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.
199 documentos
Esta aula usa modelos de fatores para explicar retornos de carteira e quantificar a exposição a fontes sistemáticas de risco. Ela descreve a regressão dos retornos ativos, medidos em relação a um benchmark, sobre os retornos dos fatores, seguida pelo uso das…
O documento apresenta modelos lineares de fatores que explicam os retornos de um ativo por meio de exposições a fluxos de retorno de fatores fundamentais. Ele descreve duas formas de tornar comparáveis as características das empresas: construir carteiras…
O documento explica como um fator estocástico de desconto (SDF) estima um núcleo de precificação que deve precificar todos os ativos, em vez de estimar fatores comuns de retorno. Ele descreve o treinamento adversarial: uma rede propõe o fator de desconto,…
Este notebook usa Optuna para ajustar XGBoost, LightGBM e CatBoost em um conjunto de dados de características de empresas dividido por período. A busca de cada biblioteca trata a função de perda — erro quadrático médio ou erro absoluto médio — como…
Esta referência descreve conjuntos acadêmicos de dados de retornos de fatores da biblioteca Fama-French e da AQR para análise de estratégias e modelagem de fatores. As ofertas da Fama-French incluem séries de mercado, tamanho, valor, rentabilidade,…
Este notebook explica PCA como um modelo de fatores latentes de referência para prever retornos de ETF. Ele decompõe um painel de treinamento de retornos futuros em direções principais e estima a exposição de cada fundo e os prêmios dos fatores. O estimador…
Este notebook explica como um autoencoder condicional amplia a análise de componentes principais instrumentada (IPCA): mantém a estrutura em duas etapas, na qual as features dos fundos são mapeadas para exposições a fatores latentes e essas exposições se…
Este notebook mapeia uma família de modelos de retorno de ETF que inferem direções latentes comuns em um painel, com características usadas para estimar exposições dos fundos. Ele distingue cinco abordagens: componentes principais incondicionais; PCA…
Este notebook mostra por que pesquisar muitos sinais ou estratégias faz o melhor resultado observado parecer mais forte do que seu valor preditivo real. Uma simulação usa fatores sem informação verdadeira para ilustrar como selecionar o maior coeficiente de…
Este notebook explica como transformar um painel divulgado de características de empresas dos US, classificadas no corte transversal, em uma matriz de características indexada para um estudo de fatores. Ele agrupa as entradas em famílias declaradas, combina…
O documento descreve como um pipeline de pesquisa de trading avalia se os ajustes de modelos de fatores latentes foram concluídos em um estado utilizável. Para modelos treinados por gradiente descendente, verifica se o objetivo de treinamento registrado por…
Este notebook descreve um modelo de fator de desconto estocástico (SDF) para precificar o corte transversal de retornos de empresas dos US. Em vez de primeiro estimar fatores e depois aplicá-los, ele aprende diretamente pesos empresa-mês sob uma condição de…
Este notebook avalia quatro sinais derivados de notícias — surpresa ponderada, sentimento médio, mudança de sentimento e cobertura de artigos — em relação a retornos futuros de ações. Ele calcula um coeficiente de informação de Spearman transversal diário,…
Esta análise compara previsões de várias famílias de modelos treinadas com características mensais de ações dos EUA US para prever retornos do mês seguinte. Ela se concentra no coeficiente de informação transversal, que mede o desempenho de um modelo ao…
Este notebook reúne cinco abordagens de fatores latentes para modelar a seção transversal dos retornos de ações no estudo de caso de opções do S&P 500. PCA estima movimentos comuns apenas a partir dos retornos; IPCA mapeia características em exposições de…
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 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 notebook explica como decompor retornos e risco de ETF usando regressões de fatores CAPM e Fama–French. Ele estima exposições na amostra completa com erros-padrão robustos à heterocedasticidade e à autocorrelação, acompanha betas variáveis com janelas…
Este documento explica um modelo fatorial de autoencoder supervisionado para prever retornos de ações em um contexto de pesquisa analítica de opções sobre ações. Diferentemente de PCA, IPCA e de um autoencoder condicional não supervisionado, seu objetivo de…
Este notebook estuda modelos lineares de previsão para um corte transversal de produtos futuros CME, usando colunas de características agrupadas em famílias relacionadas, como carry, momentum, volatilidade e medidas móveis de risco. Como as colunas de uma…
Este notebook apresenta um autoencoder condicional para retornos de ações, no qual uma rede neural mapeia características das ações em cargas fatoriais não lineares, enquanto outra rede extrai fatores latentes contemporâneos dos retornos de carteiras geridas…
Este notebook examina se fatores de investimento publicados oferecem prêmios de retorno confiáveis e diversificam uns aos outros. Usa séries de longo histórico e de várias classes de ativos da AQR, além de fatores de ações de Fama-French, com estatísticas…
Este notebook implementa uma adaptação didática diária de um modelo adversarial de fator de desconto estocástico. Uma rede de pesos de carteira constrói um fator a partir de retornos excedentes do dia seguinte, usando características e estado do mercado…
Este notebook executa uma estratégia fixa de características de ações em um período de holdout reservado, usando previsões e um alocador de carteira selecionados anteriormente. Mantém inalterados a configuração, o dimensionamento das posições, a…