicos para classificar movimentos de curto prazo de Bitcoin, Ethereum e Litecoin. Compara métodos de classificação quanto à capacidade de identificar movimentos de alta e de baixa em um horizonte de uma hora,…
O estudo testa se indicadores de saúde relacionados à COVID-19 acrescentam valor preditivo à previsão dos retornos do Bitcoin. Compara modelos de regressão LightGBM treinados com e sem variáveis relacionadas à pandemia, incluindo medidas de vacinação,…
Este estudo testa o aprendizado por reforço profundo como uma camada de execução para operações de pares em mercados voláteis de criptomoedas. A estrutura primeiro filtra e classifica pares candidatos e, em seguida, usa um agente de Otimização de Política…
Este trabalho apresenta um transformador generativo pré-treinado para modelar séries temporais financeiras como sequências de mensagens de ordens. O modelo funciona como mecanismo de geração de ordens dentro de um simulador de eventos discretos, com o…
EverMine é uma estrutura para testar se agentes de pesquisa melhoram à medida que acumulam habilidades, ferramentas e regras reutilizáveis durante a descoberta de alfa em horizontes longos. Ela representa o estado da pesquisa por meio do histórico de…
O estudo propõe um gestor de carteiras com aprendizado por reforço para um contexto de alto risco. Ele combina transações compradas e vendidas com empréstimos e captação de recursos, usa uma recompensa baseada em lucros e perdas e busca melhorar a gestão de…
O artigo propõe uma abordagem sistemática de investimento que busca acumular patrimônio no longo prazo por meio de uma sequência de decisões de compra de curto prazo de ETF. Ela combina algoritmos evolutivos com um modelo de deep learning para melhorar o…
O StockGPT trata os retornos diários de ações como sequências de tokens numéricos e treina um modelo autorregressivo para prever retornos futuros. Seu mecanismo de atenção busca aprender padrões temporais diretamente do histórico de retornos, sem precisar…
O documento descreve um método empírico para prever preços de opções resolvendo a equação de Black–Scholes para frente no tempo. Como o problema é mal posto, o método usa regularização; o trabalho formula teoremas sobre unicidade, estabilidade e…
Este estudo modela contratos de protocolos de empréstimo descentralizados como opções: tomadores atuam como compradores de opções e credores como vendedores, enquanto a relação entre empréstimo e valor da garantia ajuda a determinar o prêmio. Usa a teoria de…
Este trabalho testa se o aprendizado por reforço profundo consegue recuperar estratégias de trading ótimas em ambientes simples de descrever, mas matematicamente desafiadores. Os autores se concentram no gradiente determinístico profundo de política, um…
O documento descreve um método orientado por dados para encontrar estratégias de arbitragem estatística que buscam permanecer rentáveis sob incerteza sobre o modelo de mercado. Ele usa redes neurais profundas para considerar vários ativos em conjunto, sem…
O documento usa uma simulação ampla baseada em agentes para examinar quais estilos de trading persistem em um mercado ruidoso. Seu modelo MAS-Utopia inclui 10,000 agentes em cinco arquétipos e utiliza cinco anos de dados de alta frequência. O cenário…
O artigo estuda como os impostos sobre ganhos de capital e os benefícios fiscais de perdas realizadas afetam as decisões de trading de ações. Ele propõe usar o custo fiscal médio de aquisição em um ambiente de aprendizado por reforço, permitindo que um…
CTBench é um benchmark para avaliar séries temporais sintéticas de criptomoedas, motivado pelo trading contínuo, pela alta volatilidade e pelas rápidas mudanças de regime do mercado. Ele reúne dados de 452 tokens e avalia oito modelos representativos de…
Este artigo estuda o trading ótimo quando um sinal segue um processo de Ornstein-Uhlenbeck com reversão à média, cujos parâmetros mudam de acordo com regimes ocultos. Ele combina redes neurais recorrentes com aprendizado por reforço para inferir, a partir de…
Este estudo modela um livro de ofertas limitadas composto inteiramente por traders autônomos com aprendizado por reforço. Usando um mecanismo microscópico de casamento de ordens, examina como as interações entre agentes moldam o fluxo agregado de ordens e o…
O documento descreve CryptoTrade, um agente de trading de criptomoedas baseado em um modelo de linguagem grande. Sua abordagem combina informações on-chain, que os autores caracterizam como transparentes e imutáveis, com sinais off-chain, como notícias, que…
Este estudo examina se a diferença entre uma posição de deep hedging e uma posição de hedge delta pode constituir arbitragem estatística. Ele considera uma afirmação anterior, derivada sob premissas de mercado completo, e pergunta se uma conclusão semelhante…
DeepUnifiedMom é uma estrutura de construção de carteiras que combina sinais de momentum de séries temporais em vários horizontes. Ela usa aprendizado multitarefa com uma arquitetura de mistura de especialistas com múltiplas portas para formar carteiras…
Este artigo estuda a negociação ótima quando um sinal de arbitragem estatística vem de fatores ocultos que fazem os preços saltarem e se difundirem. As ordens do operador também podem afetar os preços cotados e os preços de execução, portanto o problema…
Este estudo examina anomalias intradiárias em produtos negociados em bolsa de Bitcoin e Ethereum listados na Xetra e na Nasdaq Stockholm, usando barras de um minuto de janeiro de 2024 a dezembro de 2025. A referência identifica retornos negativos extremos…
A estrutura aborda a circularidade na geração de opções sintéticas: a volatilidade implícita costuma ser inferida dos preços observados das opções, mas os preços sintéticos precisam de um valor de volatilidade implícita como entrada. Primeiro, gera…
Este estudo pergunta se um agente generativo baseado em um modelo de linguagem grande pode reproduzir mudanças na combinação de comportamentos fundamentalistas e seguidores de tendência descrita por modelos de agentes heterogêneos. O agente usa informações…