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 verwendet NASDAQ ITCH-Transaktionsdaten, um zu untersuchen, wie Volumen und Handelsaktivität während der regulären Sitzung variieren. Es fasst Transaktionen in Zeitbalken zusammen, vergleicht Preis und Volumen für beispielhafte Aktien mit…

AktienMarktmikrostrukturStatistikTechnische Indikatoren
Machine Learning for Trading

Dieses Notebook vergleicht Prognosemodelle, die NASDAQ-100-Aktien nach ihrer Rendite in den nächsten 15 Minuten ordnen, anhand von Intraday-Mikrostrukturinformationen wie Spreads, Ungleichgewichten in der Markttiefe, vorzeichenbehaftetem Volumen und…

AktienMaschinelles LernenStatistikMarktmikrostruktur
Machine Learning for Trading

Dieses Notebook leitet die Kelly-Positionsgröße her, indem es bei einer binären Wette das erwartete logarithmische Vermögen maximiert. Anschließend veranschaulicht es, wie die Einsatzhöhe die Verteilung simulierter Vermögenspfade verändert. Der Ansatz wird…

PositionsgrößenbestimmungRisikomanagementPortfolio-KonstruktionStatistik
Machine Learning for Trading

Diese Evaluation prüft Merkmale aus Optionsoberflächen, preisbasierte Merkmale und bedingte Volatilitätsmerkmale anhand künftiger Aktienrenditen. Für jede Sitzung berechnet sie eine Querschnitts-Rangkorrelation zwischen Merkmalswerten und nachfolgenden…

AktienOptionenStatistikMaschinelles Lernen
Machine Learning for Trading

Dieses Hilfsprogramm beschreibt, wie eine Migration validiert wird, die Backtest-Kennungen ändert, ohne die zugrunde liegenden Berechnungen erneut auszuführen. Es durchsucht Datenbankschemata nach Spalten mit registrierten Adressen, einschließlich…

BacktestingStatistik
Machine Learning for Trading

Dieses Notebook erläutert instrumentierte Hauptkomponentenanalyse (IPCA) für ein Aktienpanel mit Optionsoberflächenmerkmalen. Anders als bei gewöhnlicher PCA, bei der die Exponierungen jeder Aktie anhand ihrer Renditehistorie geschätzt werden, modelliert…

AktienOptionenFaktorinvestierenMaschinelles Lernen
Machine Learning for Trading

Dieses Notebook strukturiert fallstudienübergreifende Vergleiche von LightGBM-Modellen und nutzt lineare Modelle und TabM, sofern verfügbar, als Referenzfamilien. Es bewertet Konfigurationen mit unterschiedlichen Baumgrößen, Regressionsverlusten, Checkpoints…

Maschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook erläutert instrumentierte Hauptkomponentenanalyse (IPCA), die gemeinsame Faktoren schätzt und zugleich die Faktor-Exponierungen jeder Aktie als gemeinsame lineare Funktion ihrer tagesgleichen Optionsoberflächenmerkmale modelliert. Dazu zählen…

OptionenAktienFaktorinvestierenMaschinelles Lernen
Machine Learning for Trading

Das Dokument erläutert zwei Verfahren zur Schätzung von Geld-Brief-Spreads, wenn nur tägliche OHLCV-Daten verfügbar sind. Corwin-Schultz vergleicht Hoch-Tief-Spannen über benachbarte Ein- und Zwei-Tages-Intervalle und nutzt das unterschiedliche Verhalten von…

MarktmikrostrukturStatistikOrderausführungVolatilität
Machine Learning for Trading

Das Dokument beschreibt, wie rollierende ETF-Renditefenster in Zweikanalbilder für ein herkömmliches faltendes neuronales Netz umgewandelt werden. Ein Gramian Angular Field bildet normalisierte Beobachtungen auf Winkel ab und hält paarweise Winkelbeziehungen…

AktienMaschinelles LernenTechnische IndikatorenStatistik
Machine Learning for Trading

Dieses Evaluierungsframework unterscheidet vier Arten von Fehlern in einer Finanzpipeline mit Retrieval-Augmented Generation: relevante Belege abrufen, Antworten auf diese Belege stützen, unbeantwortbare Fragen ablehnen und unsicheren Anweisungen in…

Maschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook erstellt preisbasierte Features, um ein breites US-Aktienuniversum zu ordnen. Es beschreibt Momentum-, Volatilitäts-, gleitende Durchschnitts- und technische Indikatorfamilien und bewertet sie anhand eines Labels für die Rendite der folgenden…

AktienUS-MärkteTechnische IndikatorenMomentum
Machine Learning for Trading

Dieses Notebook trainiert PatchTST, ein Sequenzmodell im Transformer-Stil, als Teil einer vorab festgelegten Modellpopulation für die Optionsforschung zum S&P 500. Es unterteilt eine Rückblick-Zeitreihe in Patches fester Länge, bettet diese als Tokens ein…

OptionenMaschinelles LernenBacktestingStatistik
Machine Learning for Trading

Diese Analyse bewertet, ob Signale aus mehreren Trading-Fallstudien zuverlässig genug für die weitere Verwendung erscheinen. Sie vergleicht Informationskoeffizienten (IC) aus der Validierung mit Holdout-Evidenz, untersucht Stabilität und Reproduzierbarkeit…

Maschinelles LernenStatistikBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook erzeugt Prognosen für ein zuvor unberührtes ETF-Holdout-Fenster anhand der Konfiguration, die auf Validierungsdaten ausgewählt wurde. Es erstellt die Trainingsspezifikation neu, sodass sie einen Labelhorizont vor Beginn des Fensters endet,…

BacktestingRisikomanagementStatistik
Machine Learning for Trading

Dieses Notebook beschreibt eine Pipeline, die Beziehungen zwischen Lieferanten, Kunden und Wettbewerbern aus den 10-K-Berichten von Unternehmen extrahiert und als Neo4j-Wissensgraph speichert. Ein lokales Sprachmodell schlägt strukturierte…

AktienMaschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Dieses Dokument beschreibt Registry-Prüfungen, mit denen entschieden wird, ob Modelltraining und Backtests wiederverwendet oder erneut ausgeführt werden. Läufe werden anhand von Hashes identifiziert, die aus ihren Spezifikationen abgeleitet werden; ein Lauf…

BacktestingMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook zeigt, wie ein Transformer für die Erkennung benannter finanzieller Entitäten feinabgestimmt wird, um Textspannen in strukturierte Felder für Organisationen, Personen, Geldbeträge, Datumsangaben und Prozentsätze umzuwandeln. Es führt…

Maschinelles LernenStatistikMarktstimmungAktien
Machine Learning for Trading

Dieses Notebook untersucht Gradient Boosting für querschnittliche Prognosen von CME-Futures-Renditen. Es variiert die Baumkapazität anhand von Blattzahlprofilen und vergleicht quadratische, absolute und Huber-Verlustfunktionen, die extreme Residuen…

FuturesRohstoffeMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook erläutert drei Möglichkeiten, aus Minutendaten des NASDAQ-100 modellbasierte Features zu erstellen: eine rollierende HAR-Regression für Varianzprognosen und Prognosefehler, eine Fourier-Transformation für jüngste Volumenmuster und…

AktienVolatilitätMarktmikrostrukturStatistik
Machine Learning for Trading

Dieses Notebook vergleicht vier Verfahren zum Abruf von Textpassagen aus einem Korpus von Unternehmensberichten: BM25, dichte Embeddings, Reciprocal Rank Fusion (RRF) und einen Cross-Encoder-Reranker. RRF kombiniert Ranglisten statt Rohwerte und kann so…

Maschinelles LernenStatistikAktienUS-Märkte
Machine Learning for Trading

Dieses Dokument stellt eine durchgängige Prognosearchitektur vor, die ein Forschungs-Panel, eine aggregierte Prognose, eine kontroverse Debatte und eine Aufsicht kombiniert. Die Aufsicht erkennt Meinungsverschiedenheiten, sucht nach klärenden Belegen und…

Maschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook vergleicht LightGBM mit einem MLP, TabM und, sofern verfügbar, TabPFN zur Prognose zukünftiger ETF-Renditen anhand tabellarischer Merkmale. Die Modelle werden über gemeinsame chronologische Walk-Forward-Falten bewertet;…

AktienMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht gewöhnliche kleinste Quadrate mit Ridge, LASSO und Elastic Net zur Prognose zukünftiger Renditen über 21 Tage anhand von ETFs. Die Modelle verwenden dieselben festgelegten Walk-Forward-Falten und eine an den Labelhorizont…

AktienMaschinelles LernenStatistikBacktesting