Wissensbibliothek

Dieses Notebook erstellt aus registrierten NASDAQ-100-Mikrostruktur-Backtests eine Strategiebewertung, ohne Modelle zu trainieren oder Backtests erneut auszuführen. Es liest Kennzahlen und Provenienz aus der Registry, erstellt bei Bedarf abgeleitete…

Dieses Notebook wendet eine zuvor ausgewählte CME-Futures-Konfiguration auf Holdout-Prognosen an. Dabei nutzt es den festgelegten Allokator, den Rebalancing-Zeitplan, die Konzentrationsregeln und die Transaktionskostenannahmen. Der zentrale methodische Punkt…

Dieses Notebook beschreibt, wie eine Konfiguration für eine CME-Futures-Fallstudie anhand registrierter Validierungs-Backtests ausgewählt wird. Kandidaten aus den Stufen für Signal, Allokation und Risikomanagement werden zusammengeführt; anschließend wird…

Dieses Dokument erläutert ein Verfahren mit fünf Schwellen zur Bewertung von neun Trading-Fallstudien: von der Signalqualität über Validierung und Transaktionskosten bis zu Holdout-Performance und Evidenzqualität. Die Schwellen bauen aufeinander auf; eine…

Dieses Notebook vergleicht Volatilitätsmessungen, schätzt ein heterogenes autoregressives (HAR)-Modell und misst Rauigkeit anhand von Hurst-Exponenten. Zunächst werden die realisierte Intraday-Varianz und tägliche Schätzer gegenübergestellt. Dabei werden…

Das Notebook stellt einen bedingten Autoencoder vor, der die instrumentierte Hauptkomponentenanalyse erweitert: Eine lineare Abbildung von Aktienmerkmalen auf Faktor-Exposures wird durch ein neuronales Netz ersetzt. Die Struktur aus Exposure mal…

Dieses Hilfsmodul erstellt Tabellen und Grafiken zur Bewertung prädiktiver Modelle anhand von Validierungs- und Holdout-Daten. Zu den Diagnosen zählen Konfidenzintervalle für Informationskoeffizienten, der Rückgang von der Validierung zum Holdout, um die…

Dieses Notebook vergleicht Optuna-Hyperparametersuchen für XGBoost, LightGBM und CatBoost auf einem Datensatz mit Unternehmensmerkmalen. Jede Bibliothek erhält eine eigene Suchstudie mit einem Tree-structured-Parzen-Schätzer, Median-Pruning, vorzeitigem…

Das Kapitel erläutert klassische Ansätze zur Erzeugung synthetischer Finanzdaten, darunter kontinuierliche Preisprozesse, GARCH-Volatilität, Bootstrap-Stichprobenziehung und Modellvergleiche. Es beschreibt, wie Modelle wie geometrische Brownsche Bewegung,…

Diese explorative Analyse prüft, ob ein Momentum-Signal über zwölf Monate, bei dem der jüngste Monat ausgelassen wird, mit den Renditen des Folgemonats in einem Universum von 100-ETF zusammenhängt. Sie erstellt anhand bereinigter Schlusskurse ein monatliches…

Dieses Dokument hält eine mehrstufige Prognose fest, ob die Federal Reserve die Zinsen im Jahr 2026 anheben wird. Drei Agenten recherchieren Belege und ermitteln Wahrscheinlichkeiten; darauf folgen eine Diskussion und eine Aktualisierung durch eine…

Diese Konfigurationsnotiz erklärt, warum eine multinomiale logistische Regression mit L1-Strafe SAGA statt des liblinear-Solvers von scikit-learn verwendet. Sie verweist auf die Kompatibilität mit mehreren Klassen in neueren scikit-learn-Versionen und…

Das Notebook beschreibt eine Double-Machine-Learning-Analyse mit wachsendem Zeitfenster. Sie prüft, ob Momentum über 12 bis -2 Monate die Renditen von US-Unternehmen im Folgemonat vorhersagt, nachdem um Beta, idiosynkratische Volatilität,…

Dieses Notebook stellt eine Pipeline vor, die strukturierte Unternehmensereignisse aus SEC 8-Meldungen extrahiert und in einen Neo4j-Wissensgraphen lädt. Ein Sprachmodell verarbeitet Meldungen stapelweise und erzeugt Ereignisdatensätze mit Subjekten,…

Dieses Notebook vergleicht Behavior Cloning und inverses Reinforcement Learning (IRL) anhand von Demonstrationen einer zeitgewichteten Durchschnittspreisregel (TWAP) zur Ausführung. Behavior Cloning ordnet beobachtete Marktzustände direkt Aktionen zu,…

Dieses Notebook wendet Double Machine Learning an, um zu prüfen, ob der Spread aus impliziter minus realisierter Volatilität nach Bereinigung um beobachtete Störfaktoren mit späteren Aktienrenditen zusammenhängt. Es identifiziert realisierte Volatilität,…

Dieses Trainingswerkzeug beschreibt eine Optimierungsschleife für ein DeePM-artiges Modell. Es aktualisiert Modellparameter mit AdamW anhand eines robusten, an der Sharpe-Kennzahl ausgerichteten Loss und übergibt Vorwärtsrenditen, Volatilitätsskalierung,…

Dieses Notebook passt Ridge-, Lasso- und Elastic-Net-Modelle an veröffentlichte Unternehmensmerkmale einzelner US-Aktien an. Die Merkmale umfassen Value, Profitabilität, Investitionen, Größe, Momentum, Reversal, Risiko und Liquidität. Walk-Forward-Folds…

In dieser Fallstudie werden Gradient-Boosted Trees auf ETF-Rendite-Labels angepasst und mit einer linearen Baseline verglichen, die unter starker Ridge-Regularisierung gut abschnitt. Sie erklärt, warum Bäume Interaktionen erkennen können, etwa wenn sich…

Diese explorative Analyse untersucht ein historisches Aktienpanel für US, erklärt dessen rohe und angepasste Preisfelder und betrachtet die Symbolabdeckung im Zeitverlauf. Sie vergleicht jährliche Zahlen aktiver Symbole mit den jeweils ersten und letzten…

Dieses Notebook erstellt Merkmale für bedingte Volatilität für eine Aktien- und Optionsstudie zum S&P 500 mithilfe eines GJR-GARCH-Modells. Anders als feste Regeln auf Basis früherer Preise hängen angepasste Merkmale vom Schätzfenster ab. Daher legt die…

Dieses Dokument veranschaulicht Feature-Store-Konzepte direkt anhand von Parquet-Daten aus einer Fallstudie. Eine Feature-Ansicht legt den Entitätsschlüssel, den Ereigniszeitstempel, die Gültigkeitsdauer und die Merkmalsspalten fest. Beim Modelltraining…

Dieses Dokument beschreibt einen Benchmark für Datenbank-Engines zur Verarbeitung von Finanzzeitreihen. Verglichen werden Massenschreibvorgänge, vollständige Scans, Zeitbereichsabfragen, OHLCV-Aggregation und As-of-Verknüpfungen für Handels- und…

Dieses Dokument stellt Methoden zur Bereinigung von Finanzdaten vor und erklärt, wie sich die Vorverarbeitung an Trainings- und Testaufteilung ausrichten lässt. Die zentrale Lehre: Transformationen wie Skalierung und Winsorisierung dürfen nur anhand von…