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
Este sistema proposto usa relações de volatilidade entre ações de grande porte para gerar sinais de tendência. Primeiro, analisa dados de preços com estudos de correlação e autocorrelação, indicadores técnicos, testes de hipóteses, modelos estatísticos e…
O documento apresenta QTMRL, um agente de aprendizado por reforço projetado para tomar decisões de trading de ações usando indicadores técnicos. Seu conjunto de dados de entrada combina dados diários de preços e volumes de ações representativas do S&P 500,…
O artigo apresenta processos gaussianos (GPs) e otimização bayesiana, explicando como a regressão GP dá suporte ao aprendizado de máquina bayesiano e como seus hiperparâmetros devem ser escolhidos. A otimização bayesiana usa um modelo probabilístico para…
Este estudo pergunta quando se deve seguir o conteúdo dos textos de mercado e quando se deve apostar contra ele. Distingue declarações institucionais (Say), repetição pela mídia (Echo) e posicionamento institucional revelado (Do). Um modelo linear-quadrático…
O artigo propõe um processo de seleção de estratégias chamado DNN-forwardtesting. Em vez de escolher uma estratégia de trading apenas pelos resultados em preços históricos, primeiro prevê uma possível trajetória futura de preços com uma rede neural profunda…
Este estudo prevê defaults corporativos usando um modelo de forma reduzida no qual as intensidades de default das empresas dependem de um fator de fragilidade não observado. Ele combina estimação bayesiana com Monte Carlo por Cadeias de Markov com partículas…
O estudo apresenta um método não supervisionado para analisar saltos nos preços das ações por meio de representações construídas com coeficientes wavelet. Busca distinguir padrões de salto associados à dinâmica interna de um sistema daqueles ligados a…
O artigo apresenta as Deep Momentum Networks, que combinam aprendizado profundo com a estrutura de ajuste por volatilidade usada no momentum de séries temporais. Uma rede neural aprende em conjunto as estimativas de tendência e o tamanho das posições, com…
Este estudo investiga se o momento e o tema das discussões sobre criptomoedas nas redes sociais se relacionam com o comportamento posterior dos preços. Aplica modelagem dinâmica de tópicos às conversas em comunidades nas redes sociais e, em seguida, usa um…
Este artigo propõe um método em duas etapas para identificar e negociar oportunidades de arbitragem estatística em opções. Primeiro, define um alvo de previsão destinado a isolar a arbitragem pura usando títulos sintéticos e, em seguida, usa o RNConv, uma…
Este estudo apresenta uma estrutura de aprendizado por reforço sem modelo para arbitragem estatística entre pares de ações. Primeiro, constrói um spread com reversão à média escolhendo coeficientes dos ativos que minimizam uma medida empírica do tempo que o…
Este documento descreve o CREDIT, uma abordagem de aprendizado por reforço para pairs trading que usa uma unidade recorrente com portas bidirecionais e atenção temporal. A arquitetura busca capturar relações ao longo do tempo nos movimentos de preço de dois…
O artigo propõe o Mid-LSTM, um modelo de deep learning destinado a prever preços de ações em um horizonte de médio prazo, considerando anomalias de mercado. Seu desenho representa tendências de mercado como estados ocultos. A abordagem descrita primeiro…
O artigo descreve uma abordagem de deep learning para seleção de carteiras de ações de US. Sua rede residual com mudança de regime usa um módulo para identificar condições de mercado e outro para gerar previsões de momentum e reversão, alternando entre os…
MacroHFT é uma abordagem de aprendizado por reforço para trading de criptomoedas em intervalos de minutos. Ela aborda dois desafios apontados nos métodos existentes: agentes podem sofrer sobreajuste e não adaptar suas políticas ao contexto financeiro,…
Este estudo prevê mudanças direcionais de curto prazo em um contrato futuro usando características de análise técnica, fluxo de ordens e dados do livro de ofertas. Ele treina um modelo de deep learning TabNet com futuros de prata listados na Bolsa de Futuros…
Este estudo modela a volatilidade realizada do Bitcoin com um circuito quântico parametrizado e examina se a série gerada reflete características estatísticas observadas nos dados de mercado. A partir dos preços do Bitcoin em intervalos de cinco minutos, os…
Este estudo propõe um método para carteiras de ações baseado na previsão da distribuição de fatores residuais, que capturam informações além das exposições comuns ao mercado e podem ajudar a protegê-las. Ele descreve dois componentes principais: uma forma…
E-TRENDS propõe uma estrutura de previsão com LSTM para mudanças na tendência acionária no dia seguinte. O estudo se concentra nas 30 maiores ações do S&P 500 e descreve uma validação ao longo de ciclos de mercado de 2005 a 2025. Em vez de prever diretamente…
Este estudo examina fatores que moldam a liquidez do mercado acionário, com foco na relação entre o fluxo de ordens com sinal e o impacto nos preços. Ele conecta modelos teóricos de negociação e liquidez no estilo de Kyle a padrões em dados públicos de…
O estudo testa se as comunicações do Federal Reserve acrescentam informações úteis às previsões de decisões sobre a taxa dos fundos federais. Compara modelos que usam apenas indicadores econômicos, apenas características textuais e combinações dos dois,…
Este estudo usa uma estrutura de agentes heterogêneos para examinar como o seguimento de tendências e a avaliação fundamental podem coexistir nos mercados financeiros. Amplia o modelo de Chiarella com traders de ruído e uma resposta não linear da demanda de…
Este estudo testa se um modelo de linguagem grande pode usar notícias de empresas para aprimorar uma estratégia de momentum transversal. Ele combina retornos diários de componentes do S&P 500 com notícias de alta frequência e, em seguida, solicita ao ChatGPT…
O documento apresenta uma estrutura de arbitragem estatística que combina precificação de ativos, modelagem de séries temporais e otimização de carteira. Primeiro, usa fatores de precificação latentes condicionais para identificar ativos semelhantes e…