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 apresenta o CausalReinforceNet, um arcabouço que busca incorporar análise causal às decisões de aprendizado por reforço para trading de criptomoedas. Ele combina técnicas bayesianas e de redes bayesianas dinâmicas com aprendizado por reforço, com o…
Este artigo explica a filtragem de Kalman por meio de um exemplo financeiro simplificado, sua formulação matemática e uma representação por modelo gráfico probabilístico. A visão gráfica relaciona os filtros de Kalman aos modelos ocultos de Markov e serve de…
O estudo desenvolve previsões probabilísticas da variância realizada do Bitcoin, indo além de previsões pontuais para estimar quantis condicionais e representar a incerteza dos possíveis resultados de volatilidade. Combina previsões de modelos estatísticos…
Este estudo investiga se o aprendizado por reforço pode aprimorar o trading de pares de criptomoedas, uma abordagem de arbitragem estatística que negocia diferenças de preço entre ativos correlacionados. Os autores constroem ambientes de trading e treinam…
Este trabalho estuda o controle ótimo quando um modelo contém fatores latentes e quem toma as decisões escolhe uma distribuição de ações, em vez de selecionar diretamente uma única ação. Introduz a entropia de Tsallis como recompensa pela exploração do…
O artigo testa se compras de ações no mercado aberto por insiders de empresas microcap dos EUA, informadas em divulgações regulatórias, podem ajudar a prever retornos anormais subsequentes. Analisa 17,237 compras envolvendo 1,343 emissores de 2018 a 2024,…
Este estudo combina medidas do mercado de Bitcoin com sinais sociais e comportamentais para investigar o trading algorítmico. Entre as entradas estão preço e volume em exchanges, adoção de tecnologia e volume de transações de Bitcoin, além de atividade de…
Este estudo descreve uma estratégia de frequência média para uma carteira de contratos futuros de títulos do Tesouro dos US com vencimentos de cinco e dez anos. Formula o trading como uma tarefa de classificação: prever se a carteira subirá ou cairá na…
Este estudo formula o trading de carteiras como um processo de decisão de Markov e treina um agente com deep Q-learning para escolher alocações entre vários ativos. Seu espaço de ações é discreto e combinatório: para cada ativo, o agente seleciona uma…
O documento propõe X-Trend, um previsor de séries temporais seguidor de tendência, projetado para se adaptar rapidamente quando os mercados entram em novos regimes. Ele usa aprendizado com poucos exemplos e atenção cruzada sobre um conjunto de contexto de…
Este estudo investiga se traders de aprendizado por reforço mudam suas estratégias após vivenciar bolhas nos preços dos ativos e se esse aprendizado afeta bolhas posteriores. Os pesquisadores treinam agentes na simulação de mercado multiagente ABIDES e…
O FedSight AI usa agentes baseados em grandes modelos de linguagem para simular as deliberações do Comitê Federal de Mercado Aberto e prever decisões sobre a meta da taxa dos fundos federais. Agentes individuais analisam indicadores econômicos estruturados e…
Este artigo propõe uma estratégia para o dia seguinte, com posições compradas ou vendidas em futuros de VIX. Trata a estrutura a termo dos futuros como um processo de Markov e seleciona uma posição para maximizar a utilidade esperada com base no formato e no…
O estudo compara dois modelos de aprendizado de máquina, LightGBM e LSTM, com duas estratégias baseadas em indicadores para Bitcoin: um cruzamento de médias móveis exponenciais e uma combinação de MACD com ADX. A comparação é apresentada no contexto da…
Este artigo projeta uma tontina com proteção ao cônjuge para gerar renda de aposentadoria familiar. A primeira morte altera a situação da família sem acionar uma transferência do fundo; a conta permanece vinculada ao contrato e pode financiar uma continuação…
Este artigo modela os preços de criptomoedas como trajetórias em um campo potencial não linear que varia ao longo do tempo. Ele combina inferência bayesiana com Processos Gaussianos para estimar o campo a partir de preços históricos e, em seguida, usa…
O artigo apresenta uma política de implantação para sistemas de previsão que são retreinados regularmente: manter o modelo atual em operação enquanto um modelo concorrente, ajustado novamente com aquecimento, roda fora do caminho de atendimento; depois,…
MARKET-BENCH avalia se modelos de linguagem grandes conseguem transformar descrições de estratégias em linguagem natural e hipóteses de mercado em sistemas executáveis de backtesting. As tarefas incluem trading programado da Microsoft, trading de pares entre…
Este artigo propõe o uso de Soft Actor-Critic (SAC) e Deep Deterministic Policy Gradient (DDPG) para gerir carteiras de criptomoedas. Os agentes aprendem ações contínuas de trading em um ambiente simulado com dados históricos de mercado, ajustando os pesos…
O documento apresenta uma abordagem de aprendizado federado para estimar a renda de tomadores de crédito quando os credores não podem combinar registros brutos de solicitantes. As instituições treinam um modelo compartilhado enquanto mantêm os dados…
O estudo usa um autoencoder convolucional para extrair padrões dominantes do comportamento do mercado de criptomoedas e agrupar 40 criptomoedas em classes. Ele examina doze períodos consecutivos de seis meses, começando em 15 de maio de 2013, e relaciona as…
Este estudo aplica aprendizado profundo por reforço ao trading de câmbio, tratando a escolha de operações como uma sequência de decisões, em vez de depender de previsões diretas de preços. Ele adapta uma política de arbitragem estatística Sure-Fire a três…
O estudo apresenta um processo para encontrar sinais direcionais de trading a partir das relações entre nove ações. Primeiro, agrupa as ações pela volatilidade histórica de faixa média usando um modelo de mistura gaussiana; depois, testa relações preditivas…
Este estudo compara aprendizado de máquina quântico, aprendizado de máquina clássico, métodos híbridos quântico-clássicos e modelos Transformer em estratégias de negociação com formadores automatizados de mercado (AMMs) e finanças descentralizadas. Apresenta…