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.
738 Dokumente
Das Dokument stellt GReaT vor: ein Framework, das Zeilen mit gemischten numerischen und kategorialen Finanzdaten als Text serialisiert, ein Sprachmodell anhand dieser Datensätze feinabstimmt und generierten Text wieder in Tabellen umwandelt. Im Beispiel…
Diese fallübergreifende Analyse untersucht, wie sich Prognoseinformationen, gemessen am Information Coefficient (IC), in die Sharpe-Kennzahl eines Portfolios über neun Trading-Fallstudien übertragen. Im Mittelpunkt steht, dass die Umsetzung diesen…
Dieses Notebook passt die bereits durch Validierung ausgewählte FX-Konfiguration neu an und registriert ihre Prognosen für einen späteren Holdout-Backtest. Die Auswahl wird anhand gültiger Validierungs-Backtests aufgelöst und auf eine eingefrorene…
Dieses Notebook stellt ein zeitliches Faltungsnetz (TCN) vor, das anhand von Sequenzen vergangener Renditemerkmale zukünftige ETF-Renditen prognostiziert. Kausale Faltungen stellen sicher, dass eine Ausgabe nur Beobachtungen bis zu ihrem Datum verwendet.…
Dieses Notebook erläutert Tick- und Volumen-Imbalance-Balken und vergleicht anschließend adaptive Schwellenwerte, feste Schwellen und gleitende Fenster anhand von NVDA-Handelsdaten. Bei Tick-Imbalance-Balken werden vorzeichenbehaftete Handelsrichtungen…
Diese Fallstudie vergleicht alternative Methoden zur Positionsgrößenbestimmung für CME-Futures mit einer Gleichgewichtung als Basis. Sie erläutert, wie die inverse Volatilitätsgewichtung die Volatilität jedes Kontrakts nutzt, während kovarianzbasierte…
Dieses Notebook erläutert, wie sich aus einzelnen auslaufenden Kontrakten eine kontinuierliche Futures-Preishistorie erstellen lässt. Es ermittelt den Frontmonat anhand des Handelsvolumens, wendet eine Regel gegen Rückwechsel an, um unbegründete Wechsel zu…
Dieses Notebook erklärt, wie angepasste GJR-GARCH- und Hidden-Markov-Modelle in Handelsmerkmale umgewandelt werden, während Look-ahead-Bias kontrolliert wird. GJR-GARCH schätzt die bedingte Volatilität und erfasst die stärkere Wirkung negativer…
Dieses Notebook überführt Rangfolgen von Währungspaar-Prognosen in eine gehandelte Baseline. Zu jedem Entscheidungszeitpunkt bildet es Long- und Short-Portfolios mit gleicher Anzahl von Paaren aus den höchst- und niedrigstplatzierten Paaren und bewertet sie…
Dieses Hilfsprogramm bereitet Prognoseartefakte für Live-Demo-Notebooks vor, indem es unterschiedliche Spaltennamen und Datumsformate in eine einheitliche Struktur aus Zeitstempel, Anlage und Prognose überführt. Es gruppiert doppelte…
Dieses Prüfskript erprobt einen reduzierten CME-Futures-Research-Ablauf – von Modellprognosen über Portfoliogewichte bis zum Backtesting. Es prüft, ob die Prognosen genau die erwarteten Produkt-, Zeitstempel- und Fold-Schlüssel abdecken, ob trainierte…
Dieses Notebook vergleicht zwei Transformer-Architekturen zur Prognose von 21-Tage-ETF-Renditen anhand zurückliegender Momentum-Merkmale. PatchTST gruppiert aufeinanderfolgende Tage zu Patches und ordnet kurze Sequenzen lokaler Formen jeweils einem Token zu.…
Dieses Modul beschreibt eine Suchoberfläche für Research-Agenten mit einem Live-Anbieter und einem deterministischen Mock-Anbieter. Bei Suchanfragen lassen sich die Trefferzahl begrenzen und ein Veröffentlichungsdatum als Stichtag festlegen. So wird…
Dieses Notebook erläutert, wie ein bedingter Autoencoder die instrumentierte PCA für die Modellierung von ETF-Renditen erweitert. Beide Methoden bilden Fondsmerkmale auf Faktor-Engagements ab und kombinieren diese mit Faktorrenditen; der Autoencoder ersetzt…
Dieses Notebook legt eine Baseline auf Signalebene fest, um Modellvorhersagen für CME-Futures auszuwerten. Bei jeder wöchentlichen Entscheidung werden Produkte nach prognostizierter Rendite geordnet, die oberste Gruppe gekauft, die unterste leerverkauft und…
Dieses Notebook nutzt lineare Regression als Baseline zur Prognose von NASDAQ-100-Renditen anhand von Intraday-Mikrostrukturmerkmalen auf Minutenebene. Da sich Spread- und Order-Imbalance-Messungen über verschiedene Rückblickzeiträume überschneiden, ist die…
Diese Konfiguration legt ein Experiment zur Rangfolge und Neugewichtung eines ausschließlich long ausgerichteten ETF-Universums fest. Sie definiert ein breites Universum aus 100 bis ETF ETFs mit Engagements in Aktien, Anleihen, Rohstoffen und verschiedenen…
Dieses Notebook bildet Vorhersageintervalle um Prognosen mit Gradient Boosting und vergleicht Split Conformal Prediction mit Quantilregression, Conformalized Quantile Regression und adaptiver konformer Inferenz. Split Conformal verwendet eine chronologische…
Diese Panelstudie zu US-Aktien nutzt ein regularisiertes lineares Modell als Baseline, um anhand von Merkmalen zum Börsenschluss zukünftige Renditen vorherzusagen. Die Merkmale umfassen überlappende Momentum- und Volatilitätsmessungen, wodurch…
Dieser Benchmark vergleicht CSV, Parquet, Feather (Arrow IPC) und HDF5 anhand desselben deterministischen OHLCV-Panels. Gemessen werden Schreibzeit, materialisierte Lesezeit, Dateigröße und die Auswirkungen, wenn nur ausgewählte Spalten gelesen werden. Für…
Diese ETF-Merkmalsstudie erstellt drei modellbasierte Eingaben: ein Hidden-Markov-Modell (HMM) zur Schätzung des Marktregimes, fraktional differenzierte Kurse von Referenzfonds und die bedingte Volatilität je ETF anhand von GARCH(1,1). Um Look-ahead zu…
Dieses Tutorial vergleicht feste Stop-Loss- und Take-Profit-Barrieren, nachlaufende Stopps, ATR-skalierte Ausstiege, ein Machine-Learning-Ausstiegssignal und Kombinationen dieser Ansätze anhand täglicher SPY-Daten. Feste Barrieren werden ausgehend von…
Diese Studie vergleicht Gradient-Boosted Trees mit einem regularisierten linearen Modell, um Währungspaare nach künftigen Renditen zu ordnen. Bäume können bedingte Beziehungen darstellen, etwa Momentum in einem Marktregime und Carry in einem anderen, während…
Dieses Notebook setzt einen Prognoseagenten aus einem Sprachmodell-Client, einem Suchwerkzeug und einer begrenzten Zugfolge zusammen. Der Agent sucht nach Belegen und gibt eine binäre Wahrscheinlichkeit mit Begründung zurück. Sein Antwortparser behandelt…