Pular para o conteúdo

Biblioteca de conhecimento

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.

Buscar na biblioteca

381 documentos

Machine Learning for Trading

Este notebook adapta o Diffusion-TS para gerar sequências sintéticas de retornos diários de ETF. O denoiser prevê a série original e decompõe essa previsão em uma tendência polinomial, componentes de Fourier selecionados e um resíduo. Um objetivo combinado…

Aprendizado de máquinaVolatilidadeEstatísticaMultiativos
Machine Learning for Trading

Este notebook relaciona o dimensionamento de posições à análise das excursões adversas e favoráveis máximas. Ele demonstra o dimensionamento fracionário fixo, no qual a quantidade de ações é determinada pelo orçamento de risco por operação e pela distância…

Dimensionamento de posiçãoGestão de riscoVolatilidadeBacktesting
Machine Learning for Trading

O documento deriva preços de opções europeias de compra e venda pelo modelo Black-Scholes, verifica sua relação pela paridade entre opções de compra e venda e calcula a volatilidade implícita resolvendo numericamente a volatilidade que corresponde a um preço…

OpçõesPrecificação de derivativosVolatilidadeGestão de risco
Machine Learning for Trading

Este módulo de engenharia de atributos prepara dados diários de preços para modelos sistemáticos de carteiras macro. Ele cria retornos em diferentes horizontes ajustados pela volatilidade estimada, vários sinais MACD em múltiplas escalas e escores z móveis…

MultiativosMomentumSeguir tendênciasVolatilidade
Machine Learning for Trading

Este tutorial apresenta features criadas a partir de históricos de preços e volumes de ativos, incluindo retornos em diferentes horizontes, medidas de tendência e reversão, vários estimadores de volatilidade, regimes de volatilidade, liquidez, risco de cauda…

Indicadores técnicosMomentumVolatilidadeAprendizado de máquina
Machine Learning for Trading

Este notebook explica três formas de transformar dados do NASDAQ-100 em frequência de minutos em features baseadas em modelos: uma regressão HAR móvel para previsões de variância e erros de previsão, uma transformada de Fourier para padrões recentes de…

AçõesVolatilidadeMicroestrutura de mercadoEstatística
Machine Learning for Trading

Este módulo estima parâmetros para mercados cripto simulados usados em ambientes de aprendizado por reforço. Ele carrega dados horários de mercados perpétuos para um símbolo selecionado, calcula retornos logarítmicos entre fechamentos e ajusta um modelo de…

CriptoFuturos perpétuosVolatilidadeMicroestrutura de mercado
Machine Learning for Trading

Este documento descreve um ambiente Gymnasium para treinar um agente a liquidar uma posição em um horizonte fixo. A observação combina o estoque e o tempo restantes com spread, profundidade de mercado, volatilidade e um regime normal ou estressado. Uma ação…

Aprendizado de máquinaExecuçãoMicroestrutura de mercadoVolatilidade
Machine Learning for Trading

Esta configuração especifica um conjunto histórico de dados macroeconômicos de FRED para filtragem de regimes e análise entre ativos. Ela organiza séries por frequência diária, semanal, mensal e trimestral, incluindo rendimentos do Tesouro, a taxa dos fundos…

MultiativosRenda fixaVolatilidadeEstatística
Machine Learning for Trading

Este notebook usa a excursão máxima favorável (MFE) e a excursão máxima adversa (MAE) para fundamentar as larguras dos rótulos de barreira tripla em trajetórias de preços observadas. Para uma posição aberta no fechamento de uma barra, ele mede o melhor…

AçõesFuturosCriptoVolatilidade
Machine Learning for Trading

O documento explica como a incerteza de um modelo pode fornecer informações além de sua estimativa pontual. Ele contrasta GARCH, que define a volatilidade a partir de retornos passados, com um modelo de volatilidade estocástica que trata a volatilidade como…

VolatilidadeEstatísticaAprendizado de máquinaGestão de risco
Machine Learning for Trading

