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 Skript erfasst institutionelle Beteiligungen aus SEC 13F-Meldungen auf zwei Wegen: Es kann Meldungen einer kuratierten Managergruppe abrufen oder die vierteljährlichen Massendateien der SEC herunterladen. Beide Wege vereinheitlichen die Beteiligungen…

AktienStatistikPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook wendet die Hauptkomponentenanalyse auf ein Panel aus US-Aktienrenditen an, um breite gemeinsame Bewegungen mit einer kleineren Zahl von Faktoren darzustellen. Jeder Faktor ist eine Richtung gemeinsamer Variation; die Ladung jeder Aktie…

AktienStatistikMaschinelles LernenFaktorinvestieren
Machine Learning for Trading

Dieses Notebook vergleicht Gradient-Boosting-Konfigurationen für Krypto-Perpetual-Futures anhand von Merkmalen, die auf dem Aufschlag der Perpetual-Kontrakte gegenüber dem Kassamarkt beruhen. Es variiert die Baumkapazität und die Verlustfunktion, darunter…

KryptoPerpetual FuturesMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook erklärt, wie sich Insidertransaktionen aus rohen SEC-Formular-4-XML für die quantitative Aktienanalyse extrahieren lassen. Ein XML-Parser sorgt dafür, dass Code, Datum, Aktienzahl, Preis und Richtung jedes Geschäfts seinem Transaktionsblock…

AktienEreignisgesteuertMarktstimmungStatistik
Machine Learning for Trading

Dieses Notebook nutzt Double Machine Learning, um zu schätzen, ob Futures-Carry nach Berücksichtigung von Volatilität, Momentum und dem querschnittlichen Carry-Rang nachfolgende Renditen vorhersagt. Mithilfe flexibler Modelle und Cross-Fitting werden Carry…

FuturesCarryMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook entwickelt modellbasierte Merkmale für Krypto-Perpetual-Futures: bedingte Volatilitätsprognosen pro Anlage aus GJR-GARCH und eine marktweite Wahrscheinlichkeit für ein Stressregime aus einem Gaußschen Hidden-Markov-Modell mit zwei Zuständen,…

KryptoPerpetual FuturesVolatilitätMaschinelles Lernen
Machine Learning for Trading

Diese Fallstudie skizziert eine Forschungspipeline für Krypto-Perpetual-Futures. Dabei werden Funding-Zahlungen, die bei regelmäßigen Abrechnungen zwischen Long- und Short-Positionen ausgetauscht werden, als mögliche Renditequelle betrachtet. Beschrieben…

KryptoPerpetual FuturesFuturesMaschinelles Lernen
Machine Learning for Trading

Diese Analyse vergleicht die Ergebnisse der Merkmalsprüfung aus neun Trading-Fallstudien und untersucht, ob Merkmale, die das Screening bestehen, stärkere Strategien vorhersagen. Das Screening kombiniert die Kontrolle der Falschentdeckungsrate nach…

StatistikMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook beschreibt DeePM, eine durchgängige ETF-Portfolio-Policy, die die Wertentwicklung unter wechselnden Marktbedingungen verbessern soll. Zu ihren Bestandteilen gehören volatilitätsnormalisierte Rendite- und Trendmerkmale, ein auf LSTM…

Multi-AssetPortfolio-KonstruktionMaschinelles LernenRisikomanagement
Machine Learning for Trading

Diese Fallstudie wendet kausale Schätzverfahren auf das Momentum von ETF an und untersucht, ob dessen Effekt auf zukünftige Renditen je nach Marktvolatilität variiert. Sie verwendet ein kontinuierliches Momentum-Treatment, eine Zielgröße für die Rendite über…

AktienUS-MärkteMomentumMaschinelles Lernen
Machine Learning for Trading

Dieses Notebook stellt NLinear als einfache Baseline für Sequenzmodelle zur Vorhersage von Renditen bei US-Aktien vor. Jedes Beispiel verwendet ein Fenster aus 60 aufeinanderfolgenden Sitzungen für eine Aktie, wobei die Merkmale zeitlich geordnet sind. Für…

AktienUS-MärkteMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook wendet das vortrainierte FinBERT auf Finanznachrichten von FinMarBa an und untersucht, warum seine Genauigkeit deutlich unter den für die Auswertung anhand der Financial PhraseBank berichteten Werten liegt. Die zentrale Diagnose betrifft die…

