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 documento descreve um autoencoder condicional que modela as exposições das empresas a fatores latentes de retorno como uma função não linear das características das empresas. Como IPCA, ele estima uma estrutura de fatores na qual os retornos previstos…
Este documento explica uma rede neural TabM para classificar ETFs a partir de características tabulares. Seu bloco compartilhado de duas camadas alimenta vários membros, cada qual com um vetor de escala aprendido e uma camada de saída; a média das previsões…
Esta visão geral de capítulo explica como árvores com gradient boosting ampliam árvores de decisão e florestas aleatórias para previsões financeiras tabulares. O boosting adiciona modelos sequencialmente para corrigir erros anteriores, ajudando a capturar…
Este documento descreve um conjunto de dados mensal de ações dos US criado para pesquisa de aprendizado de máquina em precificação de ativos. Ele contém 94 características de empresas transformadas em postos, incluindo medidas contábeis e variáveis técnicas,…
Este notebook avalia controles de segurança para um sistema financeiro de perguntas e respostas sobre documentos, usando seis casos escritos manualmente. Os casos representam injeção indireta de prompt, dados fabricados em material não confiável, tentativas…
Este notebook apresenta um painel publicado para pesquisa de aprendizado de máquina sobre ações dos US. Ele contém observações mensais com 46 características de empresas e retornos excedentes do mês seguinte, cobrindo várias décadas. As características são…
Este capítulo explica como construir e usar grafos de conhecimento financeiro quando as perguntas dependem de relações como propriedade, cadeias de suprimentos ou contágio. Ele aborda identidade de entidades, esquemas de relações tipadas, proveniência e…
Este notebook compara dois modelos Transformer para prever retornos de 21 de ETF dias a partir de oito variáveis de momentum passado. O PatchTST agrupa dias consecutivos em blocos, reduzindo o número de tokens de atenção e incorporando padrões temporais…
Este documento explica a diferenciação fracionária como forma de tornar uma série de preços mais estacionária, preservando parte das informações sobre seu nível. Ele deriva os pesos das defasagens da expansão binomial de uma diferença fracionária e mostra…
Este notebook compara erro quadrático, erro absoluto e perda de Huber em modelos de boosting de gradiente que preveem retornos de straddles vendidos no preço de exercício. O ganho do alvo é limitado, enquanto as perdas podem ser severas; por isso, a perda de…
Este notebook explica um modelo de fator de desconto estocástico (SDF) para precificar a seção transversal dos retornos de empresas dos US. Ele aprende pesos que fazem os retornos dos ativos descontados satisfazerem condições de momento sem arbitragem, em…
Esta implementação descreve um modelo neural de fator de desconto estocástico e uma rede adversarial de momentos para testar relações de precificação de ativos. A rede SDF mapeia características dos ativos, opcionalmente combinadas com uma representação de…
Este adaptador de modelo aplica o PatchTST, uma arquitetura Transformer para previsão de séries temporais de longo horizonte, à regressão escalar. Ele aceita sequências organizadas por tempo e característica, reorganiza-as para a estrutura principal e reduz…
O documento descreve um estudo de ablação sobre se embeddings de grafo aprendidos melhoram as previsões de retornos de ações em relação a características tabulares comuns. Ele constrói uma rede a partir de correlações históricas entre retornos de ações, cria…
Este notebook compara bagging com Random Forest a XGBoost, LightGBM e CatBoost na previsão de retornos de ações com características anonimizadas de empresas. Usa divisões temporais predefinidas para treinamento, validação e teste; mede como métrica principal…
Este notebook formula a execução de uma ordem principal como um problema de controle com horizonte finito. Um agente de Q-learning tabular escolhe um multiplicador para uma taxa de negociação baseada em VWAP, usando o tempo restante, o estoque restante e os…
O notebook trata cada janela de retornos como uma distribuição empírica e agrupa as janelas segundo a distância de Wasserstein unidimensional. Para amostras do mesmo tamanho, a ordenação produz a correspondência ótima entre quantis; assim, a distância…
Esta visão geral do capítulo mapeia as etapas de pesquisa entre dados de mercado validados e a avaliação do modelo. Ela aborda o pré-processamento consciente das divisões, decisões de codificação e dados ausentes, e a construção de alvos coerente com a…
Este notebook explica um modelo didático e seletivo de espaço de estados baseado no Mamba e o avalia para previsão de retornos de ETF. Diferentemente de um modelo de espaço de estados com parâmetros fixos, ele deriva do dado de entrada atual o termo de…
Este utilitário cria uma matriz booleana de adjacência entre ativos a partir dos rótulos dos grupos de ativos e de conexões opcionais entre grupos. Ativos atribuídos ao mesmo grupo macro são conectados entre si, e cada conexão fornecida entre grupos conecta…
Este notebook cria um pipeline de recuperação de informações a partir de trechos de arquivos corporativos 10-K. Ele carrega um conjunto estável de arquivos, divide o texto em janelas de frases, cria embeddings locais e indexa os trechos em um banco de dados…
Esta nota de configuração explica por que uma regressão logística penalizada com L1 e três classes usa SAGA com uma tolerância explicitamente mais rigorosa. Ela compara SAGA com liblinear em um painel de previsão de microestrutura do Nasdaq 100, informando…
Este notebook apresenta assinaturas de caminho como características de comprimento fixo que preservam a ordem e a geometria conjunta das observações em uma janela de série temporal. O primeiro nível registra a variação total de cada coordenada; o segundo…
Este notebook descreve uma análise de double machine learning com janela expansiva para avaliar se o momentum de 12 a -2 meses prevê os retornos de empresas US no mês seguinte, controlando por Beta, IdioVol, LME e Variance. Os modelos auxiliares são…