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 untersucht, ob Finanzmerkmale dabei helfen, ein delta-gehedgtes Optionsrendite-Label über 10 Sitzungen zu erklären. Es vergleicht Ridge-Modelle mit einem impliziten Volatilitätsmerkmal, Gruppen von Merkmalen, die von der impliziten…

OptionenAktienStatistikMaschinelles Lernen
Machine Learning for Trading

Diese Implementierung beschreibt, wie sich gebündelte Sequenzfenster für Paneldaten in Deep-Learning-Studien erstellen lassen. Die Fenster folgen dem erwarteten Kalender des Panels, statt die Beobachtungen jedes Vermögenswerts zu lückenlosen Zeilen…

Maschinelles LernenStatistikBacktestingKrypto
Machine Learning for Trading

Dieses Notebook stellt praktische Bereinigungsmethoden für Markt- und Unternehmensdaten vor, darunter den Umgang mit Duplikaten, Kennzeichnungen für Datenlücken, Domänenfilter, die Erkennung von Spitzen durch Richtungswechsel, das Begrenzen von Ausreißern,…

AktienMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook erklärt, wie sich bewerten lässt, ob Strategien auf einem US-Aktienpanel Trading-Kosten standhalten. Es fixiert anhand der Validierungs-Sharpe eine Konfiguration pro Label und bewertet dann dieselbe Strategie zu festgelegten Kostenniveaus…

AktienBacktestingOrderausführungRisikomanagement
Machine Learning for Trading

Dieses Notebook untersucht, ob SHAP-Attributionen stabil bleiben, wenn Prognosen ähnlich sind oder Modelle mit unterschiedlichen Zufalls-Seeds und Architekturen erneut angepasst werden. Anhand von ETF-Forward-Renditen sucht es Stichprobenpaare mit ähnlichen…

Maschinelles LernenStatistikRisikomanagementAktien
Machine Learning for Trading

Dieses Notebook vergleicht prädiktive, strukturelle und kausale Modellevidenz für eine querschnittliche S&P-500-Studie, die Aktienmerkmale mit aus Optionen abgeleiteten Größen wie impliziter Volatilität, Skew und Laufzeitenstruktur kombiniert. Es bewertet…

AktienOptionenMaschinelles LernenFaktorinvestieren
Machine Learning for Trading

Dieses Notebook zeigt, wie sich Bruttorenditen unter expliziten Annahmen zu Trading, Finanzierung und Fondskosten in eine Nettoperformance umrechnen lassen. Das Kostenmodell umfasst Spread und Marktauswirkung, Provisionen und Börsengebühren, Margin-Zinsen,…

AktienOrderausführungBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook zeigt einen Diagnose-Workflow auf Trade-Ebene, der realisierte Verluste mit den SHAP-Erklärungen eines Modells verknüpft. Es trainiert ein LightGBM-Modell mit verzögerten Preis- und Volatilitätsmerkmalen sowie Makro-Eingaben, um Renditen von…

Maschinelles LernenStatistikAktienMarktstimmung
Machine Learning for Trading

Dieses Notebook nutzt Double Machine Learning, um zu prüfen, ob der Zusammenhang zwischen der Differenz aus impliziter und realisierter Volatilität und künftigen Aktienrenditen nach Anpassung um beobachtete Störfaktoren bestehen bleibt. Es vergleicht den…

OptionenAktienMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Dienstprogramm beschreibt einen Ablauf, um öffentliche SEC-10-Q-, 10-K- und 8-K-Meldungen zu erfassen und in einen einheitlichen tabellarischen Datensatz für nachgelagerte Forschung umzuwandeln. Die Textextraktion richtet sich nach dem…

AktienUS-MärkteEreignisgesteuertMaschinelles Lernen
Machine Learning for Trading

Dieses Experiment untersucht, wie stark ein ausgewähltes monatliches US-Long-Short-Aktiensignal von Small-Cap-Aktien abhängt. Ein verzögerter Filter nach Marktkapitalisierung entfernt das kleinste Quartil aus den Validierungsprognosen; anschließend werden…

AktienUS-MärkteFaktorinvestierenBacktesting
Machine Learning for Trading

Dieses Notebook erklärt, wie PatchTST anhand gleich langer Abschnitte sequenzieller Marktmerkmale NASDAQ-100-Zielwerte prognostiziert. Die Attention verknüpft Abschnitte über eine rückwärtsgerichtete Stunde hinweg und verkürzt die Sequenz im Vergleich zu…

