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

Diese Konfiguration legt ein Experiment zur Rangfolge und Neugewichtung eines ausschließlich long ausgerichteten ETF-Universums fest. Sie definiert ein breites Universum aus 100 bis ETF ETFs mit Engagements in Aktien, Anleihen, Rohstoffen und verschiedenen…

AktienMulti-AssetBacktestingOrderausführung
Machine Learning for Trading

Diese Panelstudie zu US-Aktien nutzt ein regularisiertes lineares Modell als Baseline, um anhand von Merkmalen zum Börsenschluss zukünftige Renditen vorherzusagen. Die Merkmale umfassen überlappende Momentum- und Volatilitätsmessungen, wodurch…

AktienFaktorinvestierenStatistikRisikomanagement
Machine Learning for Trading

Dieser Benchmark vergleicht CSV, Parquet, Feather (Arrow IPC) und HDF5 anhand desselben deterministischen OHLCV-Panels. Gemessen werden Schreibzeit, materialisierte Lesezeit, Dateigröße und die Auswirkungen, wenn nur ausgewählte Spalten gelesen werden. Für…

AktienBacktestingOrderausführung
Machine Learning for Trading

Diese ETF-Merkmalsstudie erstellt drei modellbasierte Eingaben: ein Hidden-Markov-Modell (HMM) zur Schätzung des Marktregimes, fraktional differenzierte Kurse von Referenzfonds und die bedingte Volatilität je ETF anhand von GARCH(1,1). Um Look-ahead zu…

AktienVolatilitätMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Tutorial vergleicht feste Stop-Loss- und Take-Profit-Barrieren, nachlaufende Stopps, ATR-skalierte Ausstiege, ein Machine-Learning-Ausstiegssignal und Kombinationen dieser Ansätze anhand täglicher SPY-Daten. Feste Barrieren werden ausgehend von…

AktienRisikomanagementTechnische IndikatorenBacktesting
Machine Learning for Trading

Dieses Notebook überträgt Word2Vec Skip-gram auf institutionelle Aktienbestände. Es behandelt das Portfolio jeder Institution als Satz, Aktienkennungen als Token und nach gemeldetem Bestandswert geordnete Positionen als Wortreihenfolge. Aktien, die…

AktienMaschinelles LernenPortfolio-KonstruktionStatistik
Machine Learning for Trading

Dieses Notebook erklärt, warum unveränderte Aktienkurse irreführende Renditen ergeben können, wenn sie Aktiensplits oder Bardividendentermine umfassen. Es beschreibt die rückwirkende Bereinigung, bei der historische Preise anhand späterer Kapitalmaßnahmen…

AktienStatistikBacktestingUS-Märkte
Machine Learning for Trading

Dieses Notebook prüft, ob eine modellbasierte Positionsgröße eine Gleichgewichtung in einer US-Strategie mit Unternehmensmerkmalen verbessert. Es vergleicht Score-Gewichtung, bei der Wertpapieren mit höheren prognostizierten Scores mehr Kapital zugewiesen…

AktienPositionsgrößenbestimmungPortfolio-KonstruktionBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht Ausstiege aus Long-Positionen in ETF: feste Gewinnziele und Stopps, nachlaufende Stopps, ATR-skalierte Barrieren, Machine-Learning-Signale und Kombinationen. Es erstellt Indikatoren und Handelssimulationen und fasst anschließend…

AktienRisikomanagementPositionsgrößenbestimmungVolatilität
Machine Learning for Trading

Dieses Notebook behandelt ARIMA-Prognosen als Eingabespalten für nachgelagerte Modelle statt als eigenständige Prognosen. Es passt Modelle an ETF-Renditen an, nutzt Stationaritätsprüfungen und Autokorrelationsdiagnostik zur Auswahl möglicher Ordnungen und…

AktienMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Dokument stellt das monatliche US-Aktienpanel von Chen, Pelger und Zhu vor, das zum Benchmarking von Asset-Pricing-Modellen verwendet wird. Es beschreibt 46 Unternehmensmerkmale, geordnet nach wirtschaftlichem Thema, Überschussrenditen für den…

AktienUS-MärkteFaktorinvestierenStatistik
Machine Learning for Trading

Dieses Notebook stellt einen Arbeitsablauf zur Charakterisierung von Marktzeitreihen vor einer Modellierung vor. Es beginnt mit Diagrammen zu Kursen und Renditen von SPY, VIX-Niveaus und der Renditeverteilung, um Trends, Volatilitätscluster und fette…

