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

100 Dokumente

Machine Learning for Trading

Dieses Notebook beschreibt, wie eine ausgewählte Funding-Strategie für Krypto-Perpetuals in einem späteren Holdout-Zeitraum bewertet wird. Es verwendet Prognosen wieder, die mit vor dem Holdout endenden Trainingsdaten erzeugt wurden, führt das gewählte…

KryptoPerpetual FuturesCarryBacktesting
Machine Learning for Trading

Das Dokument zeigt einen VectorBT-Ablauf für eine Long-only-Bitcoin-RSI-Mean-Reversion-Regel. Es berechnet RSI anhand täglicher Schlusskurse, eröffnet eine Position, wenn der Wert des Vortags unter einen unteren Schwellenwert fällt, und schließt sie, wenn er…

KryptoRückkehr zum MittelwertTechnische IndikatorenBacktesting
Machine Learning for Trading

Das Notebook trainiert einen einfachen Autoencoder mit standardisierten Stundenrenditen einer Gruppe von Krypto-Perpetual-Märkten. Der Encoder komprimiert den anlageklassenübergreifenden Renditevektor in eine zweidimensionale latente Darstellung, und der…

KryptoPerpetual FuturesMaschinelles LernenVolatilität
Machine Learning for Trading

Diese Prüfung vergleicht mehrere Backtesting-Engines mit gemeinsamen historischen Eingaben für ETF-Allokation, CME-Futures, Krypto-Perpetuals mit Funding, Devisen und US-Aktien. Jedes unterstützte Paar erhält dieselben inhaltsadressierten Marktdaten und…

BacktestingOrderausführungMulti-AssetFutures
Machine Learning for Trading

Dieses Notebook implementiert eine Long-only-RSI-Mean-Reversion-Regel für BTC/USDT-Perpetuals mit einer ereignisgesteuerten Backtesting-Engine. Es fasst untertägige Balken zu täglichen OHLCV-Daten in UTC zusammen, berechnet einen rollierenden RSI aus…

KryptoPerpetual FuturesRückkehr zum MittelwertTechnische Indikatoren
Machine Learning for Trading

Dieses Notebook erklärt, wie Labels für zukünftige Kursrenditen in einem Panel aus Krypto-Perpetuals mit achtstündigen Intervallen erstellt werden. Es verschiebt die Zeitstempel der Balkenöffnung auf den Zeitpunkt, zu dem Daten eines abgeschlossenen Balkens…

KryptoPerpetual FuturesRückkehr zum MittelwertStatistik
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

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

Dieses Notebook trainiert einen Proximal-Policy-Optimization-Agenten, der eine feste Order über einen festgelegten Zeitraum liquidiert. Es vergleicht die erlernte zeitliche Ausführung mit TWAP und einem Almgren–Chriss-Zeitplan, misst den Implementation…

KryptoPerpetual FuturesOrderausführungMaschinelles Lernen
Machine Learning for Trading

Dieses Notebook schätzt, ob ein z-Wert der Prämie von Krypto-Perpetuals unter einer Intervention mit den anschließenden Acht-Stunden-Renditen zusammenhängt. Dabei werden Preisvolatilität, Finanzierungssatz und die Abweichung der Prämie von ihrem jüngsten…

KryptoPerpetual FuturesMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook isoliert die Ergebnisse für die LEAN-Engine aus einer Prüfung, die beibehaltene Läufe realer Strategien mit passenden ML4T-Backtest-Profilen vergleicht. Es identifiziert vier unterstützte Arbeitslasten: ETF-Allokation, die Finanzierung von…

Multi-AssetBacktestingOrderausführungKrypto
Machine Learning for Trading

Dieses Notebook beschreibt, wie Holdout-Prognosen für eine ausgewählte Finanzierungsstrategie mit unbefristeten Kryptokontrakten erstellt werden. Es leitet die Konfiguration aus den Validierungsergebnissen ab, übernimmt die Auswahl des Checkpoints und…

KryptoPerpetual FuturesMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Dokument untersucht positionsbezogene Ausstiege, die einer bestehenden Krypto-Perpetual-Strategie hinzugefügt werden: feste Stop-Losses, Trailing-Stops und zeitbasierte Ausstiege. Es erklärt, dass diese Kontrollen nur Positionen schließen, die von der…

KryptoPerpetual FuturesRisikomanagementBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht DQN, PPO und A2C in einer simulierten Umgebung für den Kryptowährungshandel. Es kalibriert einen GARCH(1,1)-Volatilitätsprozess anhand stündlicher Renditen von Bitcoin-Perpetual-Futures und simuliert dann Pfade, die…

Maschinelles LernenKryptoPerpetual FuturesBacktesting
Machine Learning for Trading

Dieses Notebook beschreibt, wie Holdout-Prognosen für eine Krypto-Perpetual-Funding-Strategie erstellt werden, nachdem ihre Konfiguration anhand von Validierungsergebnissen ausgewählt wurde. Es ermittelt den zulässigen Validierungs-Backtest mit der höchsten…

KryptoPerpetual FuturesMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Modul definiert eine Point-in-Time-Simulationsumgebung für die Ausführung einer großen Verkaufsorder in Krypto-Perpetual-Futures. Die Beobachtungen kombinieren den verbleibenden Bestand und die verbleibende Zeit mit Marktvolatilität, Premium-Index,…

KryptoPerpetual FuturesOrderausführungMarktmikrostruktur
Machine Learning for Trading

Dieses Dokument beschreibt eine Pipeline zum Herunterladen offizieller Binance-USD-M-Perpetual-Funding-Daten, deren Normalisierung und Zwischenspeicherung in einer spaltenorientierten Datei. Monatsarchive werden für die angeforderten Symbole und den…

KryptoPerpetual FuturesBewertung von DerivatenBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht Gradient-Boosting-Konfigurationen für Krypto-Perpetual-Futures anhand von Merkmalen, die auf dem Aufschlag der Perpetual-Kontrakte gegenüber dem Kassamarkt beruhen. Es variiert die Baumkapazität und die Verlustfunktion, darunter…

KryptoPerpetual FuturesMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook entwickelt modellbasierte Merkmale für Krypto-Perpetual-Futures: bedingte Volatilitätsprognosen pro Anlage aus GJR-GARCH und eine marktweite Wahrscheinlichkeit für ein Stressregime aus einem Gaußschen Hidden-Markov-Modell mit zwei Zuständen,…

KryptoPerpetual FuturesVolatilitätMaschinelles Lernen
Machine Learning for Trading

Diese Fallstudie skizziert eine Forschungspipeline für Krypto-Perpetual-Futures. Dabei werden Funding-Zahlungen, die bei regelmäßigen Abrechnungen zwischen Long- und Short-Positionen ausgetauscht werden, als mögliche Renditequelle betrachtet. Beschrieben…

KryptoPerpetual FuturesFuturesMaschinelles Lernen
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

Diese Demo skizziert einen durchgehend laufenden Krypto-Handelsablauf, der mit dem USD-Spotmarkt von Alpaca verbunden ist. Sie ordnet ein Anlageuniversum aus einer Perpetual-Futures-Fallstudie den vom Handelsplatz unterstützten Spot-Paaren zu und macht…

KryptoSpotmärktePerpetual FuturesMomentum
Machine Learning for Trading

Dieses Notebook zeigt das Monitoring von Kovariaten-Drift bei ETF-Momentum-Features und Merkmalen von Krypto-Perpetual-Futures in unterschiedlichen Marktphasen. Es vergleicht den Population Stability Index, der Veränderungen einzelner Feature-Verteilungen…

Maschinelles LernenStatistikRisikomanagementKrypto