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

Dieses Notebook erläutert, wie ein veröffentlichtes, querschnittlich rangiertes US-Unternehmensmerkmal-Panel in eine Feature-Matrix mit Schlüsseln für eine Faktorenstudie überführt wird. Es gruppiert Eingaben in festgelegte Familien, kombiniert Merkmale und…

AktienFaktorinvestierenBacktestingStatistik
Machine Learning for Trading

Diese Merkmalsstudie zu US-Aktien erläutert, wie sich Merkmale aus geschätzten Modellen erstellen lassen, ohne zukünftige Daten in frühere Beobachtungen einfließen zu lassen. Der Schätzplan sieht eine Aufwärmphase mit historischen Daten vor, passt Parameter…

AktienVolatilitätTechnische IndikatorenStatistik
Machine Learning for Trading

Dieses Notebook wendet TSMixer auf ETF-Sequenzen an und nutzt dafür eine global über alle Fonds geteilte Funktion. Jedes Beispiel enthält die Historie und Kovariaten eines einzelnen Fonds; zeitliche und merkmalsbezogene Wechselwirkungen werden über das Panel…

AktienMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook beschreibt ein Modell mit stochastischem Diskontierungsfaktor (SDF) zur Bewertung der Querschnittsrenditen von US-Unternehmen. Statt zunächst Faktoren zu schätzen und anschließend anzuwenden, lernt es direkt Gewichte für Unternehmen und…

AktienFaktorinvestierenMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook analysiert rekonstruierte NASDAQ-Limit-Orderbücher, um Intraday-Spreads und die Markttiefe an der besten Geld- und Briefseite zu beschreiben. Anschließend untersucht es, ob ein Ungleichgewicht im Orderflow mit nachfolgenden Renditen in…

MarktmikrostrukturAktienStatistikOrderausführung
Machine Learning for Trading

Dieses Notebook stellt eine Brücke für die Bereitstellung zwischen einer Offline-Pipeline für maschinelles Lernen und der Handels-Engine LEAN von QuantConnect vor. Es wählt reproduzierbar einen Modelllauf aus einer Registry aus, exportiert dessen…

Maschinelles LernenPortfolio-KonstruktionOrderausführungBacktesting
Machine Learning for Trading

Dieses Notebook bewertet vier aus Nachrichten abgeleitete Signale – gewichtete Überraschung, durchschnittliche Stimmung, Stimmungsänderung und Artikelabdeckung – anhand künftiger Aktienrenditen. Es berechnet täglich einen Spearman-Informationskoeffizienten…

AktienMarktstimmungStatistikFaktorinvestieren
Machine Learning for Trading

Dieses Dokument beschreibt die Anpassung temporaler Faltungsnetze an Mikrostrukturmerkmale auf Minutenebene für NASDAQ 100. Kausale Faltungen verhindern, dass eine Prognose spätere Beobachtungen verwendet. Dilatation ermöglicht es aufeinanderfolgenden…

AktienMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Diese Analyse prüft, ob tägliche Options- und Aktiendaten eine wöchentliche S&P-500-Strategie stützen können, die die Bestandteile nach der impliziten Volatilität am Geld mit einer Laufzeit von dreißig Tagen sortiert und die am höchsten eingestuften Aktien…

AktienOptionenVolatilitätBacktesting
Machine Learning for Trading

Diese Analyse vergleicht Prognosen verschiedener Modellfamilien, die mit monatlichen Merkmalen von US-Aktien trainiert wurden, um Renditen für den Folgemonat vorherzusagen. Im Mittelpunkt steht der Informationskoeffizient im Querschnitt, der misst, wie gut…

AktienUS-MärkteMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook vergleicht Methoden zur Entdeckung von Beziehungen in einem Panel von ETF-Renditen: NOTEARS für zeitgleiche lineare gerichtete azyklische Graphen, VAR-LiNGAM für verzögerte und unmittelbare Strukturen, PCMCI für bedingte…

Maschinelles LernenStatistikAktienBacktesting
Machine Learning for Trading

Dieses Notebook zeigt, wie sich LightGBM-Hyperparameter mit Optunas TPE-Sampler abstimmen lassen. Als Ziel dient der Informationskoeffizient im Querschnitt. Die Anzahl der Boosting-Runden wird per Early Stopping gewählt; ein benutzerdefinierter…

