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

1,119 Dokumente

Machine Learning for Trading

Diese Datensatznotiz beschreibt eine diversifizierte Sammlung börsengehandelter Fonds, die in einer Momentum-Strategie und einer Reihe weiterer Finanzforschungsbeispiele verwendet wird. Sie enthält tägliche Eröffnungs-, Höchst-, Tiefst- und Schlusskurse…

Multi-AssetAktienFestverzinsliche WertpapiereRohstoffe
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

Diese Fallstudie vergleicht festgelegte fixe und nachlaufende Stop-Regeln für FX-Positionen. Zunächst wird je Label eine übergeordnete Strategie aus einer abgeschlossenen Validierungskohorte ausgewählt; anschließend wird nur die Positionsrisikoregel…

DevisenhandelRisikomanagementBacktestingPositionsgrößenbestimmung
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 Dokument erklärt, warum eine tägliche Optionsreihe mit konstanter Laufzeit keine Renditereihe für eine tatsächlich gehaltene Position ist. Es wählt Call- und Put-Positionen mit gleichem Basispreis und Verfall aus, die Liquiditäts-, Laufzeit-,…

OptionenVolatilitätBacktestingBewertung von Derivaten
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 Notebook beschreibt, wie historische Nachrichten aus dem IEX-DEEP-Feed geparst und anhand aggregierter Aktualisierungen auf Preisebene in einem Limit-Orderbuch verarbeitet werden. Es extrahiert Änderungen der Markttiefe, beste Geld- und Briefkurse…

AktienMarktmikrostrukturOrderausführungUS-Märkte
Machine Learning for Trading

Diese Analyse erklärt, wie CME-Futuresdaten in Produkte, auslaufende Kontrakte und nach Volumen gerollte fortlaufende Reihen gegliedert sind. Anhand von E-mini-S&P-500-Daten wird gezeigt, dass einzelne Kontrakte begrenzte Handelszeiträume haben, die sich…

FuturesRohstoffeMulti-AssetBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht gleich gewichtete, nach positiven Werten gewichtete und nach konformer Breite gewichtete Allokationen für hoch eingestufte ETFs und CME-Futures. Es schätzt entitätsspezifische Breiten von Split-Conformal-Intervallen anhand von…

AktienFuturesPositionsgrößenbestimmungRisikomanagement
Machine Learning for Trading

Dieses Notebook vergleicht drei Möglichkeiten, Prognosen mit Vorzeichen für Renditen in binäre Positionen umzuwandeln: einen festen Schwellenwert von null, ein nachlaufendes Perzentil der eigenen Werte jedes Symbols und ein querschnittliches Perzentil über…

Maschinelles LernenTechnische IndikatorenKryptoAktien
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

Diese NASDAQ-100-Studie untersucht, wie sich Transaktionskosten auf eine häufig umgeschichtete Aktienstrategie auswirken. Sie trennt zwei mögliche Reaktionen auf Kosten: die Beschränkung des Handelsuniversums auf liquidere, kostengünstigere Titel und eine…

AktienUS-MärkteOrderausführungMarktmikrostruktur
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
Machine Learning for Trading

Diese Fallstudie wählt eine Konfiguration aus einem eingefrorenen Pool von Krypto-Perpetual-Futures-Strategien aus, der verschiedene Rendite- und Richtungslabels, Methoden zur Portfolioallokation und Risiko-Overlays umfasst. Sie wählt die höchste…

KryptoPerpetual FuturesBacktestingStatistik
Machine Learning for Trading

Dieser Leitfaden beschreibt öffentliche Datensätze zu Faktorrenditen aus der Ken French Data Library und von AQR, darunter Markt-, Größen-, Value-, Profitabilitäts-, Investitions-, Momentum-, Qualitäts- und Low-Beta-Faktoren. Er erläutert, wie Sie monatliche…

FaktorinvestierenStatistikRisikomanagement