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

1,119 Dokumente

Machine Learning for Trading

Dieses Dokument erläutert, wie sich Labels für künftige Renditen und Richtungen für die NASDAQ-100-Intraday-Forschung konstruieren lassen. Es definiert die Rendite anhand einer expliziten Ausführungskonvention: einen Balkenschluss beobachten, beim nächsten…

AktienMarktmikrostrukturOrderausführungStatistik
Machine Learning for Trading

Dieses Notebook untersucht TabM, ein neuronales Netzwerkdesign für tabellarische Daten, anhand monatlicher Unternehmensmerkmale. Es vergleicht drei Voreinstellungen, die die verborgene Breite und die Ensemblegröße erhöhen, während die übrigen…

AktienMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook wendet eine zuvor ausgewählte Aktien- und Optionsstrategie für den S&P 500 auf Prognosen für einen separaten Holdout-Zeitraum von 2021 an. Es übernimmt die ausgewählte Konfiguration unverändert, einschließlich Allokator, Konzentrationsregeln,…

AktienOptionenBacktestingRisikomanagement
Machine Learning for Trading

Dieses Kapitel beschreibt die Governance nach der Bereitstellung von Trading-Systemen auf Basis maschinellen Lernens. Es unterscheidet technische Fehler, bei denen identische Eingaben unterschiedliche Ausgaben erzeugen, von statistischem Leistungsabfall, bei…

Maschinelles LernenRisikomanagementOrderausführungStatistik
Machine Learning for Trading

Dieser Index stellt latente Faktoren als gemeinsame Muster vor, die aus gleichgerichteten Aktienrenditen abgeleitet werden; die Ladung jeder Aktie gibt ihre Exposition gegenüber einem Muster an. Er stellt die Hauptkomponentenanalyse, die Faktoren und…

AktienFaktorinvestierenMaschinelles LernenStatistik
Machine Learning for Trading

Diese Analyse erläutert, wie Informationskoeffizienten für einen Katalog von CME-Futures-Prognosemodellen zu interpretieren sind. Sie definiert den IC jedes Datums als Rangkorrelation zwischen prognostizierten und realisierten Renditen über Produkte hinweg…

FuturesStatistikMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook führt drei ansonsten identische Rechercheagenten zu einer Rezessionsfrage aus, entweder durch Wiedergeben einer gespeicherten Aufzeichnung oder durch parallele Ausführung von Live-Modellen und Suche. Es erfasst die Wahrscheinlichkeit, das…

Maschinelles LernenStatistikMarktstimmungBacktesting
Machine Learning for Trading

Dieses Notebook prüft die Lee-Ready-Klassifizierung von Trades anhand von Aggressor-Seiten-Labels in Nasdaq-Order-by-Order-Daten. Es rekonstruiert das Limit-Orderbuch aus Hinzufüge-, Änderungs-, Stornierungs-, Ausführungs- und Rücksetzmeldungen und richtet…

MarktmikrostrukturHochfrequenzhandelOrderausführungAktien
Machine Learning for Trading

Dieses Notebook führt die registrierten Backtests einer ETF-Fallstudie zu einer Strategieauswertung zusammen, die Unsicherheit berücksichtigt. Es wertet Performancekennzahlen mit Block-Bootstrap-Konfidenzintervallen aus und nutzt gepaarte Bootstraps, um…

BacktestingStatistikPortfolio-KonstruktionFaktorinvestieren
Machine Learning for Trading

Dieses Notebook erläutert, wie ein Makrodatensatz, dessen Zeitstempel den gemessenen Zeitraum angibt, in einem Trading-Backtest Informationen aus der Zukunft einfließen lassen kann. Es schätzt Veröffentlichungsdaten, indem es die Periodenlänge zum…

BacktestingStatistikRisikomanagementMulti-Asset
Machine Learning for Trading

Dieses Notebook nutzt TreeSHAP, um LightGBM-Renditeprognosen zu erklären, mit globaler Merkmalswichtigkeit, Erklärungen einzelner Prognosen, Abhängigkeitsdiagrammen und paarweisen Interaktionswerten. Es vergleicht SHAP-Rangfolgen mit Permutationswichtigkeit…

AktienMaschinelles LernenStatistikFaktorinvestieren
Machine Learning for Trading

Dieses Notebook implementiert DeePM, eine durchgängige Portfolio-Strategie für ein diversifiziertes ETF-Universum. Das Modell kombiniert zeitliche Merkmale, Asset-Metadaten, querschnittliche Attention und einen Makrographen-Prior, der Attention innerhalb von…