AktienStatistikVolatilitätRisikomanagement
Machine Learning for Trading

Dieses Notebook nutzt tägliche Renditen von SPY, um die Frequenzbereichsanalyse und ihre Grenzen als Quelle von Trading-Merkmalen zu erläutern. Eine Wavelet-Zerlegung trennt Schwankungen in Bänder mit zunehmend langsameren Zeitskalen, während…

AktienStatistikVolatilitätTechnische Indikatoren
Machine Learning for Trading

Dieses Notebook beschreibt einen operativen Ablauf, um eine Strategie über TWS oder Gateway mit Interactive Brokers zu verbinden. Es prüft, ob es sich um ein Paper-Konto handelt, liest Kontowerte und Positionen aus und ruft historische Bars ab, um den…

OrderausführungRisikomanagementMomentumAktien
Machine Learning for Trading

Dieses Notebook gibt einen Überblick über EdgarTools zur Untersuchung von SEC-Einreichungen und zur Extraktion strukturierter Unternehmensdaten. Es erklärt, wie Einreichende anhand einer stabilen CIK identifiziert, Einreichungen nach Formular abgerufen und…

AktienUS-MärkteBacktestingEreignisgesteuert
Machine Learning for Trading

Diese Fallstudie verwendet lineare Modelle als Ausgangsbasis für die Prognose künftiger Renditen in einem breiten US-Aktienpanel. Sie erläutert, warum überlappende Kurs- und Volumenmerkmale Kollinearität verursachen und die Koeffizienten der gewöhnlichen…

AktienUS-MärkteMaschinelles LernenStatistik
Machine Learning for Trading

Diese Analyse vergleicht registrierte kausale Behandlungseffekte, die mit Double Machine Learning geschätzt wurden, aus neun Trading-Fallstudien. Sie lädt die aktuellen Ergebnisse aus dem Register jeder Studie, prüft die Registerintegrität und doppelte…

StatistikMaschinelles LernenBacktestingAktien
Machine Learning for Trading

Dieses Notebook untersucht, wie empfindlich ein Momentum-Backtest für ETF gegenüber der angenommenen Handelsgebühr ist. Es hält die Gewichte und den Handelszeitplan der Strategie konstant, führt den Simulator mit verschiedenen Kosten pro Handelsseite erneut…

AktienMomentumBacktestingOrderausführung
Machine Learning for Trading

Das Notebook schätzt, wie stark ein gleich gewichtetes Portfolio aus überlebenden US-Aktien die Renditen gegenüber dem vollständigen ursprünglichen Anlageuniversum überzeichnen kann. Zunächst wird untersucht, wann das Panel ausscheidende Symbole erfasst.…

AktienUS-MärkteBacktesting
Machine Learning for Trading

Diese explorative Analyse führt Optionskontrakte und den Aufbau von Optionsketten ein und untersucht anschließend eine 2020-Stichprobe von S&P-500-Optionen auf acht Basiswerte. Sie erläutert Moneyness, inneren Wert und Zeitwert, implizite Volatilität, die…

OptionenAktienVolatilitätBewertung von Derivaten
Machine Learning for Trading

Diese Analyse wertet eine registrierte Backtesting-Pipeline für eine monatliche US-Aktienstrategie auf Basis von Unternehmensmerkmalen aus. Sie berichtet die Unsicherheit des Sharpe-Werts, die Wahrscheinlichkeit eines positiven Sharpe-Werts und…

AktienFaktorinvestierenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook bewertet positionsbezogene Stop-Losses, Trailing-Stops und zeitbasierte Ausstiege für die Allokationslinie, die unter geeigneten Kandidaten mit vollständiger Abdeckung den höchsten Validierungs-Sharpe aufweist. Jedes Overlay wird mit seiner…

AktienOptionenRisikomanagementBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht Gewichtungsregeln für ein S&P-500-Optionsmodell, das Straddles verkauft. Die ausgewählten Symbole und die übrigen Strategieeinstellungen bleiben unverändert. Die Gleichgewichtungs-Baseline wird durch Allokatoren ersetzt, die…

OptionenAktienPortfolio-KonstruktionPositionsgrößenbestimmung
Machine Learning for Trading

Dieses Notebook beschreibt einen Ablauf, um aus den vierteljährlichen MD&A-Angaben von S&P-500-Unternehmen Handelsmerkmale abzuleiten. Als zeitpunktgenauen Anker dienen die Annahmedaten der Meldungen. Mehrere Meldungen eines Unternehmens am selben Datum…

AktienMaschinelles LernenMarktstimmungStatistik