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

Dieses Notebook vergleicht die Speicherformate CSV, Parquet, Feather und HDF5 anhand eines deterministischen OHLCV-Datenpanels mit einer Million Zeilen. Gemessen werden Schreibzeit, vollständig eingelesene Daten, Dateigröße und Lesezugriffe, bei denen nur…

AktienStatistikOrderausführung
Machine Learning for Trading

Dieses Audit vergleicht Trading-Engines, die dieselben eingefrorenen Modellziele und inhaltsadressierten historischen Eingaben für die ETF-Allokation, Futures, die Finanzierung von Krypto-Perpetuals, Devisen und US-Aktien wiedergeben. Es bewertet die…

BacktestingOrderausführungMulti-AssetFutures
Machine Learning for Trading

Dieses Notebook zeigt einen schreibgeschützten Frage-Antwort-Ablauf für einen Graphen institutioneller Beteiligungen aus 13F-Einreichungen. Statt Datenbankabfragen aus natürlicher Sprache zu erzeugen, leitet es genau unterstützte Fragen an handgeschriebene…

AktienMaschinelles LernenOrderausführungRisikomanagement
Machine Learning for Trading

Dieses Notebook erläutert die instrumentierte Hauptkomponentenanalyse (IPCA) für ein veränderliches US-Aktienpanel. Die herkömmliche Hauptkomponentenanalyse (PCA) weist jeder Aktie eine angepasste Ladung zu. Damit lassen sich im Trainingsdatensatz fehlende…

AktienFaktorinvestierenMaschinelles LernenStatistik
Machine Learning for Trading

Diese Pipeline erstellt Finanzmerkmale für einen ETF-Bereitstellungsablauf aus OHLCV-Kursen und einer Zinskurve. Sie leitet Renditen und risikobereinigte Renditen über mehrere Lookback-Zeiträume, Momentum-Beschleunigung und Volatilitätsverhältnisse ab und…

AktienMomentumVolatilitätTechnische Indikatoren
Machine Learning for Trading

Dieses Notebook nutzt Analysen maximaler günstiger und ungünstiger Kursbewegungen, um Breiten von Triple Barriers anhand beobachteter Kursverläufe festzulegen. Bei einem Long-Einstieg zum Schlusskurs eines Balkens misst es den besten Höchstkurs und den…

RisikomanagementVolatilitätBacktesting
Machine Learning for Trading

Das Dokument erläutert, wie vier Markteinflussmodelle die nachteilige Kursbewegung pro Aktie für eine Order schätzen: kein Einfluss, linearer Einfluss, Einfluss proportional zur Quadratwurzel und ein konfigurierbares Potenzgesetz. Es erklärt die…

OrderausführungMarktmikrostrukturBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook vergleicht Portfolioallokationen von PyPortfolioOpt, Riskfolio-Lib und skfolio anhand desselben ETF-Renditepanels. Es passt Allokatoren auf einem Trainingszeitraum an, prüft, ob gleichwertige Zielfunktionen und ausgerichtete Gewichte…

Multi-AssetPortfolio-KonstruktionBacktestingOrderausführung
Machine Learning for Trading

Dieses Notebook erstellt Labels für Forward-Renditen einer Strategie, die Signale aus börsennotierten Optionen auswertet und die zugrunde liegenden Aktien handelt. Es passt tägliche Aktienkurse um Splits und Dividenden an, verwendet eine dauerhafte…

AktienOptionenMaschinelles LernenBacktesting
Machine Learning for Trading

Diese Konfigurationsnotiz unterscheidet Einstellungen, die in einer Backtest-Identität erscheinen, von Einstellungen, die tatsächlich simulierte Handelskosten beeinflussen. Im beschriebenen Fallbeispiel verwenden alle registrierten Läufe einen vektorisierten…

OptionenBacktestingOrderausführungStatistik
Machine Learning for Trading

Dieses Notebook erstellt ein Evaluierungsgerüst für finanzielle Retrieval-Augmented-Generation-Systeme mit getrennten Kennzahlen für Suchabdeckung, Antworttreue, angemessene Nichtbeantwortung und Sicherheitsverhalten. Es verwendet sechs handgeschriebene…

Maschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook bewertet Validierungsprognosen aus der Aktien- und Optionsforschung, indem es sie in Long-only-Aktienportfolios überführt. Es nutzt eine gleichgewichtete Top-K-Baseline, vergleicht mehrere Portfolio-Konzentrationen und folgt dem…

AktienOptionenBacktestingPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook prüft, ob die Daten eine wöchentliche, querschnittliche Futures-Strategie unterstützen, bevor ein Modell trainiert wird. Es beschreibt einen Ansatz, der CME-Produkte ordnet, Long-Positionen in den höchstbewerteten und Short-Positionen in den…

FuturesRohstoffeCarryOrderausführung
Machine Learning for Trading

Dieses Notebook erläutert, wie sich ein vierteljährliches Panel mit Aktienfundamentaldaten aus SEC XBRL-Daten erstellen und prüfen lässt. Jede Beobachtung enthält sowohl die beschriebene Geschäftsperiode als auch das Datum, an dem die Einreichung öffentlich…

AktienUS-MärkteFaktorinvestierenBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht zwei Verfahren zur Schätzung von Geld-Brief-Spannen, wenn historische Daten tägliche Eröffnungs-, Höchst-, Tiefst- und Schlusskurse sowie Volumen, aber keine Quotes enthalten. Corwin-Schultz trennt Spread und Volatilität, indem es…

MarktmikrostrukturOrderausführungStatistikRisikomanagement
Machine Learning for Trading

Diese Fallstudie konfiguriert ein LSTM-Modell zur Prognose von FX-Paar-Labels. Sie stellt den fortgeschriebenen verborgenen Zustand des rekurrenten Modells festen Lookback-Transformationen und Faltungs-Rezeptionsfeldern gegenüber; Vergleiche mit anderen…

DevisenhandelMaschinelles LernenBacktesting
Machine Learning for Trading

Diese Studie untersucht, ob Größen aus dem Optionsmarkt zukünftige Aktienrenditen in eine Rangfolge bringen können. Zu den Merkmalen gehören die implizite Volatilität über verschiedene Laufzeiten, die Put-Call-Skew, die Steigung der Laufzeitenstruktur und…

OptionenAktienVolatilitätMaschinelles Lernen
Machine Learning for Trading

Dieses Notebook überträgt ein adversariales Design stochastischer Diskontfaktoren auf tägliche US-Aktien. Ein Netzwerk für Portfoliogewichte bildet aus Überschussrenditen des nächsten Tages einen Faktor, während ein konkurrierendes Momentnetzwerk beim…

AktienFaktorinvestierenMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Dokument entwickelt ein tägliches Merkmals-Panel zur Rangordnung von zwanzig Währungspaaren zum New Yorker Schlusskurs um 5 PM. Es unterscheidet rangfähige Signale wie standardisierte Renditen über mehrere Zeithorizonte und die Kanalposition von…

DevisenhandelRückkehr zum MittelwertMomentumVolatilität
Machine Learning for Trading

Dieses Tutorial erstellt eine kontinuierliche Futures-Reihe aus einzelnen ES-Kontrakten. Es bestimmt den Frontmonat anhand des Handelsvolumens, wobei eine monotone Rollbedingung gilt, und vergleicht den volumenbasierten Wechsel mit einer kalenderbasierten…

FuturesBacktestingStatistikOrderausführung
Machine Learning for Trading

Dieses Notebook wandelt einen realen Lieferketten-Wissensgraphen und institutionelle 13F-Beteiligungen in Merkmale für maschinelles Lernen um. Es leitet Netzwerkmaße wie Zentralität und Abhängigkeitsindikatoren ab, schätzt die Lieferantenkonzentration und…

Maschinelles LernenAktienPortfolio-KonstruktionStatistik
Machine Learning for Trading

Dieses Tutorial erstellt einen monatlichen ETF-Rotationssimulator mit einem nachlaufenden risikobereinigten Momentum-Ranking und einem Regimefilter anhand der Treasury-Zinskurve. Zum Monatsende stuft die Regel zehn Fonds anhand ihrer jüngsten Kursentwicklung…

BacktestingMomentumPortfolio-KonstruktionOrderausführung
Machine Learning for Trading

Dieses Notebook zeigt einen operativen Zyklus für eine ETF-Prognosestrategie: Marktdaten aktualisieren, Finanzmerkmale neu berechnen, ein Ridge-Modell neu trainieren, Betriebsartefakte speichern, aktuelle Querschnittsprognosen erstellen, sie durch eine…

AktienMaschinelles LernenOrderausführungBacktesting