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

563 Dokumente

Machine Learning for Trading

Dieses Notebook erläutert Hierarchical Risk Parity als Alternative zur Mean-Varianz-Allokation, wenn Kovarianzschätzungen verrauscht sind. HRP clustert Vermögenswerte anhand von Korrelationsdistanzen, ordnet sie gemäß der Hierarchie und teilt die geordnete…

Portfolio-KonstruktionRisikomanagementBacktestingAktien
Machine Learning for Trading

Dieses Notebook bewertet eine wöchentliche S&P-500-Options-Straddle-Strategie anhand registrierter Backtests und eines festen Auswahlverfahrens. Es ruft die ausgewählte Konfiguration nach Anwendung einer Liquiditätsbeschränkung für das Anlageuniversum aus…

OptionenAktienBacktestingRisikomanagement
Machine Learning for Trading

Diese Studie erstellt anhand von Market-by-Order-Daten für NVDA ein minütliches Maß für den Orderflow-Druck. Sie versieht hinzugefügte Orders, Stornierungen und Ausführungen je nach Seite mit einem Vorzeichen, gewichtet Ereignisse nach Umfang und Abstand zum…

AktienMarktmikrostrukturOrderausführungStatistik
Machine Learning for Trading

Dieses Notebook stellt einen bedingten Autoencoder vor, der die Struktur eines instrumentierten latenten Faktormodells beibehält, aber die lineare Abbildung von Unternehmensmerkmalen auf Faktor-Exponierungen durch ein neuronales Netz ersetzt. Monatliche…

AktienMaschinelles LernenFaktorinvestierenStatistik
Machine Learning for Trading

Dieses Notebook vergleicht zwei lokal ausgeführte Embedding-Modelle mit offenen Gewichten bei einer Retrieval-Aufgabe anhand von Passagen aus aktuellen 10-Berichten einer kleinen Auswahl großer US-Unternehmen. Beide Modelle erhalten dieselben Passagen aus…

Maschinelles LernenStatistikAktienUS-Märkte
Machine Learning for Trading

Dieses Notebook erstellt eine monatliche Modellmatrix für eine Studie zu Unternehmensmerkmalen in US aus einem veröffentlichten Panel, dessen Merkmale bereits über Unternehmen hinweg gerankt wurden. Es ergänzt Zusammensetzungen und Interaktionen anhand von…

AktienFaktorinvestierenPortfolio-KonstruktionBacktesting
Machine Learning for Trading

Dieses Dokument trainiert TabM, ein neuronales Ensemble mit gemeinsam genutzten Gewichten, mit optionsbasierten Merkmalen zur Prognose zukünftiger Aktienrenditen und risikobereinigter Renditen. Die Modelle verwenden ein gemeinsames zweischichtiges Netz mit…

AktienOptionenMaschinelles LernenBacktesting
Machine Learning for Trading

Diese Konfigurationsnotiz erläutert die Wahl des SAGA-Solvers und einer strengeren Konvergenztoleranz für die L1-logistische Regression mit drei Klassen. Sie vergleicht SAGA mit LIBLINEAR und führt Laufzeitmessungen für ein Nasdaq-Mikrostruktur-Panel sowie…

Maschinelles LernenStatistikAktienMarktmikrostruktur
Machine Learning for Trading

Dieses Notebook untersucht einen überwachten Autoencoder, der anhand von Unternehmensmerkmalen zukünftige Renditen prognostiziert. Es behält einen schmalen Engpass im neuronalen Netz bei, entfernt jedoch die bedingte Faktormodell-Interpretation und die…

AktienMaschinelles LernenFaktorinvestierenBacktesting
Machine Learning for Trading

Diese Machbarkeitsanalyse prüft, ob sich eine monatliche Long-Short-Strategie auf Basis von US-Unternehmensmerkmalen mit dem verfügbaren Panel auswerten lässt. Sie verifiziert, dass die Merkmale als Ränge kodiert sind, beschreibt, wie lange Unternehmen…

AktienFaktorinvestierenBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook unterscheidet die Prognose von Renditen von der Behauptung, Momentum verursache sie. Als Behandlung dient die Rendite einer Aktie im Vorjahr ohne den jüngsten Monat; die Zielgröße ist die künftige Rendite. Jüngste Volatilität, Rang der…

AktienMomentumMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook fasst LightGBM-Ergebnisse aus mehreren Trading-Fallstudien zusammen und vergleicht sie mit linearen Referenzmodellen und TabM. Für jede Fallstudie wird die Konfiguration mit dem besten IC-Wert untersucht; zudem werden Intervalle mit Korrektur…