Este notebook explica como transformar modelos ajustados GJR-GARCH e de Markov oculto em características de trading, controlando o viés de antecipação. GJR-GARCH estima a volatilidade condicional e captura o impacto maior dos choques negativos de retorno; um…

CriptoFuturos perpétuosVolatilidadeAprendizado de máquina
Machine Learning for Trading

Este notebook apresenta um fluxo de trabalho para decidir como modelar séries temporais financeiras. Começa com gráficos de preços e retornos de SPY, níveis de VIX e distribuição de retornos para identificar níveis errantes, movimentos agrupados e caudas…

EstatísticaVolatilidadeIndicadores técnicosAções
Machine Learning for Trading

Este estudo de atributos ETF constrói três entradas derivadas de modelos: um modelo oculto de Markov (HMM) que estima o regime de mercado, preços diferenciados fracionariamente para fundos de referência e volatilidade condicional GARCH(1,1) por ETF. Ele…

AçõesVolatilidadeAprendizado de máquinaEstatística
Machine Learning for Trading

Este notebook compara DQN, PPO e A2C em um ambiente compartilhado de trading simulado, calibrado com retornos horários de futuros perpétuos de Bitcoin. Um modelo GARCH(1,1) fornece agrupamento de volatilidade, enquanto o ambiente cobra pelas mudanças de…

Aprendizado de máquinaCriptoFuturos perpétuosVolatilidade
Machine Learning for Trading

Este notebook compara formas de encerrar operações compradas em ETF: alvos e stops fixos de lucro, stops móveis, barreiras ajustadas por ATR, sinais de aprendizado de máquina e combinações. Constrói indicadores e simulações de operações, depois resume…

AçõesGestão de riscoDimensionamento de posiçãoVolatilidade
Machine Learning for Trading

Este notebook explica como inspecionar um painel fornecido de séries econômicas de FRED e interpretar sua grade de dias corridos, seus metadados e suas colunas derivadas. Como o painel foi achatado em um calendário diário, a contagem de linhas oculta os…

MultiativosRenda fixaVolatilidadeEstatística
Machine Learning for Trading

Este notebook trata previsões ARIMA como colunas de entrada para modelos posteriores, em vez de previsões independentes. Ajusta modelos aos retornos de ETF, usa verificações de estacionariedade e diagnósticos de autocorrelação para propor ordens e compara…

AçõesAprendizado de máquinaEstatísticaBacktesting
Machine Learning for Trading

O documento explica duas formas de estimar spreads bid-ask quando só há dados diários OHLCV. Corwin-Schultz compara amplitudes entre máxima e mínima em intervalos adjacentes de um e dois dias, usando o comportamento diferente da volatilidade e do spread para…

Microestrutura de mercadoEstatísticaExecuçãoVolatilidade
Machine Learning for Trading

Este notebook apresenta um fluxo para caracterizar séries de mercado antes da modelagem. Começa com gráficos de preços e retornos de SPY, níveis de VIX e distribuição dos retornos para identificar tendências, agrupamento de volatilidade e caudas pesadas. Em…

AçõesEstatísticaVolatilidadeGestão de risco
Machine Learning for Trading

Este notebook usa retornos diários de SPY para explicar a análise no domínio da frequência e seus limites como fonte de recursos para trading. Uma decomposição wavelet separa a variação em bandas de escalas temporais progressivamente mais lentas, enquanto…

AçõesEstatísticaVolatilidadeIndicadores técnicos
Machine Learning for Trading

Este notebook explica como a incerteza do modelo pode acrescentar informações além de uma estimativa pontual. Ajusta um modelo de volatilidade estocástica em que a volatilidade logarítmica latente evolui ao longo do tempo e os retornos seguem uma…

VolatilidadeAprendizado de máquinaEstatísticaGestão de risco
Machine Learning for Trading

Esta análise exploratória apresenta contratos e cadeias de opções e, em seguida, traça o perfil de uma amostra de 2020 de opções do S&P 500 em oito ativos subjacentes. Explica moneyness, valor intrínseco e temporal, volatilidade implícita, gregas e como…

OpçõesAçõesVolatilidadePrecificação de derivativos