Zum Inhalt springen

Wissensbibliothek

Zusammenfassungen und Kernaussagen zu den Büchern, Aufsätzen, Artikeln und zum Code, den unsere KI-Agenten lesen – verfasst vom Research-Agenten von Stratmill. Jede Seite verlinkt auf das Original.

Bibliothek durchsuchen

240 Dokumente

Machine Learning for Trading

Dieses Notebook misst, wie sich die Sharpe-Kennzahl der Validierung für S&P-500-Optionsstraddles am Geld bei angenommenen Ausführungskosten und zwei Optionsuniversen verändert. Es gibt die Spread-Kosten als Anteil des notierten halben Optionsspreads an, da…

OptionenUS-MärkteBacktestingOrderausführung
Machine Learning for Trading

Dieses Notebook erklärt, wie sich bewerten lässt, ob Strategien auf einem US-Aktienpanel Trading-Kosten standhalten. Es fixiert anhand der Validierungs-Sharpe eine Konfiguration pro Label und bewertet dann dieselbe Strategie zu festgelegten Kostenniveaus…

AktienBacktestingOrderausführungRisikomanagement
Machine Learning for Trading

Dieses Dokument erklärt, wie sich der Lebenszyklus einer Live-Order als endliche Menge von Zuständen und gültigen, ereignisgesteuerten Übergängen darstellen lässt. Es behandelt Übermittlung, Brokerbestätigung, Annahme durch die Börse, teilweise und…

OrderausführungMarktmikrostrukturRisikomanagement
Machine Learning for Trading

Dieses Notebook zeigt, wie sich Bruttorenditen unter expliziten Annahmen zu Trading, Finanzierung und Fondskosten in eine Nettoperformance umrechnen lassen. Das Kostenmodell umfasst Spread und Marktauswirkung, Provisionen und Börsengebühren, Margin-Zinsen,…

AktienOrderausführungBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook vergleicht Behavior Cloning mit invers verstärkendem Lernen (IRL), um aus Ausführungsdatensätzen zu lernen. Die Demonstrationen stammen aus einem TWAP-Zeitplan mit bekanntem risikoneutralem Ziel: Trades gleichmäßig zu verteilen, um die…

OrderausführungMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Das Notebook stellt das Almgren–Chriss-Framework für die zeitliche Planung einer großen Liquidation vor. Es misst den Implementation Shortfall gegenüber dem Ankunftspreis und modelliert zwei konkurrierende Kosten: Marktauswirkung, die mit der…

OrderausführungMarktmikrostrukturRisikomanagementStatistik
Machine Learning for Trading

Dieses Notebook führt durch die Bereitstellung eines täglichen FX-Paarmodells, bei dem Interactive Brokers sowohl als Live-Datenquelle als auch als Ausführungsplatz dient. Es trainiert ein Ridge-Regressionsmodell auf einem historischen Panel, berechnet eine…

DevisenhandelMaschinelles LernenOrderausführungRisikomanagement
Machine Learning for Trading

Diese Studie bewertet führende Kombinationen aus ETF-Allokation und Risikokontrolle anhand zweier Kostenraster neu, während jede registrierte Strategiekonfiguration unverändert bleibt. Ein Raster verwendet Basispunkte pro Trade; das andere die festgelegte…

BacktestingOrderausführungPortfolio-KonstruktionRisikomanagement
Machine Learning for Trading

Dieses Notebook untersucht erhaltene Ergebnisse einer Prüfung realer Strategien, bei der die LEAN-Engine mit entsprechenden ML4T-Backtestprofilen verglichen wird. Es ermittelt, welche Workloads der Anlageklassen durch die eingefrorenen Eingaben unterstützt…

BacktestingOrderausführungAktienFutures
Machine Learning for Trading

Das Notebook vergleicht zwei Möglichkeiten, einen großen Aktienauftrag über eine Handelssitzung in kleinere Aufträge aufzuteilen. TWAP sendet in jedem Zeitintervall ungefähr gleiche Mengen und benötigt keine Marktprognose. VWAP teilt die Aktien anhand eines…

AktienOrderausführungMarktmikrostrukturBacktesting
Machine Learning for Trading

Dieses Notebook prüft, ob Portfolioaufbau eine Strategie mit Trades in jedem NASDAQ-100-Balken retten kann, deren Ergebnis durch Kosten zunichtegemacht wird. Es wählt anhand des festgelegten Auswahluniversums führende Baseline-Prognosen aus und führt…

AktienPortfolio-KonstruktionPositionsgrößenbestimmungOrderausführung
Machine Learning for Trading

Dieses Kapitel beschreibt einen Weg von der Forschung zur Live-Ausführung, bei dem dieselbe Strategielogik im Backtest, im Paper Trading und im Live-Trading laufen kann. Es behandelt Broker- und Plattformintegrationen, Bereitstellungsschleifen, Prüfungen auf…

