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 artigo aplica aprendizado de máquina supervisionado ao drift após anúncios de resultados (PEAD), uma anomalia em ações na qual os retornos continuam se movendo após notícias sobre resultados. O modelo usa XGBoost e atributos fundamentais e técnicos…
Este estudo usa aprendizado profundo em um banco de dados de alta frequência de cotações e negociações de ações dos US para modelar como a oferta e a demanda no livro de ofertas se relacionam com variações posteriores de preços. Ele testa previsões da…
O artigo apresenta uma abordagem de otimização de carteira com restrições de risco para lances virtuais nos mercados atacadistas de eletricidade dos EUA. Ele prevê os spreads de preços marginais locacionais entre horas com uma rede neural recorrente, usando…
O documento apresenta uma abordagem prática de aprendizado profundo por reforço para trading de futuros de gás natural. Relata que o índice de Sharpe da estratégia supera benchmarks de acompanhamento de tendência e reversão à média, além dos resultados…
O documento descreve um modelo profundo LSTM e uma estratégia de trading para quatro índices de ações dos US. Em vez de negociar somente com base na previsão de alta ou baixa do modelo, a estratégia usa a posição de cada retorno previsto dentro da…
A tese desenvolve modelos e estratégias para formadores de mercado automatizados de produto constante com liquidez concentrada. Abrange tanto tomadores de liquidez, incluindo ordens grandes e arbitragem estatística, quanto provedores de liquidez que…
O artigo desenvolve um método adaptativo de Monte Carlo via cadeias de Markov com variáveis matriciais para autorregressões vetoriais bayesianas cointegradas. Substitui a amostragem Gibbs em grade por uma abordagem Adaptive Metropolis automatizada, destinada…
O documento descreve uma abordagem de ponta a ponta de aprendizado profundo por reforço para trading ativo de ações em alta frequência. Os agentes usam otimização por política proximal para negociar uma ação da Intel, com estados construídos a partir de…
O estudo propõe uma estrutura automatizada de trading de Bitcoin em alta frequência que combina um modelo de preço de memória de curto e longo prazo (LSTM) com otimização por política proximal (PPO). Ela representa os preços como estados do agente, os trades…
O documento descreve um agente de trading apenas comprado em USD/TWD, que combina previsões de tendências de curto prazo do Quantum Long Short-Term Memory (QLSTM) com o Quantum Asynchronous Advantage Actor-Critic (QA3C). Seu estado usa características de…
Este documento propõe as conexões por vetores de características como aproximação das relações entre empresas. Ele estima as conexões usando características: primeiro, mede a similaridade euclidiana; depois, aplica Quantum Cognition Machine Learning para…
Este documento apresenta uma abordagem de aprendizado online para arbitragem estatística. Ele a compara a estratégias conhecidas baseadas em modelos de reversão à média, cujas técnicas dependem de premissas que podem falhar em processos estocásticos não…
DeepTrust é uma estrutura para encontrar e avaliar informações que podem explicar variações extremas nos preços de ações. Seu fluxo de trabalho tem três partes: detecção, por aprendizado de máquina, de movimentos anômalos a partir de preços históricos; busca…
Este artigo descreve uma estratégia dinâmica para proteger uma carteira contra perdas de cauda, mantendo a participação em regimes de alta do mercado. A estratégia define um nível máximo desejado de Value-at-Risk e usa classificadores para estimar a…
Este artigo apresenta uma estrutura de aprendizado por reforço para problemas de decisão com objetivos de risco expressos por funções de pontuação convexas. A estrutura pode representar medidas como variância, Expected Shortfall e Value-at-Risk entrópico,…
O artigo investiga se informações de momentum em um mercado futuro podem ajudar a prever o momentum em outros. Ele constrói uma rede com características de momentum derivadas dos preços de 64 contratos negociados continuamente em commodities, ações, títulos…
Este estudo aplica Twin-Delayed Deep Deterministic Policy Gradient (TD3), um método de aprendizado por reforço com ações contínuas, aos preços de fechamento diários das ações da Amazon e do Bitcoin. A ação de trading representa tanto a posição a assumir…
Este estudo propõe um método inspirado na física estatística para prever a volatilidade dos preços e os retornos esperados a partir de dados de livro de ofertas de nível 3. Ele representa as ordens como elementos de um sistema físico e define medidas…
O documento apresenta L2GMOM, uma estrutura de aprendizado de máquina para momentum em rede. O momentum em rede usa relações entre ativos para ajudar a prever retornos futuros. A estrutura proposta aprende a rede financeira e os sinais de trading em…
Este artigo descreve uma rede neural convolucional sem modelo que recebe preços históricos de um conjunto de ativos e gera pesos para a carteira. Ela é treinada por aprendizado por reforço, usando o retorno acumulado como recompensa. Os dados de treinamento…
O artigo analisa como uma mesa de trading deve executar ordens de vários clientes interessados nos mesmos ativos, mas com tamanhos de ordem, horizontes e preferências de risco diferentes. Execuções anteriores podem mover os preços, então maximizar a receita…
Este estudo examina se informações além do histórico de preços podem ajudar a prever a volatilidade do Bitcoin em relação ao dólar. O sistema proposto, CoMForE, combina dados históricos de trading com o sentimento de tuítes relacionados, medidas de volume de…
Este estudo descreve um mercado acionário artificial multiagente, no qual os agentes usam memórias limitadas dos preços passados para escolher operações. Suas estratégias de trading mudam por meio de um processo de autoaprendizagem, permitindo ao modelo…
Este artigo considera como sistemas de AI de baixo custo, que aproximam relações complexas, poderiam mudar a maneira como as estratégias de trading incorporam informações aos preços. Ele formula a eficiência de mercado por meio de processos de preços em…