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

135 documentos

Machine Learning for Trading

O notebook explica o Value at Risk (VaR), que marca um quantil de perda, e o Conditional Value at Risk (CVaR), que calcula a média das perdas além desse limite. Usando retornos diários de ETF, compara estimativas históricas, gaussianas, ajustadas por…

Gestão de riscoVolatilidadeBacktestingConstrução de portfólio
Machine Learning for Trading

Este notebook amplia a avaliação de um fator de ETF: de um único horizonte de retorno para uma análise de dez fatores e três horizontes, com correção para testes múltiplos. Em seguida, aplica diagnósticos baseados em mecanismos ao momentum 12-1 de lookback…

MultiativosMomentumReversão à médiaEstatística
Machine Learning for Trading

Este notebook explica a Paridade Hierárquica de Risco (HRP), um método de construção de carteiras projetado para limitar a sensibilidade a estimativas ruidosas de covariância. Descreve suas três etapas: agrupar ativos pela distância de correlação,…

Construção de portfólioGestão de riscoBacktestingMultiativos
Machine Learning for Trading

Este notebook avalia backtests registrados de ETF ao longo do fluxo da estratégia, desde os sinais e a alocação até os custos e as camadas de risco. Lê previsões e backtests existentes em vez de ajustar modelos ou adicionar novos backtests, enquanto calcula…

MultiativosAçõesConstrução de portfólioBacktesting
Machine Learning for Trading

Este notebook adapta o Diffusion-TS para gerar sequências sintéticas de retornos diários de ETF. O denoiser prevê a série original e decompõe essa previsão em uma tendência polinomial, componentes de Fourier selecionados e um resíduo. Um objetivo combinado…

Aprendizado de máquinaVolatilidadeEstatísticaMultiativos
Machine Learning for Trading

Este módulo de engenharia de atributos prepara dados diários de preços para modelos sistemáticos de carteiras macro. Ele cria retornos em diferentes horizontes ajustados pela volatilidade estimada, vários sinais MACD em múltiplas escalas e escores z móveis…

MultiativosMomentumSeguir tendênciasVolatilidade
Machine Learning for Trading

Esta configuração especifica um conjunto histórico de dados macroeconômicos de FRED para filtragem de regimes e análise entre ativos. Ela organiza séries por frequência diária, semanal, mensal e trimestral, incluindo rendimentos do Tesouro, a taxa dos fundos…

MultiativosRenda fixaVolatilidadeEstatística
Machine Learning for Trading

Esta análise entre casos examina como informações preditivas, medidas pelo coeficiente de informação (IC), se traduzem em Sharpe de carteira em nove estudos de caso de trading. O ponto central é que a implementação medeia essa relação: regras de entrada,…

MultiativosEstatísticaBacktestingConstrução de portfólio
Machine Learning for Trading

Este documento descreve um fluxo de trabalho para coletar rendimentos dos títulos do Tesouro e indicadores econômicos do FRED, alinhar séries com diferentes frequências de divulgação a um calendário diário e carregar ou filtrar o conjunto de dados…

Renda fixaMultiativosGestão de riscoEstatística
Machine Learning for Trading

Esta configuração especifica um experimento de ranking e rebalanceamento de ETF apenas comprado. Ela define um amplo universo de 100-ETF, abrangendo exposições a ações, títulos, commodities e regiões, com decisões mensais e execução na abertura seguinte. O…

AçõesMultiativosBacktestingExecução
Machine Learning for Trading

Este notebook explica como inspecionar um painel fornecido de séries econômicas de FRED e interpretar sua grade de dias corridos, seus metadados e suas colunas derivadas. Como o painel foi achatado em um calendário diário, a contagem de linhas oculta os…

MultiativosRenda fixaVolatilidadeEstatística
Machine Learning for Trading

O documento explica duas formas de estimar spreads bid-ask quando só há dados diários OHLCV. Corwin-Schultz compara amplitudes entre máxima e mínima em intervalos adjacentes de um e dois dias, usando o comportamento diferente da volatilidade e do spread para…

Microestrutura de mercadoEstatísticaExecuçãoVolatilidade
Machine Learning for Trading

Este guia do conjunto de dados descreve um fluxo de trabalho para obter séries FRED, alinhar observações a um calendário diário e carregar indicadores selecionados para análise. Os exemplos incluem rendimentos do Tesouro, o diferencial entre 10 anos e 2…

Renda fixaEstatísticaGestão de riscoMultiativos
Machine Learning for Trading

Este notebook compara seis alocações de carteira long-only para um universo multiativos de ETF. Ele usa a regularização por encolhimento da covariância de Ledoit–Wolf para reduzir a variação amostral que pode desestabilizar a otimização e compara Sharpe…

Construção de portfólioGestão de riscoMultiativosBacktesting
Machine Learning for Trading

Esta visão geral organiza estudos de caso de trading por classe de ativos, tamanho do universo, frequência dos dados, cadência das decisões, regime de custos e protocolo de avaliação. Lê a configuração declarada de cada estudo e apresenta tabelas…

MultiativosBacktestingExecuçãoGestão de risco
Machine Learning for Trading

Este notebook apresenta um fluxo de trabalho para obter e manter séries temporais financeiras com um gerenciador unificado, universos de símbolos predefinidos ou personalizados e armazenamento Parquet particionado. Abrange a obtenção de dados de um ou vários…

MultiativosAçõesBacktestingExecução
Machine Learning for Trading

Esta análise exploratória testa se um sinal de momentum de doze meses, excluindo o mês mais recente, está associado aos retornos do mês seguinte em um universo de 100-ETF. Cria um painel mensal a partir de preços de fechamento ajustados, classifica os ETFs…

MultiativosMomentumEstatísticaBacktesting
Machine Learning for Trading

Este módulo define uma carteira-base mensal de alocação em ETF usando uma pontuação de momentum ajustada ao risco: retorno acumulado passado dividido pela volatilidade realizada anualizada. Seleciona os ativos mais bem classificados quando a inclinação da…

AçõesMultiativosMomentumVolatilidade
Machine Learning for Trading

Este notebook agrupa retornos mensais de nove séries de fatores e mercados de ações, títulos, moedas e commodities usando modelos de mistura gaussiana. Após excluir os meses com dados incompletos, padroniza as séries para que diferenças de escala não dominem…

MultiativosInvestimento em fatoresAprendizado de máquinaEstatística
Machine Learning for Trading

Esta visão geral consolida dados de configuração de nove estudos de caso de trading que abrangem ações, cripto, câmbio, futuros, opções e carteiras multiativos. Compara o universo, a frequência dos dados, a cadência de decisão, o modelo de custos e o…

MultiativosBacktestingGestão de riscoExecução
Machine Learning for Trading

Este notebook descreve a adaptação de Diffusion-TS para gerar sequências sintéticas de retornos de ETF. O modelo de remoção de ruído prevê a sequência limpa como uma soma de tendência polinomial, componente sazonal de Fourier e resíduos, enquanto uma função…

Aprendizado de máquinaEstatísticaVolatilidadeMultiativos
Machine Learning for Trading

Esta análise caracteriza um universo fixo de 100 ETFs em nove grupos de ativos. Verifica a cobertura por fundo e ano, confirma se o painel de preços corresponde à configuração dos grupos, examina valores nulos e a ordenação de OHLC e compara o volume…

MultiativosEstatísticaGestão de riscoBacktesting