Maschinelles LernenStatistikBacktestingAktien
Machine Learning for Trading

Dieses Notebook prüft, ob gelernte Graph-Embeddings einem tabellarischen Modell für US-Aktien zusätzliche Prognoseinformationen liefern. Es erstellt ein Netzwerk anhand absoluter Renditekorrelationen, die vor dem Zielzeitraum gemessen wurden, konstruiert…

AktienMaschinelles LernenBacktestingMomentum
Machine Learning for Trading

Dieses Notebook vergleicht Verfahren zur Volatilitätsmessung und entwickelt heterogene autoregressive (HAR) Volatilitätsmodelle zusammen mit einer Analyse der Rauheit des Marktes. Es nutzt Intraday-Renditen, um die realisierte Sitzungsvarianz zu schätzen,…

VolatilitätStatistikTechnische IndikatorenAktien
Machine Learning for Trading

Dieses Dokument beschreibt ein LSTM-Sequenzmodell für eine Optionsstudie zum S&P 500. Anders als Querschnittsmodelle, die den Verlauf eines Symbols mit konstruierten Merkmalen zusammenfassen, erhält das LSTM chronologische Zeitfenster und lernt, welche…

OptionenAktienMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook zeigt eine Pipeline, die Finanznachrichten-Schlagzeilen in aktienbezogene Signale umwandelt. Sie bereinigt und vereinheitlicht einen Nachrichtenkorpus, entfernt exakte Duplikate und Duplikate mit übereinstimmendem Präfix innerhalb von Gruppen…

AktienMaschinelles LernenMarktstimmungFaktorinvestieren
Machine Learning for Trading

Dieses Notebook untersucht die Performance einer festen Long-only-ETF-Momentum-Baseline unter verschiedenen Marktbedingungen von 2010 bis 2024. Es ordnet jede Tagesrendite anhand von Volatilitäts- und Trendmaßen ein, die vor Beginn dieser Rendite bekannt…

AktienMomentumTrendfolgeVolatilität
Machine Learning for Trading

Dieses Notebook wendet zuvor ausgewählte Prognosen zu Unternehmensmerkmalen und eine festgelegte Portfoliokonfiguration auf einen einjährigen Holdout-Zeitraum an. Es trifft keine neuen Entscheidungen zu Prognosen, Allokation, Konzentration, Rebalancing oder…

AktienFaktorinvestierenPositionsgrößenbestimmungBacktesting
Machine Learning for Trading

Dieses Notebook untersucht informationsgesteuerte Stichprobenbildung, indem es Tick- und Volumen-Imbalance-Bars aus Handelsdaten erstellt. Es validiert eine manuelle Implementierung der Tick-Imbalance gegen einen Sampler aus einer Bibliothek und variiert…

AktienMarktmikrostrukturStatistikTechnische Indikatoren
Machine Learning for Trading

Dieses Notebook bewertet Stop-Losses je Position, nachlaufende Stops und zeitbasierte Ausstiege auf Basis von Konfigurationen aus der Allokationsphase einer NASDAQ-100-Intraday-Strategie. Entscheidungen fallen alle fünfzehn Minuten, während die…

AktienRisikomanagementBacktestingOrderausführung
Machine Learning for Trading

Dieses Notebook beschreibt einen gepatchten Transformer für Sequenzprognosen in einer Studie zu S&P-500-Aktien und -Optionen. Er teilt ein Zeitfenster in zusammenhängende Blöcke und bildet jeden Block als Token ab. So kann die Attention weit voneinander…

AktienOptionenMaschinelles LernenStatistik
Machine Learning for Trading

Dieses ETF-Merkmals-Notebook erläutert, wie angepasste statistische Modelle über ihre geschätzten Parameter Zukunftsinformationen einfließen lassen können, selbst wenn ihre Formeln vergangene Beobachtungen verwenden. Abhilfe schafft ein Walk-Forward-Zeitplan…

AktienMaschinelles LernenStatistikVolatilität
Machine Learning for Trading

Dieses Notebook untersucht Gradient Boosting für ein US-Aktienpanel und variiert Baumkapazität, Zielfunktion und Trainings-Checkpoint über drei Horizonte für Forward-Renditen. Es erläutert, wie flache Bäume Merkmalsinteraktionen lernen können und wie mit…

AktienMaschinelles LernenStatistikBacktesting