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

714 Dokumente

Machine Learning for Trading

Dieses Tutorial erläutert, wie sich Lookahead Bias in ETF- und makroökonomischen Daten erkennen und vermeiden lässt. Es zeigt, dass zentrierte gleitende Durchschnitte zukünftige Beobachtungen verwenden, während eine einfache Korrelation zwischen dem Niveau…

BacktestingStatistikAktienUS-Märkte
Machine Learning for Trading

Das Dokument untersucht, wie Handelskosten die Validierungsleistung einer zuvor ausgewählten Aktien- und Optionsallokation im S&P 500 verändern. Es variiert Gebühren pro Handelsrichtung als Anteil des gehandelten Werts und vergleicht sie mit einer pauschalen…

AktienOptionenBacktestingOrderausführung
Machine Learning for Trading

Das Notebook vergleicht Monte-Carlo-Dropout und tiefe Ensembles als Verfahren zur Schätzung der Unsicherheit täglicher ETF-Renditeprognosen. Bei Dropout bleibt die Ausblendung während wiederholter Prognosen aktiv, während die Ensemblemitglieder getrennt…

Maschinelles LernenStatistikRisikomanagementPositionsgrößenbestimmung
Machine Learning for Trading

Dieses Notebook gibt einen Überblick über Methoden zur Erkennung von Veränderungen in Finanzzeitreihen und verwendet SPY als Beispiel. Es stellt den Zivot-Andrews-Test, der einen Bruch schätzt und zugleich eine Einheitswurzelhypothese testet, PELT und der…

AktienStatistikMaschinelles LernenRisikomanagement
Machine Learning for Trading

Dieses Notebook bewertet ein vortrainiertes Finanzstimmungsmodell anhand von FinMarBa-Schlagzeilen und erläutert, warum das Ergebnis kein sauberer Test der Übertragung von Sentiment ist. FinBERT wurde anhand menschlicher Einschätzungen der Textstimmung…

Maschinelles LernenMarktstimmungAktienStatistik
Machine Learning for Trading

Dieses Notebook erläutert eine Baseline mit Hauptkomponenten zur Prognose von CME-Futuresrenditen. PCA wird an die Renditematrix der Produkte im Trainingsfold angepasst, sodass die Komponenten gemeinsame Bewegungsrichtungen über Kontrakte hinweg darstellen…

FuturesFaktorinvestierenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht Sequenzmodelle auf einem Wochenraster, um dieselbe Rendite über fünf Sitzungen vorherzusagen, die auch auf einem Tagesraster verwendet wird. Bei einer Abtastung freitags wird dieses Label ungefähr zu einem Ein-Schritt-Ziel. Dadurch…

AktienMaschinelles LernenBacktestingStatistik
Machine Learning for Trading

Diese explorative Analyse beschreibt ein tägliches Panel börsengehandelter Fonds aus neun Gruppen. Sie prüft die Symbolabdeckung im Zeitverlauf, vergleicht das Panel mit dem Klassifikationsverzeichnis, untersucht fehlende Werte und Nullvolumen und bewertet…

AktienPortfolio-KonstruktionOrderausführungRisikomanagement
Machine Learning for Trading

Dieses Notebook wendet TabM, ein neuronales Ensemble mit gemeinsamen Gewichten, auf Aktienrendite-Zielwerte an, die aus Aktienoptionsmerkmalen gebildet werden. Die Mitglieder nutzen ein gemeinsames zweischichtiges Netzwerk als Grundgerüst sowie separate…

AktienOptionenMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook erklärt, wie Labels für zukünftige Kursrenditen in einem Panel aus Krypto-Perpetuals mit achtstündigen Intervallen erstellt werden. Es verschiebt die Zeitstempel der Balkenöffnung auf den Zeitpunkt, zu dem Daten eines abgeschlossenen Balkens…

KryptoPerpetual FuturesRückkehr zum MittelwertStatistik
Machine Learning for Trading

Dieses Kapitel gibt einen Überblick über Verfahren zur Erzeugung synthetischer Finanzdaten und darüber, wie sich deren Nutzen beurteilen lässt. Es geht von der begrenzten Zahl realisierter Marktverläufe und dem Risiko aus, dass wiederholte Strategiesuchen…

Maschinelles LernenStatistikBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook definiert und berechnet eine Double-Machine-Learning-Analyse zur Wirkung der Varianzrisikoprämie auf die Renditen von S&P-500-Optionen bis zum Verfall. Vor der Ausführung macht es Zielgröße, beobachteten Zeitbezug, Störfaktoren, zeitliches…

