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

976 documentos

Machine Learning for Trading

Este notebook apresenta uma ponte de implantação entre um pipeline de aprendizado de máquina offline e o mecanismo de trading LEAN da QuantConnect. Ele seleciona uma execução de modelo de forma reproduzível a partir de um registro, exporta suas previsões de…

Aprendizado de máquinaConstrução de portfólioExecuçãoBacktesting
Machine Learning for Trading

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,…

AçõesSentimentoEstatísticaInvestimento em fatores
Machine Learning for Trading

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…

AçõesAprendizado de máquinaEstatísticaBacktesting
Machine Learning for Trading

Esta análise verifica se dados diários de opções e ações podem sustentar uma estratégia semanal do S&P 500 que classifica os componentes pela volatilidade implícita at-the-money de trinta dias e compra as ações mais bem classificadas. As opções fornecem o…

AçõesOpçõesVolatilidadeBacktesting
Machine Learning for Trading

Este documento descreve um backtest fora da amostra de um ano de straddles de opções do S&P 500. Aplica previsões de um modelo reajustado com o histórico anterior ao holdout, junto com a estratégia, alocação, concentração, cronograma semanal de entrada,…

OpçõesBacktestingGestão de riscoMercados dos EUA
Machine Learning for Trading

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…

AçõesMercados dos EUAAprendizado de máquinaEstatística
Machine Learning for Trading

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…

OpçõesVolatilidadeAprendizado de máquinaEstatística
Machine Learning for Trading

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…

Aprendizado de máquinaBacktestingEstatísticaAções
Machine Learning for Trading

Este capítulo apresenta a construção de carteiras como o processo de converter previsões de retorno, estimativas de risco e restrições em pesos, alavancagem e decisões de rebalanceamento. Ele descreve um fluxo de pesquisa para documentar escolhas de…

Construção de portfólioGestão de riscoDimensionamento de posiçãoBacktesting
Machine Learning for Trading

Este notebook explica como avaliar saídas no nível da posição e combiná-las com controles para toda a carteira. Saídas fixas por stop-loss, take-profit e tempo são comparadas a stops móveis e progressivamente mais restritivos; uma saída escalonada reduz uma…

Gestão de riscoDimensionamento de posiçãoBacktestingConstrução de portfólio
Machine Learning for Trading

Este notebook reúne cinco abordagens de fatores latentes para modelar a seção transversal dos retornos de ações no estudo de caso de opções do S&P 500. PCA estima movimentos comuns apenas a partir dos retornos; IPCA mapeia características em exposições de…

AçõesInvestimento em fatoresAprendizado de máquinaEstatística
Machine Learning for Trading

Este notebook demonstra o protocolo Rademacher Anti-Serum como forma de considerar a seleção de um vencedor entre uma classe de estratégias testadas. Ele estima a complexidade empírica a partir das trajetórias de desempenho dos candidatos, ilustrando como a…

BacktestingEstatísticaGestão de risco
Machine Learning for Trading

Este notebook desenvolve uma política de saída com dois modelos para contratos perpétuos de cripto em barras horárias. Um classificador de entrada identifica retornos futuros excepcionalmente fortes, enquanto um classificador de saída prevê se o próximo…

CriptoFuturos perpétuosAprendizado de máquinaBacktesting
Machine Learning for Trading

Este notebook sintetiza resultados de nove estudos de caso de mercado em um funil cumulativo de filtragem de estratégias. Ele testa, em ordem, se um modelo tem coeficiente de informação positivo, se sua configuração selecionada tem Sharpe de validação…

BacktestingEstatísticaGestão de riscoExecução
Machine Learning for Trading

Este notebook avalia se o valor total bloqueado pode servir como sinal de dados alternativos para os retornos de ether. TVL agrega o valor em dólares dos criptoativos depositados em protocolos de finanças descentralizadas. Como é um estoque avaliado a preços…

CriptoDeFiDados on-chainEstatística
Machine Learning for Trading

Este notebook explica um autoencoder supervisionado para prever a direção de retornos futuros de ações US em vários horizontes. Seu codificador alimenta um decodificador de reconstrução, um classificador auxiliar e um classificador principal. O treinamento…

AçõesAprendizado de máquinaEstatísticaBacktesting
Machine Learning for Trading

Este notebook cria um alocador de carteira que coloca uma rede de seleção de variáveis no estilo Temporal Fusion Transformer antes de um codificador LSTM. A rede de seleção incorpora cada atributo de entrada separadamente e atribui pesos softmax, permitindo…

AçõesAprendizado de máquinaConstrução de portfólioGestão de risco
Machine Learning for Trading

Este notebook descreve um fluxo de trabalho TabM para modelos de pares de câmbio. O TabM aplica uma pequena rede neural a cada linha de decisão, em vez de tratar as observações como uma sequência. O notebook obtém da configuração a arquitetura e os…

CâmbioAprendizado de máquinaBacktestingEstatística
Machine Learning for Trading

Este notebook desenvolve uma matriz financeira de atributos para uma hipótese de momentum cross-asset de ETF: ativos com desempenho relativo mais forte podem continuar superando os demais no mês seguinte. Ele combina retornos acumulados em vários horizontes,…

MultiativosMomentumIndicadores técnicosEstatística
Machine Learning for Trading

Este notebook testa se árvores com gradient boosting melhoram a classificação cross-sectional de pares de moedas em relação a um modelo linear penalizado. O universo de FX contém pares que compartilham moedas, portanto as observações são dependentes: um…

CâmbioAprendizado de máquinaEstatísticaBacktesting
Machine Learning for Trading

Este módulo utilitário oferece suporte a fluxos de deep learning para séries temporais financeiras de múltiplos ativos. Ele resolve aliases de conjuntos de dados e carrega dados canônicos de estudos de caso; em seguida, cria sequências de janelas móveis…

Aprendizado de máquinaMultiativosBacktesting
Machine Learning for Trading

Este notebook compara três maneiras de orquestrar um fluxo de previsão em quatro fases: composição direta em Python, uma versão CrewAI orientada por papéis e uma versão LangGraph que delega às mesmas classes especialistas da implementação nativa. Ele examina…

Aprendizado de máquinaEstatísticaBacktesting
Machine Learning for Trading

Este notebook cria atributos por minuto a partir de cotações e negociações de NASDAQ-100 para estudar a pressão de preços em horizontes curtos. Ele trata o desequilíbrio normalizado do fluxo de ordens como principal candidato a sinal e usa spread,…

AçõesMicroestrutura de mercadoExecuçãoIndicadores técnicos