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
Esta aula apresenta o filtro de Kalman como método para estimar o estado evolutivo de um sistema a partir de um modelo e observações ruidosas. O filtro alterna entre prever o próximo estado e atualizar essa estimativa com novas medições. Modelos de transição…
Esta aula explica por que executar muitos testes estatísticos aumenta a chance de encontrar, por acaso, relações aparentemente significativas. Ela ilustra o problema testando correlações de postos de Spearman entre pares de séries aleatórias independentes.…
Este módulo apresenta verificações pós-treinamento para geradores de séries temporais com base na abordagem de avaliação do TimeGAN. Ele mede a utilidade treinando um preditor recorrente em sequências sintéticas e testando-o em dados reais. Um modo segue a…
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…
Este notebook aplica o TabM, uma abordagem de rede neural tabular, a linhas de previsão de pares de câmbio, sem tratar os dados como uma sequência. Ele usa uma infraestrutura compartilhada de execução para ajustar o pré-processamento dentro de cada partição…
Este notebook descreve uma comparação, somente para leitura, de previsões de validação de várias famílias de modelos em um painel de ações dos US. Primeiro, verifica se cada conjunto de previsões predefinido está completo; depois, avalia a classificação…
Este documento explica como modelos ocultos de Markov inferem regimes de mercado não observados a partir de retornos e volatilidade recente. Primeiro, estabelece dois benchmarks transparentes: um limite de índice de volatilidade para estresse e o preço em…
Este notebook implementa uma previsão univariada dos preços de fechamento diários do SPY usando PyTorch puro, sktime e Darts. Compara a experiência prática de cada interface, incluindo o esforço de implementação, as restrições de instalação e o tempo…
Esta análise compara modelos preditivos, de fatores latentes e causais para uma estratégia transversal com ações do S&P 500, usando retornos futuros semanais. O conjunto de atributos combina medidas de momentum e volatilidade de ações com informações de…
Este notebook analisa um corpus de relatórios anuais antes de indexá-lo para pesquisa financeira. Destaca quatro problemas de dados que a contagem de linhas e as verificações de valores nulos não revelam: o intervalo entre o encerramento do ano fiscal e a…
Este notebook avalia se um LSTM consegue usar a ordenação dos históricos de atributos de ETF para superar modelos lineares de atributos planos e de gradient boosting. Ele compara a população de sequências declarada com os dados atuais, verifica os fundos…
Este notebook explora o ARIMA como gerador de atributos para modelos que podem usar sua saída junto a outros preditores. Explica como gráficos de ACF e PACF podem sugerir ordens do modelo, como critérios de informação podem comparar ordens candidatas nos…
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…
Este estudo de caso descreve a produção de um conjunto de previsões fora da amostra para um modelo de opções do S&P 500 já selecionado. A configuração do holdout é definida com base nos resultados da validação e, depois, ajustada novamente com dados…
Este notebook explica como o aprendizado de máquina duplo (DML) estima se o momentum em FX afeta retornos futuros após o ajuste para fatores de confusão configurados. Distingue essa questão de intervenção da previsão: modelos preditivos são comparados pelo…
Este notebook apresenta diagnósticos leves de falsificação para triagem de features, distinguindo explicitamente a consistência do mecanismo da identificação causal. Primeiro, examina features de ETF em vários horizontes de retornos futuros com correção para…
Este notebook examina rótulos de aprendizado supervisionado usando dados de preços de ETF. Abrange retornos futuros em horizontes fixos para regressão ou classificação de direção, percentis móveis de séries temporais, rótulos de percentis cross-seccionais,…
Este notebook agrega resultados de registro para OLS, Ridge, Lasso e ElasticNet em nove estudos de caso. Seleciona resultados completos de validação no rótulo principal de cada estudo, compara coeficientes de informação de ranking cross-seccionais diários…
Este notebook treina Skip-gram Word2Vec com frases rotuladas de notícias financeiras e explica como seus vetores representam palavras que aparecem em contextos semelhantes. Descreve as funções do tamanho do vetor, da janela de contexto, da frequência mínima,…
Este notebook compara hedges aprendidos e analíticos para uma call europeia vendida quando o rebalanceamento é discreto e o trading tem custos proporcionais. Define o P&L terminal autofinanciado a partir dos ganhos do hedge, dos custos de giro e do payoff da…
Este notebook avalia features de ETF uma a uma, calculando um coeficiente de informação de ranking entre os valores das features e os retornos mensais subsequentes, data a data. Ele faz a triagem de features financeiras e derivadas de modelos em datas de…
Este notebook avalia features candidatas para classificar ações US por retornos subsequentes. Calcula coeficientes de informação cross-seccionais diários, resume a média com estimativas de incerteza que consideram a dependência serial e ajusta a…
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…