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.
1,391 documentos
Este notebook define e valida rótulos de retorno mensal para um estudo transversal de características de empresas US. Verifica como o provedor de dados associa as características de cada linha ao resultado de retorno, ressaltando que o painel já está…
Este notebook explica como avaliar modelos financeiros sem deixar que informações indisponíveis na data da decisão vazem para o treinamento ou a seleção do modelo. Distingue conjuntos de treinamento, validação e teste final e mostra por que a validação…
Este notebook compara quatro formas de descobrir relações em um painel de retornos de ETF: NOTEARS para DAGs lineares contemporâneos, VAR-LiNGAM para estruturas defasadas e instantâneas, PCMCI para testes de independência condicional e testes de Granger como…
Este notebook estuda como a regularização Ridge afeta o desempenho do coeficiente de informação (IC) e como a busca de hiperparâmetros pode enviesar os resultados de validação reportados. Primeiro, avalia uma ampla grade de valores alfa com divisões…
Este notebook apresenta o Tail-GAN, uma abordagem adversarial generativa criada para reproduzir o risco de cauda de cenários financeiros, especialmente o valor em risco (VaR) e o expected shortfall (ES). Usa ordenação diferenciável para que medidas de risco…
Este notebook examina como combinar várias previsões probabilísticas. Apresenta a média simples como referência e explica a extremização de Neyman, que afasta a média do painel da taxa-base conforme o número de previsores e uma correlação par a par…
Esta visão geral explica uma família de modelos para prever retornos a partir de características de empresas. Em vez de tratar cada característica como preditora direta de retornos, os modelos presumem que os retornos são determinados por um pequeno conjunto…
Este documento apresenta um modelo didático de espaço de estados seletivo no estilo Mamba para prever retornos de ETF a partir de sequências de variáveis de momentum. Diferentemente da atenção e da mistura temporal densa, um modelo de espaço de estados…
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 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 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 notebook analisa uma carteira de ETFs de ações com regressões de fatores CAPM e Fama-French e amplia a análise para exposições móveis, atribuição de retornos e dependência residual. Ele usa retornos diários e dados de fatores alinhados, estima a…
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 documento descreve um processo para comparar desempenhos de forma pareada entre etapas de seleção de estratégias. Ele compara seleções de sinais com referências de pesos iguais, seleções de holdout com as de validação e transições entre etapas de…
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…
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…