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.
976 documentos
Este documento descreve um livro-razão para aplicar fluxos de caixa de funding a posições de futuros perpétuos durante um backtest. Em cada instante de funding, ele usa a quantidade assinada da posição, o preço de marcação atual, qualquer multiplicador de…
Este notebook verifica se dados spot de FX em intervalos de quatro horas podem sustentar uma estratégia cross-sectional diária que classifica pares de moedas usando momentum e carry. Ele testa se os instrumentos declarados têm preços em cada ponto de…
Este notebook avalia saídas por stop-loss, trailing stop e duração fixa como overlays em estratégias de futuros CME. Para cada horizonte de previsão, aplica regras configuradas ao melhor resultado Sharpe de validação entre os modelos-base selecionados…
Este notebook seleciona atributos financeiros e baseados em modelos pela capacidade de classificar ações segundo seus retornos futuros. Ele calcula coeficientes de informação transversais diários, estima a incerteza levando em conta a dependência serial,…
Este notebook compara três modelos lineares de previsão, um codificador Transformer e duas previsões sem parâmetros para retornos diários de SPY. Os modelos lineares mapeiam uma janela histórica para uma previsão de vários dias; algumas variantes primeiro…
Este notebook configura uma execução de previsão NLinear para pares de FX. O modelo usa uma janela retrospectiva fixa e consecutiva e subtrai o último nível observado, direcionando o ajuste para as variações nessa janela. Resolve a janela retrospectiva, a…
Este código define salvaguardas para validação cruzada reproduzível, acompanhamento da elegibilidade e atributos temporais específicos de cada divisão. Ele normaliza os limites das divisões, compara as divisões solicitadas aos limites usados para criar…
Este notebook reformula a previsão dos retornos futuros de 21 em sessões de ETF como uma tarefa binária: retornos positivos são classificados como alta, e os demais, como baixa. Ele ajusta uma regressão logística regularizada com L2 e L1, usando divisões…
Este notebook testa se um LSTM consegue extrair estrutura temporal de históricos de atributos de ETF que modelos com atributos planos podem não captar. Antes do ajuste, ele resolve a população declarada das sequências em relação aos atributos, rótulos,…
Este notebook define retornos futuros do fechamento ao fechamento em dois horizontes de negociação para uma seção transversal de ETFs, medindo cada horizonte do fechamento ajustado ao fechamento após um número fixo de sessões. Ele explica por que os rótulos…
Este tutorial deriva a fração de Kelly para uma aposta binária maximizando o crescimento logarítmico esperado da riqueza e, em seguida, estende a ideia a retornos contínuos e a uma carteira com vários ativos. Ele usa diferenciação simbólica e simulações com…
Este notebook avalia quatro sinais derivados de textos de notícias: surpresa ponderada, sentimento médio, momentum de sentimento e cobertura de artigos. Ele usa retornos futuros preparados em uma etapa anterior de criação de atributos e, em seguida, calcula…
Este capítulo trata os custos de transação como uma restrição em toda a pesquisa e implantação de estratégias, da avaliação de fatores e do backtesting à construção de carteiras, supervisão de risco e monitoramento em produção. Ele distingue taxas…
O notebook demonstra o ajuste do LightGBM para previsão de retornos de ETF com o amostrador TPE do Optuna. Ele busca configurações de estrutura das árvores, amostragem e regularização, usando parada antecipada para escolher as rodadas de boosting e um…
Este capítulo apresenta um fluxo de pesquisa com modelos preditivos em trading, no qual previsões estáveis fora da amostra podem ser mais importantes que estimativas não enviesadas de coeficientes. Ele aborda métodos de regressão regularizada, como Ridge,…
Este notebook explica quando é mais claro simular uma estratégia de trading barra a barra, com estado evolutivo, do que expressá-la como sinais ou pesos pré-calculados. Ele contrasta backtests baseados em vetores, que podem ser rápidos e convenientes para…
Este notebook compara a busca exaustiva em grade com o amostrador bayesiano TPE do Optuna para ajustar um modelo LightGBM a uma tarefa de previsão de retornos futuros de ETF. Primeiro, oferece aos dois métodos o mesmo orçamento de testes em uma pequena grade…
Este capítulo apresenta a pesquisa de estratégias como o desenho e a avaliação de um processo decisório executável, da ideia econômica inicial ao dimensionamento de posições, às restrições, aos custos e aos testes semelhantes ao trading ao vivo. Recomenda…
Este notebook define rótulos de retornos futuros para um painel de ações US e explica por que sua construção afeta todos os modelos e backtests posteriores. Ele especifica janelas de retorno com preços ajustados em sessões de negociação, verifica se cada…
Este notebook treina redes neurais TabM para classificar ETFs usando a mesma tabela plana de atributos que os modelos lineares e de boosting. Cada membro do ensemble compartilha uma base de duas camadas, mas tem seu próprio vetor de escala e camada de saída,…
Este notebook descreve o ajuste do PatchTST a dados de um minuto do NASDAQ-100 para prever retornos em vários horizontes futuros. O modelo agrupa observações consecutivas em blocos e aplica atenção entre eles, reduzindo a quantidade de itens comparados e…
Este notebook verifica se dados históricos de ETF podem sustentar uma estratégia de classificação mensal antes do ajuste de um modelo ou da geração de previsões. Ele testa o universo negociável usando a liquidez do ano anterior, conta os fundos elegíveis nas…
Este notebook explica uma GAN Wasserstein incondicional baseada em assinaturas para gerar séries temporais financeiras. Ele transforma retornos em trajetórias aumentadas, calcula assinaturas de trajetória truncadas e treina um gerador LSTM orientado por…
Este notebook avalia o TSMixer como modelo de sequência global para um painel ETF. O modelo compartilha parâmetros entre os fundos, mas usa o histórico e as covariáveis de cada fundo; suas camadas de mistura aprendem relações temporais e dentro de cada série…