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 artigo trata da otimização convexa online com memória, na qual cada perda depende tanto da decisão atual quanto das decisões anteriores. Essa dependência pode modelar situações em que ações passadas influenciam resultados presentes. Os autores…
WebCryptoAgent é uma estrutura para trading de criptomoedas em horizontes curtos que combina conteúdo da web, sentimento social e dados de mercado OHLCV. Ela atribui agentes específicos por modalidade para analisar diferentes fontes de informação e, em…
Esta revisão avalia aplicações de AI em ações, ETFs, mercados centralizados de cripto, futuros perpétuos e atividade on-chain. Apresenta o caminho até os retornos de investimento como uma sequência: dados do momento relevante devem sustentar um sinal…
O artigo apresenta um agente de aprendizado por reforço profundo para gestão de carteiras que equilibra a busca por retorno com a contenção de risco. Sua política-alvo ajusta o quanto o agente favorece a ação ideal, usando um parâmetro ajustável de avidez…
O estudo testa a forma fraca da hipótese dos mercados eficientes para o Bitcoin com uma rede neural feedforward. Ele investiga se adicionar retornos ou variáveis relacionadas de outros ativos melhora a previsão, além dos retornos do Bitcoin. As entradas…
O estudo testa se indicadores de negociação e redes sociais melhoram a classificação das mudanças de preço de criptomoedas além dos indicadores técnicos isolados. Avalia dados horários e diários de Bitcoin e Ethereum de janeiro de 2017 a janeiro de 2021,…
O documento estuda como um trader pode liquidar um ativo arriscado quando as negociações causam impacto temporário no preço e o núcleo desse impacto é desconhecido. Propõe estimar o núcleo, ou propagador, de forma não paramétrica a partir de dados estáticos…
O estudo examina se medidas on-chain de criptomoedas podem ajudar a explicar preços e distinguir ativos arriscados. Analisa dados históricos, mede correlações entre preços e outros parâmetros, agrupa criptomoedas por clustering e aplica algoritmos de…
O documento descreve mínimos quadrados parciais profundos (DPLS), um modelo para explicar retornos de ações individuais usando um pequeno conjunto de fatores de risco latentes e características das empresas. Os mínimos quadrados projetados mapeiam…
Este estudo considera um trader que vende por meio de um livro de ofertas e depois ajusta o estoque restante usando programações de ordens com sinais de compra ou venda em um leilão de fechamento. As duas etapas são conectadas por uma previsão do preço de…
O artigo usa otimização evolutiva para calcular estratégias de trading baseadas em regras a partir de dados de sentimento financeiro. O sinal de sentimento representa a visão otimista ou pessimista da comunidade de trading on-line sobre ações individuais e é…
O artigo argumenta que estratégias convencionais de acompanhamento de tendências e momentum dependem do comportamento passado dos preços e podem ter limitações quando as condições de mercado mudam. Propõe o uso de inteligência artificial e técnicas de…
O ManiScope é um sistema de análise visual projetado para ajudar usuários a avaliar riscos de manipulação baseada em negociações nos mercados de criptomoedas, incluindo wash trading. Suas visualizações coordenadas reúnem a distribuição da titularidade de…
Este artigo apresenta um modelo para prever a volatilidade realizada nos mercados acionários globais. Representa os mercados como uma rede dinâmica, usando um índice de transbordamento de volatilidade para descrever como choques em um mercado podem se…
O estudo testa a arquitetura de previsão Informer como base para estratégias automatizadas com dados de Bitcoin de alta frequência. Treina variantes com RMSE, Generalized Mean Absolute Directional Loss (GMADL) e perda quantílica, e transforma os retornos…
Este estudo preliminar explora se os movimentos do preço do Bitcoin podem ser previstos combinando o sentimento do mercado com a análise técnica. A entrada de sentimento é o Fear and Greed Index, usado junto com indicadores técnicos e algoritmos de machine…
O DeePM é apresentado como um sistema de deep learning de ponta a ponta para gerir carteiras macro diversificadas. Seu projeto trata dados de mercado assíncronos com um mecanismo causal baseado em atrasos, restringe relações entre ativos usando um grafo…
Este estudo usa o expoente de Hurst para classificar uma série temporal como tendencial ou de reversão à média e, então, selecionar uma estratégia adequada a esse comportamento. O momentum é associado a condições de tendência, enquanto a reversão à média é…
O estudo compara 41 modelos de aprendizado de máquina, divididos entre classificadores e regressores, para prever preços do Bitcoin e avaliar seu uso no trading algorítmico. Combina medidas de previsão, como erros absoluto e quadrático, com medidas de…
Este estudo formula o trading especulativo como um problema sequencial de parada ótima, escolhendo momentos de entrada e saída sob funções de utilidade e processos de preços gerais. Primeiro, relaxa o problema de parada ao representar eventos de entrada e…
Este artigo analisa se agentes independentes de aprendizado profundo por reforço desenvolvem comportamentos compatíveis com conluio em um jogo de execução ótima. Em um cenário de liquidação com dois participantes e horizonte finito, os agentes usam…
Este artigo desenvolve uma estrutura de monitoramento de transações para detectar lavagem de dinheiro em serviços de dinheiro móvel ruandeses. Aborda o forte desequilíbrio entre classes, os rótulos limitados e atrasados e a capacidade finita de investigação.…
Este estudo pergunta se investidores em criptomoedas negociam de forma diferente dos investidores em ações e usa históricos de preços dos ativos como evidência desses comportamentos. Primeiro, aplica vários modelos de aprendizado de máquina para classificar…
Este estudo analisa se o sentimento diário no Twitter pode ajudar a prever retornos de ações e apoiar decisões de trading. Ele combina aprendizado de máquina para avaliar o sinal de sentimento com aprendizado por reforço, especificamente Q-learning, para…