Maschinelles LernenBacktestingStatistikAktien
Machine Learning for Trading

Diese Studie wandelt registrierte Modellprognosen in vergleichbare S&P-500-Optionsstrategien um. An wöchentlichen Entscheidungstagen ordnet sie prognostizierte Renditen, filtert nach einem liquiden Anlageuniversum und verkauft gleich gewichtete…

OptionenAktienBacktestingOrderausführung
Machine Learning for Trading

Dieses Notebook vereint fünf Ansätze mit latenten Faktoren zur Modellierung des Querschnitts der Aktienrenditen in der S&P 500-Optionsfallstudie. PCA schätzt gemeinsame Bewegungen allein anhand der Renditen; IPCA bildet Merkmale linear auf Exposures ab; ein…

AktienFaktorinvestierenMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook definiert Schlusskurs-zu-Schlusskurs-Renditen für zwei Handelshorizonte im Querschnitt von ETFs. Jeder Horizont wird vom bereinigten Schlusskurs bis zum Schlusskurs einer festgelegten Anzahl späterer Sitzungen gemessen. Es erklärt, warum…

AktienMomentumStatistikBacktesting
Machine Learning for Trading

Dieses Notebook demonstriert Prüfungen auf Merkmalsdrift bei ETF-Momentum- und technischen Merkmalen in ruhigen und angespannten Marktphasen sowie bei Krypto-Perpetuals mit Premiumindexdaten über verschiedene Marktregime hinweg. Es vergleicht den Population…

Maschinelles LernenStatistikRisikomanagementKrypto
Machine Learning for Trading

Dieses Notebook passt TSMixer an, um künftige ETF-Renditen anhand historischer Momentum-Merkmale vorherzusagen. Die Architektur wechselt zwischen einer gemeinsamen linearen Transformation entlang der Zeitachse und einem Merkmals-MLP, das an jedem Datum…

Maschinelles LernenAktienMomentumBacktesting
Machine Learning for Trading

Dieses Notebook vermittelt, wie sich binäre Nachrichten von NASDAQ TotalView-ITCH dekodieren und als strukturierte Daten für spätere Microstructure-Analysen speichern lassen. Es erklärt Nachrichtenrahmung, Felder mit fester Breite, Big-Endian-Werte,…

MarktmikrostrukturAktienOrderausführung
Machine Learning for Trading

Dieses Notebook erläutert einen überwachten Autoencoder zur Prognose der Richtung zukünftiger US-Aktienrenditen über mehrere Horizonte. Sein Encoder speist einen Rekonstruktionsdecoder, einen zusätzlichen Klassifikator und einen Hauptklassifikator. Das…

AktienMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook entwickelt einen Portfolio-Allocator, der einem Variablenauswahl-Netzwerk im Stil eines Temporal Fusion Transformer einen LSTM-Encoder vorschaltet. Das Auswahl-Netzwerk bettet jedes Eingabemerkmal separat ein und weist ihm Softmax-Gewichte…

AktienMaschinelles LernenPortfolio-KonstruktionRisikomanagement
Machine Learning for Trading

Dieses Dokument stellt eine marktübergreifende Bestandsaufnahme modellbasierter Feature-Artefakte aus neun Fallstudien vor. Es liest Parquet-Schemata, statt deren Zeilen zu laden, schließt Identifikationsspalten aus, zählt Feature-Spalten und gruppiert Namen…

Multi-AssetMaschinelles LernenStatistikAktien
Machine Learning for Trading

Dieses Dokument erläutert, wie sich eine Feature-Matrix für eine querschnittliche ETF-Momentum- und Rotationshypothese erstellen und prüfen lässt. Es definiert Rückblick und Informationsverzögerung für jedes Feature und erstellt anschließend nachlaufende…

AktienMulti-AssetMomentumTechnische Indikatoren
Machine Learning for Trading

Dieses Dokument fasst eine Prognose für Aktienrenditen über fünf Sitzungen neu, indem es täglich erhobene Daten freitags abtastet. Das Label bleibt eine Rendite über fünf Sitzungen, umfasst im Wochenraster jedoch ungefähr einen Modellschritt. Das Notebook…

AktienUS-MärkteMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Dokument beschreibt, wie die in früheren Validierungsphasen ausgewählte Konfiguration anhand aller geeigneten Daten aus der Zeit vor -2021 neu angepasst und anschließend Prognosen für den Holdout 2021 erstellt werden. Es leitet das Trainingsintervall…

AktienOptionenMaschinelles LernenBacktesting