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 LightGBM mit einem einfachen mehrschichtigen Perzeptron, TabM und optional TabPFN zur Vorhersage von Querschnittsrenditen für ETF. Die Modelle werden auf gemeinsamen Walk-Forward-Folds anhand des Rang-Informationskoeffizienten…

Maschinelles LernenAktienStatistikBacktesting
Machine Learning for Trading

Dieses Notebook entwickelt einen Rahmen, um Marktaktivität in modellierte Handelskosten und Strategiekapazität zu übersetzen. Es stellt das Wurzelmodell für Markteinfluss vor, benennt Volatilität und durchschnittliches Tagesvolumen als wichtige Eingaben und…

MarktmikrostrukturOrderausführungRisikomanagementPositionsgrößenbestimmung
Machine Learning for Trading

Dieses Dokument vergleicht vier Aktienmarktdatenquellen für die Untersuchung von Trades, Quotes und Limit-Orderbüchern: AlgoSeek TAQ, Databento Market-by-Order, NASDAQ ITCH und IEX HIST. Es erläutert Granularität, Abdeckung, Kosten oder Zugangsbedingungen,…

AktienMarktmikrostrukturOrderausführungHochfrequenzhandel
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 stellt einen Ablauf vor, der standardisiertes Laden von ETF-Daten, ein Merkmalsregister und Signalanalysen verbindet. Es zeigt, wie sich Metadaten zu Indikatoren auffinden, Merkmale mit Standardwerten oder expliziten Parametern berechnen und…

AktienTechnische IndikatorenMomentumStatistik
Machine Learning for Trading

Dieses Notebook vergleicht einen Random Forest mit XGBoost, LightGBM und CatBoost anhand eines Panels anonymisierter Unternehmensmerkmale und Renditen. Der Datensatz enthält zeitlich getrennte Trainings-, Validierungs- und Testdaten. Als Hauptmaß für die…

AktienMaschinelles LernenStatistikFaktorinvestieren
Machine Learning for Trading

Das Notebook erläutert den Value at Risk als Verlustquantil und den Conditional Value at Risk, auch Expected Shortfall genannt, als durchschnittlichen Verlust jenseits dieser Schwelle. Es schätzt das eintägige Tail-Risiko für einen breit aufgestellten…

AktienVolatilitätRisikomanagementStatistik
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 Notebook bewertet eine ausgewählte Aktien- und Optionsstrategie für den S&P 500, indem es ihre Validierungskonfiguration aus registrierten Kandidaten mit vollständiger Abdeckung rekonstruiert. Es verfolgt den Auswahlprozess von einer gleichgewichteten…

AktienOptionenBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook erläutert Hierarchical Risk Parity als Alternative zur Mean-Varianz-Allokation, wenn Kovarianzschätzungen verrauscht sind. HRP clustert Vermögenswerte anhand von Korrelationsdistanzen, ordnet sie gemäß der Hierarchie und teilt die geordnete…

Portfolio-KonstruktionRisikomanagementBacktestingAktien
Machine Learning for Trading

Dieses Notebook stellt eine fallstudienübergreifende Übersicht konstruierter Finanzmerkmale sowie den höchsten registrierten Informationskoeffizienten für jede Marktstudie vor. Es zählt Merkmale und Namensfamilien, vergleicht die Größe der Merkmalsräume und…

Multi-AssetStatistikMaschinelles LernenPortfolio-Konstruktion
Machine Learning for Trading

Das Dokument erläutert, wie sich Marktregime identifizieren lassen, indem Renditen in überlappende Fenster unterteilt und die Fenster jeweils als empirische Verteilung behandelt werden. Der Abstand zwischen Fenstern wird anhand einander zugeordneter,…

StatistikMaschinelles LernenRisikomanagementBacktesting
Machine Learning for Trading

Dieses Notebook bewertet eine wöchentliche S&P-500-Options-Straddle-Strategie anhand registrierter Backtests und eines festen Auswahlverfahrens. Es ruft die ausgewählte Konfiguration nach Anwendung einer Liquiditätsbeschränkung für das Anlageuniversum aus…

