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

738 Dokumente

Machine Learning for Trading

Das Dokument beschreibt eine Walk-Forward-Studie mit TabM-Neuronalen-Netzen, die Monatsrenditen anhand von Unternehmensmerkmalen prognostizieren. Da der gemeinsame Trainingslauf für die Regression den quadratischen Fehler als Optimierungsziel und für die…

AktienMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Das Dokument überführt eine Cross-Asset-Momentumhypothese in einen monatlichen explorativen Test mit einem Universum von 100-ETF. Es erstellt angepasste Monatsendkurse, misst Momentum von 12 bis -1 Monaten, teilt anschließend geeignete ETFs in fünf gleich…

Multi-AssetMomentumTrendfolgeStatistik
Machine Learning for Trading

Dieses Notebook bietet eine familienübergreifende Betrachtung von fünf Latent-Faktor-Ansätzen für eine Fallstudie zur Analyse von Aktienoptionen. PCA schätzt gemeinsame Bewegungen direkt anhand des Renditepanels; IPCA bildet Merkmale linear auf…

OptionenMaschinelles LernenFaktorinvestierenStatistik
Machine Learning for Trading

Dieses Notebook untersucht, warum zwei Backtesting-Engines bei identischen Signalen unterschiedliche Ergebnisse liefern können. Es hält Strategie und handelbares Universum konstant, legt bei gleichen Prognosen deterministische Portfolio-Gewichte fest und…

BacktestingOrderausführungPositionsgrößenbestimmungRisikomanagement
Machine Learning for Trading

Dieses Kapitel behandelt einen Backtest als Versuch, eine Strategie anhand expliziter Annahmen zu Signalzeitpunkt, Ausführung, Neugewichtung, Positionsgröße, Kosten, Beschränkungen und Benchmarks zu widerlegen. Es vergleicht vektorisierte und…

BacktestingOrderausführungRisikomanagementStatistik
Machine Learning for Trading

Diese Quelle beschreibt Schutzmaßnahmen zur Rekonstruktion einer Modellanfrage anhand ihrer unveränderlichen Trainingsspezifikation und zur Validierung des resultierenden Laufs. Sie prüft, ob die Anfrage eine unterstützte Identitätsversion, eine kanonische…

Maschinelles LernenBacktestingStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook stellt die instrumentierte Hauptkomponentenanalyse als Modell querschnittlicher Renditen vor. Statt den Merkmalen jedes Unternehmens direkte Renditegewichte zuzuweisen, schätzt IPCA eine gemeinsame lineare Abbildung von Merkmalen auf…

AktienFaktorinvestierenMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook vergleicht vier neuronale Netzwerkarchitekturen für dieselbe Aufgabe: die nächste Tagesrendite anhand eines Fensters vergangener Renditen vorherzusagen, über acht börsengehandelte Fonds gepoolt. Es beschreibt, wie ein dichtes Netzwerk, eine…

Maschinelles LernenBacktestingAktienStatistik
Machine Learning for Trading

Dieses Notebook bewertet Sequenzmodelle für das Ranking von S&P-500-Aktien anhand von Fenstern ihrer Optionsoberflächen- und Kursverläufe. Es stellt einem normalisierten linearen Modell ohne rekurrentes Gedächtnis ein LSTM gegenüber, dessen Gates…

Maschinelles LernenAktienOptionenBacktesting
Machine Learning for Trading

Dieses Notebook erklärt, warum gewöhnliche t-Tests die Stärke eines Informationskoeffizienten (IC) überschätzen können, wenn tägliche IC-Beobachtungen voneinander abhängig sind. Es erstellt ein Momentum-Signal auf Basis von ETF-Daten, untersucht die…

StatistikBacktestingMomentum
Machine Learning for Trading

Dieses Notebook zeigt eine einheitliche OHLCV-Schnittstelle für Yahoo Finance, WikiPrices und FRED und nutzt die Quellen anschließend für aktuelle ETF-Daten, Aktien mit langen Historien und makroökonomische Zeitreihen. Es beschreibt einen nach Priorität…

AktienMulti-AssetMarktmikrostrukturBacktesting
Machine Learning for Trading

Dieses Kapitel erklärt, wie Finanzmodelle des maschinellen Lernens unter Berücksichtigung der zu jedem Entscheidungszeitpunkt verfügbaren Informationen bewertet werden. Es unterscheidet Training, Validierung und einen abschließenden Holdout und erläutert,…

Maschinelles LernenBacktestingStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook fragt Register für mehrere Handelsfallstudien ab und erstellt fallübergreifende Tabellen zum Vergleich von Signalen, Allokation, Kosten und Risiko. Es berichtet Diagnosen zum nach Validierung gereihten Konfigurationscluster, darunter die…

BacktestingStatistikMulti-AssetRisikomanagement
Machine Learning for Trading

Dieses Capstone-Notebook vergleicht gleiche Gewichtung, inverse Volatilität, Mean-Variance-Optimierung und hierarchische Risikoparität anhand eines gemeinsamen Signals für ein diversifiziertes ETF-Universum. Ein rollendes Ridge-Modell verwendet Momentum-,…

Portfolio-KonstruktionBacktestingAktienOrderausführung
Machine Learning for Trading

Dieses Notebook erstellt N-BEATS, eine vollständig verbundene neuronale Prognosearchitektur, die ein ganzes Eingabefenster verarbeitet und einen zukünftigen Verlauf prognostiziert. Die interpretierbare Variante beschränkt Blöcke darauf, Komponenten mithilfe…

Maschinelles LernenAktienBacktestingStatistik
Machine Learning for Trading

Dieses Notebook isoliert die Portfolioallokation, indem es das ausgewählte Signal jeder Fallstudie festhält und Backtests der Allokationsstufe vergleicht. Es betrachtet Methoden wie gleiche Gewichtung, inverse Volatilität, Score-Gewichtung,…

Portfolio-KonstruktionBacktestingRisikomanagementStatistik
Machine Learning for Trading

Dieses Notebook vergleicht Portfolioallokationsmethoden in mehreren Fallstudien und hält dabei das ausgewählte Signal jeder Studie fest. Es lädt Backtests der Allokationsstufe, die an dasselbe zentrale Signal gebunden sind, und untersucht anschließend…

Portfolio-KonstruktionBacktestingRisikomanagementStatistik
Machine Learning for Trading

Dieses Notebook untersucht, wie sich der Rebalancing-Takt auf den Portfolio-Umschlag, die Brutto-Performance und kostenbereinigte Ergebnisse eines Momentum-Portfolios aus den am höchsten gerankten ETFs auswirkt. Es schätzt den Portfolio-Umschlag anhand…

AktienMomentumOrderausführungBacktesting
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 bewertet eine DeFi-Zeitreihe zum Total Value Locked als alternative Datenquelle für den Ether-Handel. Die Prüfung orientiert sich an vier Fragen: Besteht ein Zusammenhang der Zeitreihe mit Forward-Renditen? Sind die Daten zuverlässig und…

KryptoDeFiOn-Chain-DatenStatistik
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