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 documento apresenta um estudo de abordagens híbridas para prever preços spot de eletricidade no mercado EPEC. Os componentes do modelo incluem uma previsão ingênua, análise de Fourier, modelos ARMA e GARCH, um processo de difusão com saltos e reversão à…
O estudo descreve uma abordagem de trading que combina sentimento extraído de notícias financeiras, indicadores técnicos e previsões de séries temporais. Usa GPT-2 e FinBERT para análise de sentimento, combina os sinais resultantes com medidas de momentum e…
Este artigo avalia métodos de redução de dimensionalidade para estudar a relação entre Bitcoin e Ethereum e prever os retornos do Ethereum. O conjunto de dados usa retornos logarítmicos e covariáveis adicionais. Os autores começam pela correlação de Pearson…
O documento apresenta uma estrutura de market making de alta frequência que combina dados de mercado em nível de tick com sinais de previsão periódicos. Aplica aprendizado profundo por reforço para usar tanto informações rápidas no nível das ordens quanto…
Este estudo aborda o risco de criptomoedas como um problema de previsão de volatilidade e aplica modelos de aprendizado de máquina a medidas de risco calculadas para vinte componentes do mercado de criptomoedas. Compara redes neurais convolucionais, modelos…
Este artigo desenvolve um modelo autorregressivo que gera mensagens tokenizadas do livro de ofertas, que um simulador usa para atualizar o estado do livro. Sua arquitetura usa camadas estruturadas simplificadas de espaço de estados para processar longas…
Este estudo aplica análise de componentes principais funcional (FPCA) para prever funções de retorno intradiário do Bitcoin. Apresenta um modelo de fatores dinâmicos de Karhunen–Loève como elo entre observações funcionais e dinâmicas em tempo discreto, e…
O artigo apresenta XGB-Chiarella, um método para calibrar um modelo de mercado de Chiarella ampliado e baseado em agentes, a fim de reproduzir o comportamento intradiário dos preços. O mercado simulado contém traders fundamentalistas, de momentum e de ruído.…
QuantNet é uma arquitetura de aprendizado para criar estratégias de trading em vários mercados de ações. Cada mercado tem seu próprio codificador e decodificador: o codificador representa os dados locais do mercado, um modelo global compartilhado processa…
O artigo modela o fluxo de ordens de alta frequência como fonte de variações intradiárias de preços e aplica redes adversárias generativas de sequências para gerar sequências sintéticas de ordens. Usa essas sequências para simular trajetórias de preços e, em…
Este artigo apresenta o Agent Market Arena, um benchmark contínuo em tempo real para avaliar agentes de trading baseados em modelos de linguagem grandes nos mercados de criptomoedas e ações. A estrutura combina dados de trading verificados, notícias…
Este estudo examina atividades coordenadas de pump and dump em criptomoedas, incluindo um estudo de caso e uma investigação de eventos organizados em canais do Telegram durante um período definido. Busca padrões de mercado associados a esses esquemas e cria…
Este artigo descreve um estudo de acompanhamento sobre a previsão de tendências de opções de ações com aprendizado de máquina e o uso dessas previsões em trading. Examina redes neurais recorrentes e redes LSTM, e depois avalia a combinação de vários modelos…
O artigo estuda se estratégias baseadas em ativos que não são ações podem diversificar estratégias de investimento algorítmicas ligadas ao S&P 500. Ele compara sinais gerados por previsões LSTM, previsões ARIMA-GARCH, momentum e regras contrárias. Os ativos…
Este artigo apresenta uma estrutura experimental para testar se modelos de linguagem grandes conseguem extrair sinais úteis de sentimento de notícias financeiras chinesas. Aplica três modelos, escolhidos para representar diferentes abordagens de…
O artigo aborda a etapa de classificação de ativos usada em carteiras sistemáticas transversais. Argumenta que heurísticas simples e classificações obtidas ao ordenar previsões de modelos convencionais de regressão ou classificação podem ser subótimas,…
O artigo explora aprendizado por reforço para arbitragem estatística em trading de alta frequência. Descreve um agente que aprende por meio da interação com seu ambiente de negociação e enfoca o deep Q-learning como forma de adaptar decisões a oportunidades…
Este documento descreve uma estrutura de deep learning para identificar relações variáveis no tempo entre ativos para pairs trading. O aprendizado multimodal de relações temporais em grafos combina observações de séries temporais com características…
O estudo adapta uma estrutura de pairs trading a ações polonesas, comparando um ativo com uma réplica construída a partir de fatores de risco, em vez de pareá-lo com um segundo ativo altamente correlacionado. Constrói fatores usando Análise de Componentes…
O documento descreve um método de previsão de movimentos de ações concebido para capturar transbordamentos de momentum entre empresas listadas. Ele constrói um grafo de conhecimento do mercado com dois tipos de entidades — empresas e seus executivos — e…
Esta abordagem detecta anomalias em séries temporais financeiras que contêm vários fatores de risco de mercado, nas quais observações contaminadas podem distorcer modelos de risco e as medidas resultantes. Primeiro, aplica análise de componentes principais…
Este trabalho propõe RADAR, uma estrutura de difusão com recuperação para aprender representações dos estados do mercado usadas na otimização de carteiras sob a estrutura de fator de desconto estocástico. A motivação é que os mercados alternam entre regimes,…
Este estudo compara treze modelos estatísticos e de aprendizado de máquina para identificar observações incomuns em dados do livro de ofertas com ordens limitadas de Bitcoin. Ele avalia os modelos em uma estrutura comum destinada à detecção de anomalias em…
Tail-GAN é um gerador de cenários baseado em dados, concebido para simular dinâmicas conjuntas realistas de preços em carteiras multidimensionais com múltiplos ativos, com ênfase nas perdas na cauda da distribuição. Ele usa a elicibilidade conjunta de…