Wissensbibliothek

Diese Kapitelübersicht erläutert, wie Gradient-Boosted Trees für Finanzprognosen mit Tabellendaten auf Entscheidungsbäumen und Random Forests aufbauen. Beim Boosting werden Lernende nacheinander hinzugefügt, um frühere Fehler zu korrigieren. So lassen sich…

Dieses Notebook bewertet Sicherheitskontrollen für ein Frage-Antwort-System zu Finanzdokumenten anhand von sechs manuell erstellten Fällen. Die Fälle stellen indirekte Prompt-Injections, erfundene Daten in nicht vertrauenswürdigem Material, versuchte…

Dieses Notebook stellt ein veröffentlichtes Panel für die Machine-Learning-Forschung zu US-Aktien vor. Es enthält monatliche Beobachtungen mit 46 Unternehmensmerkmalen und Überschussrenditen des Folgemonats über mehrere Jahrzehnte. Die Merkmale werden nach…

Dieses Notebook vergleicht zwei Transformer-Architekturen zur Prognose von 21-Tagesrenditen von ETF anhand von acht Momentum-Features aus zurückliegenden Zeiträumen. PatchTST gruppiert aufeinanderfolgende Tage zu Patches, wodurch die Zahl der…

Dieses Notebook analysiert ein Portfolio aus Aktien-ETFs mithilfe von CAPM- und Fama-French-Faktorregressionen und erweitert die Analyse anschließend um rollierende Exposures, Renditeattribution und residuale Abhängigkeiten. Es verwendet abgeglichene…

Dieses Dokument erläutert Fractional Differencing als Methode, eine Kursreihe stationärer zu machen und dabei einen Teil ihrer Niveauinformation zu erhalten. Es leitet die Lag-Gewichte aus der Binomialentwicklung einer fraktionalen Differenz ab und zeigt,…

Dieses Notebook prüft, ob Spot-FX-Daten im Vierstundentakt eine tägliche querschnittliche Strategie unterstützen können, die Währungspaare anhand von Momentum und Carry einordnet, die stärksten kauft und die schwächsten verkauft. Es passt kein Modell an und…

Dieses Notebook vergleicht quadratischen Fehler, absoluten Fehler und Huber-Verlust für Gradient-Boosting-Modelle, die Renditen von Short-ATM-Straddles prognostizieren. Das Ziel hat einen begrenzten Gewinn, aber potenziell schwere Verluste. Daher kann der…

Dieses Notebook erklärt ein Modell mit stochastischem Diskontfaktor (SDF) zur Bewertung der Querschnittsrenditen von US-Unternehmen. Es lernt Gewichte, mit denen diskontierte Asset-Renditen No-Arbitrage-Momentbedingungen erfüllen, statt einen Verlust für die…

Diese Implementierung beschreibt ein neuronales Modell mit stochastischem Diskontfaktor sowie ein adversariales Momentennetzwerk zur Prüfung von Beziehungen in der Asset-Bewertung. Das SDF-Netzwerk bildet Asset-Merkmale, optional kombiniert mit einer…

Dieser Modelladapter verwendet PatchTST, eine Transformer-Architektur für langfristige Zeitreihenprognosen, für skalare Regression. Er akzeptiert nach Zeit und Merkmal angeordnete Sequenzen, ordnet sie für das Grundmodell um und verdichtet die Ausgaben je…

Das Dokument beschreibt eine Ablationsstudie zur Frage, ob gelernte Graph-Einbettungen die Prognose von Aktienrenditen über gewöhnliche Tabellenmerkmale hinaus verbessern. Es erstellt ein Netzwerk aus historischen Korrelationen von Aktienrenditen, berechnet…

Dieses Dokument beschreibt ein Verfahren für gepaarte Performancevergleiche zwischen Stufen der Strategieauswahl. Es vergleicht Signalauswahlen mit gleich gewichteten Referenzen, Holdout- mit Validierungsauswahlen und Übergänge bei Allokation,…

Dieses Notebook vergleicht Random-Forest-Bagging mit XGBoost, LightGBM und CatBoost bei der Prognose von Aktienrenditen anhand anonymisierter Unternehmensmerkmale. Es verwendet vorab festgelegte zeitliche Trainings-, Validierungs- und Testaufteilungen, misst…

Das Notebook behandelt jedes Renditefenster als empirische Verteilung und clustert Fenster anhand der eindimensionalen Wasserstein-Distanz. Bei gleich großen Stichproben ergibt das Sortieren die optimale Zuordnung der Quantile. Die Distanz bildet daher…

Diese Kapitelübersicht ordnet die Forschungsschritte zwischen validierten Marktdaten und der Modellevaluation. Sie behandelt eine an Datensplits angepasste Vorverarbeitung, Kodierung und Entscheidungen zum Umgang mit fehlenden Daten sowie die ausführungsnahe…

Dieses Notebook erstellt eine Abrufpipeline für Auszüge aus Unternehmensberichten nach 10-K. Es lädt einen stabilen Satz von Berichten, teilt den Text in Satzfenster auf, erstellt lokale Einbettungen und indiziert die Abschnitte in einer Vektordatenbank. Der…

Diese Konfigurationsnotiz erläutert, warum eine mit L1 regularisierte logistische Regression mit drei Klassen SAGA und eine ausdrücklich verschärfte Toleranz verwendet. Sie vergleicht SAGA mit liblinear anhand eines…

Dieses Notebook stellt Pfadsignaturen als Merkmale fester Länge vor, die Reihenfolge und gemeinsame Geometrie von Beobachtungen in einem Zeitreihenfenster erhalten. Die erste Ebene erfasst die Gesamtänderung jeder Koordinate; die zweite bildet die…

Dieses Notebook beschreibt eine Double-Machine-Learning-Analyse mit expandierendem Fenster dazu, ob Momentum über 12 bis -2 Monate die Renditen von US-Unternehmen im Folgemonat vorhersagt, wenn Beta, IdioVol, LME und Varianz berücksichtigt werden.…

Dieses Dokument beschreibt ein zweistufiges Verfahren zur Extraktion von Quelldaten für eine S&P-500-Straddle-Studie. Zunächst werden Call- und Put-Kontrakte anhand einer Auswahl nahe am Geld ermittelt, die auf Tagen bis zum Verfall, absolutem Delta,…

Dieses Notebook erstellt N-BEATS zur Prognose von Schlusskursen für SPY. Vollständig verbundene Blöcke verarbeiten ein ganzes Rückblickfenster; jeder erzeugt einen Backcast, der vor dem nächsten Block abgezogen wird, sowie eine Prognose für den künftigen…

Das Dokument beschreibt durchgängige Pipelines, die historische und aktuelle Aktiendaten zusammenführen und stündliche Daten zu Krypto-Perpetuals aufbereiten. Im zentralen Beispiel werden WikiPrices- und Yahoo-Beobachtungen an der Grenze ihrer Datenabdeckung…

Dieses Notebook stellt einen strukturierten Zustandsdatensatz für Research-Agenten vor, der die Frage eines Durchlaufs, den Stichtag, Belege, offene Fragen, den Werkzeugverlauf, Ergebnisse der Qualitätsprüfungen und den Synthesestatus bewahrt. Es…