Multi-AssetPortfolio-KonstruktionMaschinelles LernenRisikomanagement
Machine Learning for Trading

Dieses Notebook wandelt Finanzmeldungen in Signale auf Aktienebene um und bewertet sie anhand zukünftiger Renditen. Es erstellt Embeddings der Meldungen, misst Nachrichtenüberraschungen als semantischen Abstand zu einer rollierenden Embedding-Referenz und…

AktienFaktorinvestierenMarktstimmungMaschinelles Lernen
Machine Learning for Trading

Dieses Dokument erläutert, wie eine zuvor ausgewählte US-Aktienstrategie mit Holdout-Daten bewertet wird, während ihre Konfiguration unverändert bleibt. Es leitet die korrekte Holdout-Vorhersagemenge aus der Trainingsidentität und dem Checkpoint des…

AktienUS-MärkteBacktestingRisikomanagement
Machine Learning for Trading

Das Notebook demonstriert eine Pipeline, die Lieferanten-, Kunden- und Wettbewerberbeziehungen aus regulatorischen Jahresberichten von Unternehmen extrahiert und als Wissensgraph speichert. Ein lokales Sprachmodell erzeugt aus Texten regulatorischer…

AktienMaschinelles LernenStatistik
Machine Learning for Trading

Das Dokument erläutert die Erstellung von Merkmalen für Währungspaare anhand dreier geschätzter Zeitreihenmodelle: eines Zustandsraumfilters zur Schätzung eines langsam veränderlichen Preisniveaus, eines zweizuständigen Hidden-Markov-Modells für…

DevisenhandelStatistikVolatilitätBacktesting
Machine Learning for Trading

Dieses Notebook misst, wie sich Handelskosten auf Strategien auswirken, die bereits anhand von Signalen, Allokation und Risikosteuerung ausgewählt wurden. Bevor die Kosten variiert werden, wird je Label eine anhand der Validierung ausgewählte Konfiguration…

AktienBacktestingOrderausführungRisikomanagement
Machine Learning for Trading

Dieses Notebook untersucht, ob Sequenzmodelle handgefertigte Zusammenfassungen der Funding-Prämienhistorie bei Perpetual Futures verbessern können. Es vergleicht NLinear, ein einfaches lineares Modell, das ein geordnetes Fenster verarbeitet, mit einem…

KryptoMaschinelles LernenPerpetual FuturesBacktesting
Machine Learning for Trading

Dieses Dokument erläutert, warum Stop-Losses, Trailing-Stops und zeitbasierte Ausstiege in einer Fallstudie nicht bewertet werden können, deren Backtest Gewichte über einen Monat hält und nur die realisierte monatliche Vorwärtsrendite beobachtet. Solche…

AktienRisikomanagementBacktestingPositionsgrößenbestimmung
Machine Learning for Trading

Dieses Dokument beschreibt ein Bewertungsverfahren für registrierte NASDAQ-100-Mikrostruktur-Backtests. Es liest bestehende Durchläufe ein, statt Modelle zu trainieren oder Backtests erneut auszuführen, verfolgt Herkunfts- und Abstammungsketten ausgewählter…

AktienMarktmikrostrukturBacktestingStatistik
Machine Learning for Trading

Dieses Dokument stellt eine schrittweise Methode vor, um Unternehmensnamen aus alternativen Daten, regulatorischen Einreichungen, Nachrichten und Kursquellen Wertpapieren zuzuordnen. Zunächst werden verfügbare Kennungen in einer festgelegten…

AktienStatistikMaschinelles LernenRisikomanagement
Machine Learning for Trading

Dieses Notebook führt ein Panel identischer Forschungsagenten aus oder spielt es erneut ab. Die Agenten beantworten eine gemeinsame Prognosefrage; anschließend werden ihre Prognosen, Suchaktivitäten und Gesprächsverläufe untersucht. Separate Protokolle für…

Maschinelles LernenStatistikMarktstimmungBacktesting
Machine Learning for Trading

Dieses Notebook zur Merkmalsentwicklung erstellt Variablen, die Informationen über die Kurshistorie eines einzelnen Assets hinaus erfordern. Für Futures berechnet es die annualisierte Rollrendite aus zeitgleichen Kursniveaus naher und ferner Kontrakte sowie…

FuturesOptionenCarryVolatilität