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 Dokument erklärt, wie die Suchschnittstelle eines Prognoseagenten die verwendeten Belege einschränken und seine Aktivitäten nachvollziehbar machen kann. Ein anbieterneutrales Protokoll gibt typisierte Ergebnisse mit Quelle, Veröffentlichungsdatum,…

BacktestingOrderausführungMaschinelles Lernen
Machine Learning for Trading

Dieses Notebook untersucht die Regularisierung linearer Modelle zur Prognose von Renditen bei Währungspaaren. Es unterscheidet zwischen Multikollinearität der Eingabemerkmale und Abhängigkeit zwischen den Assets: Währungspaare teilen sich zugrunde liegende…

DevisenhandelMaschinelles LernenStatistikFaktorinvestieren
Machine Learning for Trading

Diese Konfigurationsnotiz erläutert die Wahl des SAGA-Solvers und einer strengeren Konvergenztoleranz für die L1-logistische Regression mit drei Klassen. Sie vergleicht SAGA mit LIBLINEAR und führt Laufzeitmessungen für ein Nasdaq-Mikrostruktur-Panel sowie…

Maschinelles LernenStatistikAktienMarktmikrostruktur
Machine Learning for Trading

Dieses Modul beschreibt Prüfungen dazu, ob Prognose- und Backtest-Eingaben die in einer Studie festgelegten Handelssitzungen und Folds abdecken. Relative Prüfungen vergleichen Kandidatenmodelle miteinander und können daher ein gemeinsames Problem übersehen:…

BacktestingRisikomanagementStatistikMarktmikrostruktur
Machine Learning for Trading

Dieses Notebook untersucht einen überwachten Autoencoder, der anhand von Unternehmensmerkmalen zukünftige Renditen prognostiziert. Es behält einen schmalen Engpass im neuronalen Netz bei, entfernt jedoch die bedingte Faktormodell-Interpretation und die…

AktienMaschinelles LernenFaktorinvestierenBacktesting
Machine Learning for Trading

Dieses Notebook wandelt Prognosen für FX-Paare in Basis-Handelsergebnisse um. Zu jedem Entscheidungszeitpunkt ordnet es die Paare nach Rang, bildet gleich große Long- und Short-Positionen und führt die ausgewählten Prognosekonfigurationen und Checkpoints mit…

DevisenhandelBacktestingPortfolio-KonstruktionPositionsgrößenbestimmung
Machine Learning for Trading

Diese Machbarkeitsanalyse prüft, ob sich eine monatliche Long-Short-Strategie auf Basis von US-Unternehmensmerkmalen mit dem verfügbaren Panel auswerten lässt. Sie verifiziert, dass die Merkmale als Ränge kodiert sind, beschreibt, wie lange Unternehmen…

AktienFaktorinvestierenBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook unterscheidet die Prognose von Renditen von der Behauptung, Momentum verursache sie. Als Behandlung dient die Rendite einer Aktie im Vorjahr ohne den jüngsten Monat; die Zielgröße ist die künftige Rendite. Jüngste Volatilität, Rang der…

AktienMomentumMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook trainiert PatchTST als ein Modell aus der festgelegten Sequenzmodellgruppe für S&P-500-Optionen. PatchTST unterteilt ein Rückblickfenster in gleich große Abschnitte, bildet diese als Tokens ab und nutzt Attention, um Beziehungen zwischen…

OptionenMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook fasst LightGBM-Ergebnisse aus mehreren Trading-Fallstudien zusammen und vergleicht sie mit linearen Referenzmodellen und TabM. Für jede Fallstudie wird die Konfiguration mit dem besten IC-Wert untersucht; zudem werden Intervalle mit Korrektur…

Maschinelles LernenStatistikBacktestingAktien
Machine Learning for Trading

Dieses Hilfsprogramm beschreibt einen Diagnoseablauf für Datenartefakte aus quantitativen Forschungspipelines. Es erstellt Profile numerischer Spalten mit Kennzahlen zu fehlenden Werten, nicht endlichen Werten, Nullen, der Anzahl unterschiedlicher Werte,…

StatistikRisikomanagementBacktesting
Machine Learning for Trading

Dieses Notebook prüft, ob gelernte Graph-Embeddings einem tabellarischen Modell für US-Aktien zusätzliche Prognoseinformationen liefern. Es erstellt ein Netzwerk anhand absoluter Renditekorrelationen, die vor dem Zielzeitraum gemessen wurden, konstruiert…