OptionenAktienBacktestingRisikomanagement
Machine Learning for Trading

Diese Studie erstellt anhand von Market-by-Order-Daten für NVDA ein minütliches Maß für den Orderflow-Druck. Sie versieht hinzugefügte Orders, Stornierungen und Ausführungen je nach Seite mit einem Vorzeichen, gewichtet Ereignisse nach Umfang und Abstand zum…

AktienMarktmikrostrukturOrderausführungStatistik
Machine Learning for Trading

Dieses Notebook stellt einen bedingten Autoencoder vor, der die Struktur eines instrumentierten latenten Faktormodells beibehält, aber die lineare Abbildung von Unternehmensmerkmalen auf Faktor-Exponierungen durch ein neuronales Netz ersetzt. Monatliche…

AktienMaschinelles LernenFaktorinvestierenStatistik
Machine Learning for Trading

Dieses Dokument erklärt, wie sich Prognosen für einen reservierten NASDAQ-100-Mikrostruktur-Holdout-Zeitraum mit einer anhand von Validierungsdaten ausgewählten Konfiguration erstellen lassen. Es trainiert das ausgewählte Modell mit einer Historie neu, die…

BacktestingRisikomanagementMarktmikrostruktur
Machine Learning for Trading

Diese Fallstudie trainiert regularisierte lineare Modelle auf den Renditen von Short-At-the-Money-Straddles, die bis zum Verfall gehalten werden. Da die Prämieneinnahmen den Gewinn begrenzen, während Verluste unbegrenzt wachsen können, dominieren einige…

OptionenVolatilitätMaschinelles LernenRisikomanagement
Machine Learning for Trading

Dieses Notebook verwendet reale ETF-Daten, um zu prüfen, ob ein Momentum-Signal bei angemessenen Änderungen des Rückblickzeitraums, der Marktphase und der Umsetzung nützlich bleibt. Es berechnet querschnittliche Information Coefficients zwischen Momentum und…

FuturesMomentumBacktestingStatistik
Machine Learning for Trading

Dieses Notebook vergleicht zwei lokal ausgeführte Embedding-Modelle mit offenen Gewichten bei einer Retrieval-Aufgabe anhand von Passagen aus aktuellen 10-Berichten einer kleinen Auswahl großer US-Unternehmen. Beide Modelle erhalten dieselben Passagen aus…

Maschinelles LernenStatistikAktienUS-Märkte
Machine Learning for Trading

Dieses Notebook erstellt eine monatliche Modellmatrix für eine Studie zu Unternehmensmerkmalen in US aus einem veröffentlichten Panel, dessen Merkmale bereits über Unternehmen hinweg gerankt wurden. Es ergänzt Zusammensetzungen und Interaktionen anhand von…

AktienFaktorinvestierenPortfolio-KonstruktionBacktesting
Machine Learning for Trading

Dieses Notebook erstellt vier modellbasierte Merkmale für die Optionsforschung zum S&P 500: Volatilitätsprognosen für den nächsten Tag aus GJR-GARCH und stochastischer Volatilität sowie die Abweichungen jeder Prognose von der impliziten Volatilität am…

OptionenVolatilitätBewertung von DerivatenBacktesting
Machine Learning for Trading

Dieses Dokument trainiert TabM, ein neuronales Ensemble mit gemeinsam genutzten Gewichten, mit optionsbasierten Merkmalen zur Prognose zukünftiger Aktienrenditen und risikobereinigter Renditen. Die Modelle verwenden ein gemeinsames zweischichtiges Netz mit…

AktienOptionenMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Dokument stellt einen strukturierten Zustandsdatensatz für Forschungsagenten vor, der getrennt vom Gesprächsprotokoll geführt wird. Der Datensatz enthält die Frage und den Stichtag, gesammelte Belege, offene Fragen, den Verlauf der Werkzeugaufrufe,…

Maschinelles LernenStatistikBacktestingRisikomanagement
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