OrderausführungRisikomanagementBacktestingMarktmikrostruktur
Machine Learning for Trading

Dieses Notebook implementiert eine ausschließlich long ausgerichtete RSI-Mean-Reversion-Regel für unbefristete BTC/USDT-Kontrakte auf Basis eines ereignisgesteuerten Backtesting-Systems. Es fasst untertägige Beobachtungen zu täglichen UTC-Balken zusammen,…

KryptoPerpetual FuturesRückkehr zum MittelwertTechnische Indikatoren
Machine Learning for Trading

Dieses Dokument erläutert, wie TWAP und VWAP eine große Parent-Order über eine Handelssitzung in Child-Orders aufteilen. TWAP teilt jedem Zeitintervall gleich große Anteile zu; VWAP weist Anteile proportional zu einer Prognose des Intervallvolumens zu. Das…

OrderausführungMarktmikrostrukturBacktestingAktien
Machine Learning for Trading

Diese Machbarkeitsanalyse prüft, ob Kursnotierungen eine marktneutrale Querschnittsstrategie unterstützen können, die NASDAQ-100-Bestandteile im Fünfzehn-Minuten-Takt einordnet und Positionen an beiden Enden der Rangliste hält. Sie prüft, ob genügend…

AktienMarktmikrostrukturOrderausführungBacktesting
Machine Learning for Trading

Das Notebook untersucht, ob Orderbuchaktivität kurzfristige Renditen für NVDA vorhersagt. Es erstellt ein nach Distanz gewichtetes Maß für den Orderbuchdruck anhand von Hinzufügungen, Stornierungen und Ausführungen auf Market-by-Order-Ebene und glättet dann…

AktienMarktmikrostrukturOrderausführungStatistik
Machine Learning for Trading

Dieses Notebook zeigt, wie sich eine gemeinsame ETF-Momentumstrategie-Schnittstelle mit Alpaca verbinden lässt. Standardmäßig steht ein simulierter Offlinepfad zur Verfügung. Broker- und Marktdatenadapter können ausgetauscht werden, während Strategie,…

AktienMomentumOrderausführungRisikomanagement
Machine Learning for Trading

Dieses Notebook vergleicht Brutto- und Netto-Sharpe-Ratios über Kostenraster von Strategie-Backtests aus Fallstudien hinweg. Für jede eingesetzte Strategiekonfiguration liest es angenommene Kosten pro Orderseite und Rebalancing-Rhythmus aus gespeicherten…

BacktestingRisikomanagementOrderausführungStatistik
Machine Learning for Trading

Dieses Notebook misst, wie sich die Validierungsperformance einer ausgewählten US-Unternehmensmerkmalsstrategie bei unterschiedlichen angenommenen Kommissionen und Slippage verändert. Es führt dieselbe Konfiguration über ein festgelegtes Kostenraster erneut…

AktienBacktestingOrderausführungRisikomanagement
Machine Learning for Trading

Diese Konfiguration beschreibt eine Intraday-Studie zu Order-Flow-Signalen in einem zeitpunktbezogenen NASDAQ-100-Universum. Sie definiert anhand von Liquiditätsdaten, die vor jedem Auswertungszeitraum verfügbar sind, eine nach Kosten gefilterte Teilmenge.…

AktienUS-MärkteMarktmikrostrukturMaschinelles Lernen
Machine Learning for Trading

Dieses Notebook erläutert, wie eine Volumenbeteiligungsgrenze die Menge einer übergeordneten Order beschränkt, die in jedem Marktintervall ausgeführt werden kann. Ein Broker berechnet den zulässigen Teil anhand des beobachteten Handelsvolumens und überträgt…

OrderausführungMarktmikrostrukturRisikomanagementAktien
Machine Learning for Trading

Dieses Notebook demonstriert die Bewertung einzelner Faktoren anhand realer ETF-Daten und eines aus Kursen abgeleiteten Momentum-Beispiels. Es misst querschnittliche Spearman-Informationskoeffizienten gegenüber zukünftigen Renditen, vergleicht Horizonte und…

AktienMomentumStatistikBacktesting
Machine Learning for Trading

Dieses Notebook erläutert die Konstruktion von Labels für zukünftige Intraday-Renditen bei NASDAQ-100-Aktien anhand von Minutenbalken und NBBO-Quotes. Es definiert Renditen vom nächsten Balken nach einem Signal bis zu einem festgelegten späteren Zeitpunkt,…

AktienMarktmikrostrukturOrderausführungStatistik
Machine Learning for Trading

Diese Konfiguration beschreibt eine Studie zum wöchentlichen Verkauf von Straddles am Geld für Bestandteile des S&P 500. Positionen werden am Freitag eröffnet und bis zum Verfall gehalten; tägliche Aktien-Hedges werden durch Änderungen des Options-Deltas…

OptionenVolatilitätRisikomanagementBacktesting