AktienMaschinelles LernenBacktestingStatistik
Machine Learning for Trading

Dieses Material erklärt, wie eine anhand von Validierungsdaten ausgewählte Strategie mit Prognosen aus einem separaten 2021-Holdout bewertet wird. Die gewählte Allokation, Konzentration, Risikokontrollen, der Handelsplan und die Kosten bleiben unverändert;…

AktienBacktestingRisikomanagementPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook untersucht erhaltene Ergebnisse einer Prüfung realer Strategien, bei der die LEAN-Engine mit entsprechenden ML4T-Backtestprofilen verglichen wird. Es ermittelt, welche Workloads der Anlageklassen durch die eingefrorenen Eingaben unterstützt…

BacktestingOrderausführungAktienFutures
Machine Learning for Trading

Dieses Notebook beschreibt die Erstellung von Prognosen für den Holdout-Zeitraum einer US-Aktienstudie, nachdem eine Konfiguration anhand von Validierungs-Folds ausgewählt wurde. Es löst die ausgewählte Konfiguration auf, behält die Wahl des Checkpoints bei…

AktienMaschinelles LernenBacktestingRisikomanagement
Machine Learning for Trading

Das Notebook erstellt vollständige Pipelines für tägliche Aktiendaten und stündliche Krypto-Perpetual-Futures, von der Erfassung und Validierung über die Kennzeichnung der Quelle bis zur Speicherung. Im Aktienbeispiel werden historische WikiPrices-Daten mit…

AktienKryptoFuturesMarktmikrostruktur
Machine Learning for Trading

Dieses Notebook stellt ein Rahmenwerk vor, um zu prüfen, ob die scheinbare Qualität eines Momentum-Signals bei vertretbaren Forschungsentscheidungen Bestand hat. Anhand realer ETF-Daten aus dem Zeitraum vor dem festgelegten Holdout-Zeitraum wird jeweils ein…

AktienMomentumStatistikBacktesting
Machine Learning for Trading

Das Notebook vergleicht zwei Möglichkeiten, einen großen Aktienauftrag über eine Handelssitzung in kleinere Aufträge aufzuteilen. TWAP sendet in jedem Zeitintervall ungefähr gleiche Mengen und benötigt keine Marktprognose. VWAP teilt die Aktien anhand eines…

AktienOrderausführungMarktmikrostrukturBacktesting
Machine Learning for Trading

Dieses Notebook bildet Unsicherheitsintervalle für ETF-Zukunftsrenditen mit Ridge-Regression und drei konformen Methoden: Split Conformal Prediction, Conformalized Quantile Regression und Adaptive Conformal Inference. Es bewertet sie anhand von…

AktienMaschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook erläutert einen bedingten Autoencoder, der Aktienrenditen als merkmalsabhängige Faktorladungen modelliert, multipliziert mit latenten Faktoren. Zunächst schätzt es mit einer gemeinsamen querschnittlichen Kleinste-Quadrate-Anpassung die…

AktienFaktorinvestierenMaschinelles LernenPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook untersucht, wie Allokationsregeln ETF-Strategien beeinflussen, nachdem ein Modell die Assets bereits eingestuft hat. Es hält Prognosemengen und Rebalancing-Kalender fest, wählt für jeden Vergleich denselben Top-k-Korb aus und variiert die…

AktienPortfolio-KonstruktionPositionsgrößenbestimmungRisikomanagement
Machine Learning for Trading

Dieses Notebook prüft, ob Portfolioaufbau eine Strategie mit Trades in jedem NASDAQ-100-Balken retten kann, deren Ergebnis durch Kosten zunichtegemacht wird. Es wählt anhand des festgelegten Auswahluniversums führende Baseline-Prognosen aus und führt…

AktienPortfolio-KonstruktionPositionsgrößenbestimmungOrderausführung
Machine Learning for Trading

Dieses Notebook nimmt führende Prognosekonfigurationen aus der Validierung, die auf einer gleichgewichteten Signalstufen-Baseline beruhen, und testet alternative Allokationsmethoden anhand derselben Prognosen. Es vergleicht scorebasierte und konforme…

AktienPortfolio-KonstruktionPositionsgrößenbestimmungBacktesting
Machine Learning for Trading

Dieses Notebook bewertet, wie sich registrierte ETF-Prognosemengen in Portfolios umsetzen lassen. Es kombiniert jede Prognosemenge aus der Validierung mit festgelegten Einstiegsregeln, etwa unterschiedlichen Top-k-Positionen, und hält dabei Handelskalender,…

AktienBacktestingPortfolio-KonstruktionRisikomanagement