OptionenUS-MärkteMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook wendet TabM auf eine flache Tabelle mit US-Aktienmerkmalen an und ordnet das Verfahren zwischen linearer Regularisierung und Baum-Ensembles ein. Jedes Ensemblemitglied teilt sich ein neuronales Netzwerk als Grundgerüst, hat aber einen eigenen…

AktienMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook beschreibt einen überwachten Autoencoder, der ETF-Merkmalszeilen komprimiert und aus dieser niedrigdimensionalen Darstellung direkt zukünftige Renditen prognostiziert. Anders als ein bedingter Autoencoder setzt er nicht voraus, dass Renditen…

Multi-AssetMaschinelles LernenFaktorinvestierenStatistik
Machine Learning for Trading

Dieses Notebook passt Ridge-, Lasso- und Elastic-Net-Modelle an eine breite Auswahl etablierter Merkmale von US-Aktien an, darunter Kennzahlen zu Value, Profitabilität, Investitionen, Momentum, Größe, Risiko und Liquidität. Mit Walk-Forward-Folds werden rohe…

AktienFaktorinvestierenMomentumMaschinelles Lernen
Machine Learning for Trading

Diese Analyse vergleicht registrierte ETF-Prognosemodelle verschiedener Familien auf einem gemeinsamen, anlageklassenübergreifenden Panel. Mithilfe von Informationskoeffizienten wird bewertet, wie gut jedes Modell Fonds nach ihren späteren Renditen ordnet.…

Multi-AssetMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Diese Analyse wendet korrelationsbasierte Hauptkomponentenanalyse auf Renditen von börsengehandelten Fonds für einzelne Sektoren an. Durch die Standardisierung der Renditen vor der Zerlegung erhält jeder Sektor eine Einheitsvarianz. Die führenden Komponenten…

AktienFaktorinvestierenStatistikPortfolio-Konstruktion
Machine Learning for Trading

Dieses Hilfsprogramm berechnet Kennzahlen zu Selektionsverzerrung und Leistungsunsicherheit für Gruppen von Strategie-Backtests. Es bildet Kohorten auf Familien-, Stufen-und-Label- sowie Label-Ebene und berechnet unter anderem deflationierte Sharpe-Ratios,…

BacktestingStatistikRisikomanagement
Machine Learning for Trading

Dieses Dokument stellt einen überwachten Autoencoder als Kontrollmodell für bedingte latente Faktormodelle vor. Er bildet Unternehmensmerkmale direkt auf zukünftige Renditen ab und komprimiert 57 Eingaben durch einen schmalen Engpass. Der Vergleich mit einem…

AktienMaschinelles LernenFaktorinvestierenStatistik
Machine Learning for Trading

Dieses Notebook erläutert, wie Aktiensplits und Bardividenden rohe historische Kursreihen beeinträchtigen und berechnete Renditen verzerren. Es demonstriert die rückwirkende Anpassung, bei der historische Kurse für spätere Kapitalmaßnahmen neu skaliert…

AktienUS-MärkteBacktestingStatistik
Machine Learning for Trading

Dieses Notebook verwendet ETF-Merkmale und zukünftige Renditen, um klassische Inferenz mit der Methode der kleinsten Quadrate zu veranschaulichen, bevor es prognoseorientierte Methoden behandelt. Es untersucht Koeffiziententests und Standardfehler und…

AktienStatistikMaschinelles LernenRisikomanagement
Machine Learning for Trading

Dieses Experiment kombiniert Validierungsprognosen eines Gradient-Boosted-Tree-Modells, eines tabellarischen neuronalen Netzes und eines latenten Faktormodells zur monatlichen ETF-Rangbildung. Zunächst werden die Prognosen querschnittlich mit z-Werten…

Multi-AssetMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Dokument stellt gemeinsame Methoden vor, um Merkmale aus angepassten Modellen ohne Verwendung zukünftiger Beobachtungen zu erzeugen. Für Hidden-Markov-Modelle unterscheidet es gefilterte Zustandswahrscheinlichkeiten, die auf Beobachtungen bis zum…

Maschinelles LernenVolatilitätStatistikBacktesting
Machine Learning for Trading

Dieses Dokument beschreibt eine Walk-Forward-Methode, die Prognoseresiduen in Unsicherheitsbreiten je Entität umwandelt, anhand derer Positionsgrößen festgelegt werden. Zu jedem Entscheidungszeitpunkt werden für die Kalibrierung nur Residuen verwendet, deren…

PositionsgrößenbestimmungRisikomanagementStatistikBacktesting