AktienMaschinelles LernenBacktestingMomentum
Machine Learning for Trading

Dieses Notebook vergleicht Verfahren zur Volatilitätsmessung und entwickelt heterogene autoregressive (HAR) Volatilitätsmodelle zusammen mit einer Analyse der Rauheit des Marktes. Es nutzt Intraday-Renditen, um die realisierte Sitzungsvarianz zu schätzen,…

VolatilitätStatistikTechnische IndikatorenAktien
Machine Learning for Trading

Dieses Dokument beschreibt ein LSTM-Sequenzmodell für eine Optionsstudie zum S&P 500. Anders als Querschnittsmodelle, die den Verlauf eines Symbols mit konstruierten Merkmalen zusammenfassen, erhält das LSTM chronologische Zeitfenster und lernt, welche…

OptionenAktienMaschinelles LernenBacktesting
Machine Learning for Trading

Das Notebook erstellt mit einem Split-Conformal-Verfahren Prognoseintervalle um Gradient-Boosting-Prognosen. Es passt ein Modell an einem früheren Trainingsabschnitt an, misst absolute Residuen in einem späteren Kalibrierungsabschnitt und legt die…

Maschinelles LernenStatistikRisikomanagementPositionsgrößenbestimmung
Machine Learning for Trading

Dieses Notebook vergleicht vier Referenzallokationen für ETF anhand historischer Krisenphasen, manuell festgelegter gleichzeitiger Schocks auf mehrere Anlageklassen, Student-t-Monte-Carlo-Simulationen und Marktregimestatistiken. Es erläutert das Maß für den…

Multi-AssetRisikomanagementPortfolio-KonstruktionVolatilität
Machine Learning for Trading

Dieses Notebook zeigt eine Pipeline, die Finanznachrichten-Schlagzeilen in aktienbezogene Signale umwandelt. Sie bereinigt und vereinheitlicht einen Nachrichtenkorpus, entfernt exakte Duplikate und Duplikate mit übereinstimmendem Präfix innerhalb von Gruppen…

AktienMaschinelles LernenMarktstimmungFaktorinvestieren
Machine Learning for Trading

Dieses Notebook beschreibt, wie Holdout-Prognosen für eine FX-Strategie erstellt werden, nachdem ihre Konfiguration bereits anhand von Validierungsergebnissen ausgewählt wurde. Unter den zugelassenen Kandidaten, die nicht insolvent geworden sind, wird der…

DevisenhandelBacktestingMaschinelles LernenRisikomanagement
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 untersucht die Performance einer festen Long-only-ETF-Momentum-Baseline unter verschiedenen Marktbedingungen von 2010 bis 2024. Es ordnet jede Tagesrendite anhand von Volatilitäts- und Trendmaßen ein, die vor Beginn dieser Rendite bekannt…

AktienMomentumTrendfolgeVolatilität
Machine Learning for Trading

Dieses Notebook wendet zuvor ausgewählte Prognosen zu Unternehmensmerkmalen und eine festgelegte Portfoliokonfiguration auf einen einjährigen Holdout-Zeitraum an. Es trifft keine neuen Entscheidungen zu Prognosen, Allokation, Konzentration, Rebalancing oder…

AktienFaktorinvestierenPositionsgrößenbestimmungBacktesting
Machine Learning for Trading

Dieses Notebook entwickelt einen Prognoseagenten, der zwischen Websuchen und Wahrscheinlichkeitsprognosen wechselt. Eine schlanke Sprachmodell-Schnittstelle mit zwei Methoden ermöglicht es, dieselbe Schleife mit einem Mock-Anbieter, einem lokalen oder einem…

Maschinelles LernenMarktstimmungStatistik
Machine Learning for Trading

Dieses Notebook untersucht informationsgesteuerte Stichprobenbildung, indem es Tick- und Volumen-Imbalance-Bars aus Handelsdaten erstellt. Es validiert eine manuelle Implementierung der Tick-Imbalance gegen einen Sampler aus einer Bibliothek und variiert…

AktienMarktmikrostrukturStatistikTechnische Indikatoren
Machine Learning for Trading

Diese Analyse vergleicht Risiko-Overlays über mehrere Fallstudien hinweg. Dazu lädt sie deren Overlay-Backtests aus einem Register und misst Sharpe-Ratio sowie maximalen Drawdown im Vergleich zu einer Baseline aus der Allokationsphase; falls diese fehlt,…

RisikomanagementBacktestingStatistik