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 vergleicht LightGBM-Modelle mit einer Ridge-Baseline zur Prognose von ETF-Renditen über zwei Zeithorizonte. Es erläutert, warum Bäume Wechselwirkungen abhängig von der Marktphase erkennen können, etwa wenn sich Momentum unter Marktstress…

AktienMaschinelles LernenBacktestingStatistik
Machine Learning for Trading

Dieses Notebook vergleicht strukturiertes, graphähnliches Retrieval mit embeddingbasiertem Vektor-Retrieval für institutionelle Beteiligungen aus 13F-Meldungen. Es erstellt einen zeitpunktbezogenen Bestandssnapshot zu einem festen Stichtag, begrenzt das…

AktienMaschinelles LernenStatistikPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook zeigt einen Workflow, der Verlusttrades mit den zugehörigen Modellerklärungen verbindet. Es erstellt ein Feature-Panel für den einzelnen Vermögenswert SPY aus Kurs- und makroökonomischen Daten, trainiert ein LightGBM-Modell mit früheren…

AktienMaschinelles LernenRisikomanagementStatistik
Machine Learning for Trading

Dieses Notebook erstellt Kennzahlen zur Markt-Mikrostruktur aus NASDAQ ITCH-Handelsdaten, fasst Trades zu Intraday-Bars zusammen und unterscheidet Liquiditäts-Proxys von Orderflow-Signalen und dem Zustand des Orderbuchs. Vor der Aggregation werden einzelne…

AktienMarktmikrostrukturHochfrequenzhandelStatistik
Machine Learning for Trading

Dieses Notebook schätzt, wie stark ein gleich gewichtetes Portfolio überlebender US-Aktien die Renditen gegenüber einem Portfolio überzeichnen kann, das auch Unternehmen enthält, die aus dem Datensatz ausgeschieden sind. Zunächst wird untersucht, wann das…

AktienUS-MärkteBacktestingStatistik
Machine Learning for Trading

Dieses Notebook untersucht, wie sich Transaktionskosten auf eine häufig rebalancierte NASDAQ-100-Strategie auswirken. Zunächst werden Kostenannahmen in Basispunkten auf bestehende Backtests ohne Kosten angewendet, um zu zeigen, wie sich die Sharpe Ratio mit…

AktienOrderausführungMarktmikrostrukturBacktesting
Machine Learning for Trading

Dieses Notebook erklärt die instrumentierte Hauptkomponentenanalyse als Methode, latente Faktorladungen von beobachtbaren Aktienmerkmalen abhängig zu machen, statt jeder Aktie eine feste Ladung zuzuweisen. Eine gemeinsame Abbildung von Merkmalen auf…

AktienMaschinelles LernenStatistikFaktorinvestieren
Machine Learning for Trading

Dieses Notebook zeigt, wie StopLoss-, TakeProfit- und TrailingStop-Regeln für ein Momentum-Portfolio abgestimmt werden, wobei Kalibrierung und Evaluierung chronologisch getrennt bleiben. Es testet einzelne Regelbreiten und gemeinsame Kombinationen anhand von…

AktienRisikomanagementBacktestingMomentum
Machine Learning for Trading

Dieses Dokument zeigt, wie sich eine fünftägige ETF-Momentumstrategie über eine gemeinsame Strategieschnittstelle mit Alpaca verbinden lässt. Die Strategie verfolgt Momentum bei SPY, QQQ und IWM und erzeugt Signale, wenn ein Schwellenwert überschritten wird.…

AktienMomentumOrderausführungRisikomanagement
Machine Learning for Trading

Dieses Dokument stellt eine Familie von Modellen für Unternehmensrenditen vor, die annimmt, dass eine kleine Zahl unbeobachteter gemeinsamer Faktoren einen großen Teil des Querschnitts erklärt. Statt Renditen direkt anhand von Merkmalen vorherzusagen, leiten…

AktienFaktorinvestierenMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Dokument erläutert, wie Wavelet-Zerlegungen und rollierende Spektralschätzungen Finanzrenditen auf verschiedenen Zeitskalen beschreiben. Wavelets zerlegen Renditen in Komponenten mit zunehmend längeren Perioden, sodass sich erkennen lässt, welche…

AktienStatistikVolatilitätTechnische Indikatoren
Machine Learning for Trading

Dieses Notebook macht aus Modellprognosesätzen vergleichbare Backtests für Optionen auf den S&P 500. An jedem wöchentlichen Entscheidungstermin ordnet es die prognostizierten Renditen, wählt die höchstplatzierten Symbole aus dem liquiden Anlageuniversum aus…

