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

161 documentos

Machine Learning for Trading

O documento mostra como transformar relatórios semanais de Compromissos dos Traders em características de posicionamento de futuros. Ele explica as categorias de traders nos formatos de futuros financeiros e de commodities desagregadas, e por que os grupos…

FuturosCommoditiesSentimentoIndicadores técnicos
Machine Learning for Trading

Este documento apresenta um sistema de dados compartilhado para pesquisa quantitativa em trading, catalogando conjuntos de dados de ações, opções, futuros, criptomoedas, câmbio, fatores, macroeconomia, documentos regulatórios, posicionamento, notícias e…

MultiativosAçõesFuturosCripto
Machine Learning for Trading

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…

FuturosGestão de riscoBacktestingCarry
Machine Learning for Trading

Este notebook cria atributos baseados em regras para uma seção transversal de futuros de CME, com foco no carry decorrente do spread entre contratos de vencimentos próximos. Também constrói atributos de momentum, volatilidade, formato da curva e calendário.…

FuturosCommoditiesCarryMomentum
Machine Learning for Trading

Este notebook define alvos de retornos futuros para uma estratégia de futuros em corte transversal que ordena produtos pela estrutura a termo, comprando aqueles com carry mais forte e vendendo os de carry mais fraco. Distingue preços ajustados por rolagem,…

FuturosCommoditiesCarryEstatística
Machine Learning for Trading

Este documento descreve um backtest fixo fora da amostra para uma estratégia selecionada de futuros CME. A configuração, as previsões, o alocador, a frequência de rebalanceamento, a concentração e as hipóteses de custos de transação vêm de etapas anteriores…

FuturosBacktestingEstatísticaGestão de risco
Machine Learning for Trading

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…

FuturosAprendizado de máquinaInvestimento em fatoresEstatística
Machine Learning for Trading

Este notebook exploratório analisa dados horários de futuros CME em diferentes produtos e classes de ativos, usando o E-mini S&P 500 como exemplo. Explica a hierarquia entre produto, contrato com vencimento e série contínua, resume períodos de cobertura e…

FuturosEstatísticaBacktestingMicroestrutura de mercado
Machine Learning for Trading

Este notebook explica como as especificações dos contratos futuros afetam a contabilização do backtest. Mostra como o multiplicador do contrato converte variações de preço em lucro ou prejuízo em dólares, como preço vezes multiplicador determina o valor…

FuturosCommoditiesMomentumDimensionamento de posição
Machine Learning for Trading

Este registro de auditoria define como várias estruturas de backtesting são comparadas com ML4T em estudos de caso com estratégias reais e uma operação sintética de estresse. Especifica regras de comparação para execuções ordenadas, horários, valores…

BacktestingExecuçãoMicroestrutura de mercadoFuturos
Machine Learning for Trading

Este notebook apresenta comparações de correção e tempo de execução entre VectorBT Pro e VectorBT OSS e ML4T em estratégias de estudos de caso compatíveis. Abrange alocação de ETF, câmbio cotado em USD e um painel de ações dos US para as duas edições; o…

BacktestingExecuçãoFuturosCâmbio
Machine Learning for Trading

Este notebook avalia configurações sequenciais de LSTM e NLinear em produtos futuros da CME. Modelos sequenciais consomem janelas ordenadas de observações para testar se a trajetória recente contém informações além de atributos-resumo projetados. O LSTM…

FuturosAprendizado de máquinaBacktestingEstatística
Machine Learning for Trading

Esta análise explica como interpretar coeficientes de informação para um catálogo de modelos de previsão de futuros CME. Define o IC de cada data como a correlação de postos entre retornos previstos e realizados dos produtos e, em seguida, calcula a média…

FuturosEstatísticaAprendizado de máquinaBacktesting
Machine Learning for Trading

Este notebook transforma o carry de futuros — a diferença de preço entre vencimentos próximos — em características baseadas em modelos. Descreve previsões ARIMA de uma etapa por produto, medidas móveis de Fourier da intensidade dos ciclos sazonais e um…

FuturosCarryAprendizado de máquinaEstatística
Machine Learning for Trading

Este notebook explica uma referência de componentes principais para prever retornos de futuros CME. O PCA é ajustado ao painel de retornos dos produtos no fold de treinamento, de modo que seus componentes representem direções de comovimento entre contratos,…

FuturosInvestimento em fatoresEstatísticaBacktesting
Machine Learning for Trading

Esta análise explica como os dados de futuros CME são organizados em produtos, contratos com vencimento e séries contínuas roladas por volume. Ela usa dados do E-mini S&P 500 para mostrar que os contratos individuais têm janelas de negociação limitadas que…

FuturosCommoditiesMultiativosBacktesting
Machine Learning for Trading

Este notebook de engenharia de atributos cria variáveis que exigem informações além do histórico de preços de um único ativo. Para contratos futuros, calcula o rendimento anualizado de rolagem com base nos níveis contemporâneos dos contratos próximos e…

FuturosOpçõesCarryVolatilidade
Machine Learning for Trading

Este estudo de futuros da CME varia a capacidade das árvores de gradient boosting e a função de perda, registrando previsões em vários pontos de verificação do treinamento. O número de folhas controla o grau de detalhamento com que um modelo divide o espaço…

FuturosAprendizado de máquinaEstatísticaBacktesting
Machine Learning for Trading

Este notebook apresenta uma auditoria atual que compara VectorBT Pro e VectorBT OSS com ML4T em cargas de estratégias com dados reais compatíveis. As duas edições do VectorBT participam de alocação de ETF, alocação cambial cotada em USD e um painel de ações…

MultiativosAçõesFuturosCâmbio
Machine Learning for Trading

Esta auditoria compara Backtrader e Zipline com ML4T em casos reais de estratégia, usando somente combinações de ativos e contratos que cada mecanismo e o pacote de dados congelado conseguem representar nativamente. Abrange alocação de ETF e um painel de…

BacktestingExecuçãoFuturosCâmbio
Machine Learning for Trading

Este notebook transforma dados horários de futuros contínuos em barras diárias OHLCV, alinhadas às sessões Globex da CME. Ele atribui os horários à sessão que termina às 4 PM, horário Central, de modo que as negociações de domingo à noite pertençam à…

FuturosBacktestingMicroestrutura de mercado