Paper para o SSRN em preparação
Um artigo completo desta revisão de doze estudos está sendo preparado para o SSRN. Os estudos e resultados abaixo estão completos.
Revisão de pesquisa · López de Prado
López de Prado, Reprodução & Revisão
Uma reprodução do zero e uma extensão em larga escala dos métodos de Marcos López de Prado em cripto, ações dos EUA e forex, cada afirmação empírica filtrada pelo Deflated Sharpe Ratio
Este é um programa de reprodução e extensão construído do zero em torno dos métodos de Marcos López de Prado em Advances in Financial Machine Learning e nos artigos relacionados, barras orientadas por informação, diferenciação fracionária, rotulagem financeira e validação cruzada, ensembles e importância de variáveis, construção de portfólio, fatores causais, variáveis preditivas e dimensionamento de apostas. Cada estudo reproduz a afirmação original em um benchmark controlado e então a re-executa em larga escala sobre dados reais, com custos completos e sem look-ahead, abrangendo cripto, ações dos EUA e forex, com cada conclusão empírica filtrada pelo Deflated Sharpe Ratio.
O fio condutor honesto é simples: quase nada supera a significância deflacionada em lugar algum , o que é precisamente a tese de López de Prado, enquanto várias de suas afirmações metodológicas se reproduzem de forma limpa: o relógio de atividade de fato afina as caudas, a diferenciação fracionária de fato preserva a memória, o bagging de fato generaliza onde o boosting não, e um confundidor de fato pode fabricar um fator do nada. Estes são resultados metodológicos, não resultados financeiros, e são enquadrados assim em todo o trabalho.
A revisão, em números
Código & dados
github.com/DaruFinance/lopez-de-prado-work-review
12 estudos · 3 classes de ativos
Cada afirmação deflacionada
dados reais, com custos completos e sem look-ahead
Os estudos
Organização de Meta-Estratégia
O modelo de linha de montagem, papéis de pesquisa especializados e separáveis, mais a divulgação obrigatória de cada tentativa, como o antídoto estrutural para a busca por backtest do quant solitário.
Sobreajuste de Backtest & o Deflated Sharpe Ratio
Em ~92.500 estratégias reais em cripto, ações e forex, a melhor não supera sua hipótese nula de testes múltiplos em nenhum mercado.
Barras Orientadas por Informação
Barras de dólar / volume / tick gaussianizam os retornos nos três mercados, dependente da granularidade, e ações exigem tratamento de sessão.
Diferenciação Fracionária
A diferenciação fracionária de largura fixa mantém correlação de ~0,98 com o nível de preço, contra ~0,01 dos retornos simples.
Rotulagem & Validação Cruzada
O vazamento no k-fold escala com a razão entre o horizonte do rótulo e o tamanho do fold; o meta-labeling é um filtro de precisão, não alfa.
Variáveis Preditivas
Variáveis de quebra estrutural / entropia / microestrutura carregam sinal fraco que não sobrevive a custos + deflação; um proxy barato iguala dados caros de fluxo de ordens.
Ensembles & Importância de Variáveis
O bagging generaliza ~4,8× melhor que o boosting em 100% dos 40 instrumentos; o MDI tem viés de substituição, o MDA não.
Regras de Negociação & Dimensionamento de Apostas
O dimensionamento de apostas reduz o giro em 80–87%, mas não acrescenta edge deflacionado; o controle de drawdown Triple-Penance AR(1) é o ganho validado.
Construção de Portfólio: HRP, NCO & Denoising
HRP / NCO superam o Markowitz bruto na variância fora da amostra; o valor do denoising é função de q = T/N.
Investimento em Fatores Causais
Um confundidor faz um fator nulo parecer significativo 100% das vezes; o ajuste de backdoor corrige isso, e poucos fatores reais sobrevivem.
Unicidade de Amostras & Bootstrap Sequencial
Rótulos de triple-barrier sobrepostos tornam as observações não-IID; a ponderação por unicidade e o bootstrap sequencial restauram o tamanho efetivo da amostra antes do treino.
ML Transversal
As árvores superam a deflação no corte transversal onde o ML de série única falha: o lgbm sobrevive ao Deflated Sharpe em 10 de 10 horizontes, o primeiro edge de ML do programa a sobreviver ao DSR, aproximando-se mas sem superar o melhor arquétipo estático.
O tema da disciplina de seleção que percorre este programa é o mesmo por trás de The edge is in the process e do corpo de trabalho mais amplo em Research.