OptionenAktienBacktestingOrderausführung
Machine Learning for Trading

Dieses Dokument erläutert, wie ein bestehendes Modell und ein Kandidatenmodell vor einer Kapitalallokation in einer Shadow-Evaluierung verglichen werden. Rollen und Freigabeschwellen werden vorab festgelegt; anschließend wird der Kandidat anhand von fünf…

Maschinelles LernenStatistikRisikomanagementBacktesting
Machine Learning for Trading

Das Notebook stellt einen überwachten Autoencoder zur Modellierung von Aktienfaktoren vor. Anders als unüberwachte Autoencoder, die einen Engpass durch Rekonstruktion des Querschnitts erlernen, bezieht dieses Modell auch zukünftige Renditen in sein…

AktienMaschinelles LernenFaktorinvestierenStatistik
Machine Learning for Trading

Dieses explorative Notebook beschreibt Aufbau und Interpretation der vorab berechneten Felder in AlgoSeek-NASDAQ-100-Minutenbalken. Es ordnet sie in Quotepreise und -größen, Handelspreise, Spreads, Volumen, Handelsort-Kategorien, Tick-Richtung, Kauf- und…

AktienMarktmikrostrukturOrderausführungUS-Märkte
Machine Learning for Trading

Das Notebook erklärt, wie sich kontinuierliche Preisbewegungen von Sprüngen in Intraday-Aktienrenditen trennen lassen. Es schätzt die tägliche realisierte Varianz anhand quadrierter Renditen und verwendet Bipower Variation als sprungrobuste Schätzung der…

AktienVolatilitätStatistikMarktmikrostruktur
Machine Learning for Trading

Das Dokument zeigt einen Broker-Wrapper, der Orders und den Portfoliostatus prüft, bevor er Trades weiterleitet. Zu den Kontrollen gehören Obergrenzen für Stückzahl und Wert je Order, Positionslimits, Orderratenlimits, Positiv- und Sperrlisten für…

RisikomanagementPositionsgrößenbestimmungOrderausführungBacktesting
Machine Learning for Trading

Dieses Kapitel gibt einen Überblick über Darstellungen von Finanztexten: von Wörterbüchern und Worthäufigkeiten über TF-IDF und statische Einbettungen bis hin zu rekurrenten Netzwerken und Transformern. Es erläutert die Zielkonflikte: Einfachere Verfahren…

Maschinelles LernenMarktstimmungStatistikAktien
Machine Learning for Trading

Diese Fallstudie bewertet monatliche Long-Short-Dezilstrategien auf Basis von Unternehmensmerkmalen aus den US. Sie vergleicht lineare Modelle, Gradient Boosting und Ansätze mit latenten Faktoren unter Berücksichtigung zeitpunktbezogener Verzögerungen bei…

AktienUS-MärkteFaktorinvestierenMaschinelles Lernen
Machine Learning for Trading

Diese Analyse vergleicht drei Verfahren, um vorzeichenbehaftete Modellprognosen von Renditen in binäre Positionen umzuwandeln: einen festen Schwellenwert von null, ein nachlaufendes Perzentil je Symbol und ein Perzentil im Querschnitt der Symbole. Sie wendet…

Maschinelles LernenOrderausführungBacktestingKrypto
Machine Learning for Trading

Dieses Notebook wandelt die vorwärts gerichteten 21-Tagesrenditen von ETF in ein Aufwärts- oder Abwärtsziel um und bewertet die logistische Regression mit L1- und L2-Regularisierung auf chronologischen Walk-Forward-Folds. Es skaliert Merkmale anhand der…

Maschinelles LernenStatistikPositionsgrößenbestimmungAktien
Machine Learning for Trading

Dieses Notebook vergleicht Zielfunktionen für Gradient Boosting bei monatlichen Aktienrenditen aus den US und hält Merkmale, Zielvariable und Walk-Forward-Folds konstant. Es stellt den quadratischen Fehler dem absoluten Fehler und dem Huber-Verlust…

AktienMaschinelles LernenBacktestingStatistik
Machine Learning for Trading

Diese Implementierung beschreibt einen bedingten Autoencoder für das Asset Pricing. Ein Beta-Netzwerk ordnet den Merkmalen jeder Aktie latente Faktorladungen zu, während ein lineares Faktornetzwerk verwaltete Portfoliorenditen auf Faktorrenditen abbildet.…

AktienFaktorinvestierenMaschinelles Lernen