Maschinelles LernenMarktstimmungStatistik
Machine Learning for Trading

Dieses Notebook bewertet NLinear, ein minimales Sequenzmodell, das von jedem Wert im Rückblickfenster das zuletzt beobachtete Niveau abzieht und die verbleibenden Werte auf eine Prognose abbildet. Seine Einfachheit macht es zu einer nützlichen Benchmark für…

Maschinelles LernenStatistikBacktesting
Machine Learning for Trading

Das Dokument beschreibt eine Walk-Forward-Studie mit TabM-Neuronalen-Netzen, die Monatsrenditen anhand von Unternehmensmerkmalen prognostizieren. Da der gemeinsame Trainingslauf für die Regression den quadratischen Fehler als Optimierungsziel und für die…

AktienMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Das Dokument stellt einen Workflow vor, der standardisierte Marktdatenlader, ein Register vorgefertigter Merkmale und Signalanalysen verbindet. Die Merkmalsberechnung kann über Namen, Parameterzuordnungen oder YAML festgelegt werden und unterstützt…

Technische IndikatorenMaschinelles LernenStatistikAktien
Machine Learning for Trading

Das Dokument überführt eine Cross-Asset-Momentumhypothese in einen monatlichen explorativen Test mit einem Universum von 100-ETF. Es erstellt angepasste Monatsendkurse, misst Momentum von 12 bis -1 Monaten, teilt anschließend geeignete ETFs in fünf gleich…

Multi-AssetMomentumTrendfolgeStatistik
Machine Learning for Trading

Dieses Notebook bietet eine familienübergreifende Betrachtung von fünf Latent-Faktor-Ansätzen für eine Fallstudie zur Analyse von Aktienoptionen. PCA schätzt gemeinsame Bewegungen direkt anhand des Renditepanels; IPCA bildet Merkmale linear auf…

OptionenMaschinelles LernenFaktorinvestierenStatistik
Machine Learning for Trading

Dieses Notebook untersucht, warum zwei Backtesting-Engines bei identischen Signalen unterschiedliche Ergebnisse liefern können. Es hält Strategie und handelbares Universum konstant, legt bei gleichen Prognosen deterministische Portfolio-Gewichte fest und…

BacktestingOrderausführungPositionsgrößenbestimmungRisikomanagement
Machine Learning for Trading

Dieses Kapitel behandelt einen Backtest als Versuch, eine Strategie anhand expliziter Annahmen zu Signalzeitpunkt, Ausführung, Neugewichtung, Positionsgröße, Kosten, Beschränkungen und Benchmarks zu widerlegen. Es vergleicht vektorisierte und…

BacktestingOrderausführungRisikomanagementStatistik
Machine Learning for Trading

Diese Quelle beschreibt Schutzmaßnahmen zur Rekonstruktion einer Modellanfrage anhand ihrer unveränderlichen Trainingsspezifikation und zur Validierung des resultierenden Laufs. Sie prüft, ob die Anfrage eine unterstützte Identitätsversion, eine kanonische…

Maschinelles LernenBacktestingStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook stellt die instrumentierte Hauptkomponentenanalyse als Modell querschnittlicher Renditen vor. Statt den Merkmalen jedes Unternehmens direkte Renditegewichte zuzuweisen, schätzt IPCA eine gemeinsame lineare Abbildung von Merkmalen auf…

AktienFaktorinvestierenMaschinelles LernenStatistik
Machine Learning for Trading

Das Notebook erklärt, wie sich binäre Zinskontrakte der US-Notenbank von Kalshi als Wahrscheinlichkeiten lesen und eine Staffel von Zinsschwellen in eine implizite Verteilung überführen lässt. Es betont, dass der Datenstrom YES-Gebote enthält, sodass die von…

FuturesStatistikMarktmikrostrukturTechnische Indikatoren
Machine Learning for Trading

Dieses Notebook vergleicht vier neuronale Netzwerkarchitekturen für dieselbe Aufgabe: die nächste Tagesrendite anhand eines Fensters vergangener Renditen vorherzusagen, über acht börsengehandelte Fonds gepoolt. Es beschreibt, wie ein dichtes Netzwerk, eine…

Maschinelles LernenBacktestingAktienStatistik
Machine Learning for Trading

Diese Machbarkeitsanalyse prüft, ob Daten und Annahmen eine wöchentliche Strategie unterstützen können, die S&P-500-Aktien anhand der impliziten Volatilität am Geld einordnet und die führenden Aktien kauft. Optionen liefern das Signal, die Positionen werden…

AktienOptionenVolatilitätRisikomanagement