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 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 Hilfsprogramm beschreibt einen Diagnoseablauf für Datenartefakte aus quantitativen Forschungspipelines. Es erstellt Profile numerischer Spalten mit Kennzahlen zu fehlenden Werten, nicht endlichen Werten, Nullen, der Anzahl unterschiedlicher Werte,…

StatistikRisikomanagementBacktesting
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

Das Notebook erstellt mit einem Split-Conformal-Verfahren Prognoseintervalle um Gradient-Boosting-Prognosen. Es passt ein Modell an einem früheren Trainingsabschnitt an, misst absolute Residuen in einem späteren Kalibrierungsabschnitt und legt die…

Maschinelles LernenStatistikRisikomanagementPositionsgrößenbestimmung
Machine Learning for Trading

Dieses Notebook vergleicht vier Referenzallokationen für ETF anhand historischer Krisenphasen, manuell festgelegter gleichzeitiger Schocks auf mehrere Anlageklassen, Student-t-Monte-Carlo-Simulationen und Marktregimestatistiken. Es erläutert das Maß für den…

Multi-AssetRisikomanagementPortfolio-KonstruktionVolatilität
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 entwickelt einen Prognoseagenten, der zwischen Websuchen und Wahrscheinlichkeitsprognosen wechselt. Eine schlanke Sprachmodell-Schnittstelle mit zwei Methoden ermöglicht es, dieselbe Schleife mit einem Mock-Anbieter, einem lokalen oder einem…

Maschinelles LernenMarktstimmungStatistik
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

Diese Analyse vergleicht Risiko-Overlays über mehrere Fallstudien hinweg. Dazu lädt sie deren Overlay-Backtests aus einem Register und misst Sharpe-Ratio sowie maximalen Drawdown im Vergleich zu einer Baseline aus der Allokationsphase; falls diese fehlt,…

RisikomanagementBacktestingStatistik
Machine Learning for Trading

Dieses Notebook stellt die Black-Scholes-Bewertung europäischer Calls und Puts dar, prüft die Put-Call-Parität und berechnet die implizite Volatilität mit der Brent-Nullstellensuche. Es definiert außerdem Delta, Gamma, Vega, Theta und Rho und veranschaulicht…

OptionenBewertung von DerivatenVolatilitätRisikomanagement
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
Machine Learning for Trading

Dieses Kapitel stellt Marktdaten als Ergebnis von Handelsregeln, Liquidität und dem Verhalten der Marktteilnehmer dar. Es gibt einen Überblick von Quotes auf der obersten Orderbuchebene bis hin zu Order-Level-Feeds und beschreibt anschließend, wie…

MarktmikrostrukturOrderausführungHochfrequenzhandelStatistik
Machine Learning for Trading

Dieses gemeinsam genutzte Hilfsmodul unterstützt Kausalanalysen von Handelsdaten mit Double Machine Learning (DML) für Zeitreihen. Zu den dokumentierten Werkzeugen zählen Walk-Forward-Schätzungen mit Embargo, Nuisance-Modelle und Refutationstests.…

StatistikMaschinelles LernenBacktestingRisikomanagement
Machine Learning for Trading

Diese Fallstudie erläutert, wie Prognosen für einen Holdout-Zeitraum erstellt werden, nachdem Modell und Strategie anhand von Validierungsdaten ausgewählt wurden. Sie lädt die zuvor gewählte Konfiguration, rekonstruiert deren Trainingsspezifikation und…

AktienMaschinelles LernenBacktestingStatistik
Machine Learning for Trading

Dieses Notebook stellt EdgarTools zur Untersuchung von SEC-Meldungen nach Unternehmen und Meldungsart vor. Es zeigt, wie Emittenten anhand stabiler CIK-Kennungen gesucht, Jahres- und Quartalsberichte abgerufen, XBRL-Abschlüsse extrahiert und Insider-Formular…

AktienUS-MärkteBacktestingStatistik
Machine Learning for Trading

Dieses Notebook wendet die Hauptkomponentenanalyse auf Änderungen von acht Treasury-Renditen mit konstanter Laufzeit zwischen einem und dreißig Jahren an. Es entfernt per Forward-Fill ergänzte Kalenderzeilen ohne Renditeänderungen und standardisiert die…

Festverzinsliche WertpapiereStatistikRisikomanagementPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook beschreibt ein LSTM-Sequenzmodell, das Aktienrenditen anhand geordneter Fenster jüngster Merkmale vorhersagt. Jedes Beispiel verwendet 60 aufeinanderfolgende Sitzungen für eine Aktie; Fenster, die Listungslücken, Handelsaussetzungen oder…

AktienMaschinelles LernenStatistikUS-Märkte
Machine Learning for Trading

Dieses Notebook fasst registrierte Validierungsergebnisse von fünf Schätzern latenter Faktoren – PCA, IPCA, CAE, SDF und SAE – über neun Fallstudien hinweg zusammen. Zunächst wird berichtet, für welche Schätzer Ergebnisse in den einzelnen Panels vorliegen;…

FaktorinvestierenMaschinelles LernenStatistikAktien
Machine Learning for Trading

Dieses Notebook wendet TabM, ein neuronales Ensemble mit gemeinsam genutzten Gewichten, auf ein US-Aktienpanel an, das pro Aktie und Sitzung eine Merkmalszeile enthält. Ein gemeinsam genutzter zweischichtiger Backbone speist mehrere Mitglieder, die jeweils…

AktienMaschinelles LernenBacktestingStatistik
Machine Learning for Trading

Dieses Notebook definiert Ziele für zukünftige Renditen, um US-Aktien zu ordnen, und erläutert, wie ihre Horizonte tatsächlichen Handelssitzungen entsprechen. Für Renditen verwendet es um Splits und Dividenden bereinigte Preise, für die Handelbarkeitsprüfung…

AktienMomentumStatistikBacktesting