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 Notebook wandelt Modellrankings in einfache Krypto-Perpetual-Futures-Portfolios um, damit spätere Experimente die Auswirkungen veränderter Positionsgrößen, Kosten oder Risikokontrollen messen können. Es nutzt Einstiegsregeln wie die Auswahl der…

KryptoPerpetual FuturesBacktestingPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook zeigt, wie StopLoss-, TakeProfit- und TrailingStop-Regeln für ein Momentum-Portfolio abgestimmt werden, wobei Kalibrierung und Evaluierung chronologisch getrennt bleiben. Es testet einzelne Regelbreiten und gemeinsame Kombinationen anhand von…

AktienRisikomanagementBacktestingMomentum
Machine Learning for Trading

Dieses Dokument stellt eine wiederverwendbare Diagnoseübersicht für Finanzdatensätze vor. Sie umfasst Indexintegrität, Duplikate, fehlende Werte, Ausreißer, Kalenderlücken und bereichsspezifische Anomalien. Geprüft werden Zeittypen, Reihenfolge und…

Multi-AssetStatistikRisikomanagementUS-Märkte
Machine Learning for Trading

Dieses Dokument zeigt, wie sich eine fünftägige ETF-Momentumstrategie über eine gemeinsame Strategieschnittstelle mit Alpaca verbinden lässt. Die Strategie verfolgt Momentum bei SPY, QQQ und IWM und erzeugt Signale, wenn ein Schwellenwert überschritten wird.…

AktienMomentumOrderausführungRisikomanagement
Machine Learning for Trading

Dieses Dokument stellt eine Familie von Modellen für Unternehmensrenditen vor, die annimmt, dass eine kleine Zahl unbeobachteter gemeinsamer Faktoren einen großen Teil des Querschnitts erklärt. Statt Renditen direkt anhand von Merkmalen vorherzusagen, leiten…

AktienFaktorinvestierenMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Dokument erläutert, wie Wavelet-Zerlegungen und rollierende Spektralschätzungen Finanzrenditen auf verschiedenen Zeitskalen beschreiben. Wavelets zerlegen Renditen in Komponenten mit zunehmend längeren Perioden, sodass sich erkennen lässt, welche…

AktienStatistikVolatilitätTechnische Indikatoren
Machine Learning for Trading

Dieses Dokument vergleicht alternative Methoden zur Positionsgrößenbestimmung für CME-Futures-Strategien, die anhand einer nach gleich gewichteter Validierungs-Sharpe-Ratio geordneten Baseline ausgewählt wurden. Bei gleicher Gewichtung wird jedes ausgewählte…

FuturesRohstoffePositionsgrößenbestimmungPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook macht aus Modellprognosesätzen vergleichbare Backtests für Optionen auf den S&P 500. An jedem wöchentlichen Entscheidungstermin ordnet es die prognostizierten Renditen, wählt die höchstplatzierten Symbole aus dem liquiden Anlageuniversum aus…

OptionenAktienBacktestingOrderausführung
Machine Learning for Trading

Dieses Notebook verwendet Double Machine Learning, um zu schätzen, ob Futures-Carry nach Anpassung um Volatilität, Momentum und den querschnittlichen Carry-Rang spätere Renditen beeinflusst. Es unterscheidet kausale Erklärung von Prognoseleistung: Ein…

FuturesCarryMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Dokument erläutert, wie ein bestehendes Modell und ein Kandidatenmodell vor einer Kapitalallokation in einer Shadow-Evaluierung verglichen werden. Rollen und Freigabeschwellen werden vorab festgelegt; anschließend wird der Kandidat anhand von fünf…

Maschinelles LernenStatistikRisikomanagementBacktesting
Machine Learning for Trading

Dieses Notebook zeigt, wie Feast mit Parquet-Quellen, Entitäten, Feature-Views, Zeitstempeln und einer Time-to-Live-Regel konfiguriert wird. Anschließend ruft es Features für Trainingsbeispiele und eine Live-Abfrage zum jeweiligen Stichtag ab. Die Ausgabe…

Maschinelles LernenOrderausführungBacktestingStatistik
Machine Learning for Trading

Das Notebook stellt einen überwachten Autoencoder zur Modellierung von Aktienfaktoren vor. Anders als unüberwachte Autoencoder, die einen Engpass durch Rekonstruktion des Querschnitts erlernen, bezieht dieses Modell auch zukünftige Renditen in sein…

AktienMaschinelles LernenFaktorinvestierenStatistik
Machine Learning for Trading

Dieses explorative Notebook beschreibt Aufbau und Interpretation der vorab berechneten Felder in AlgoSeek-NASDAQ-100-Minutenbalken. Es ordnet sie in Quotepreise und -größen, Handelspreise, Spreads, Volumen, Handelsort-Kategorien, Tick-Richtung, Kauf- und…

AktienMarktmikrostrukturOrderausführungUS-Märkte
Machine Learning for Trading

Das Notebook erklärt, wie sich kontinuierliche Preisbewegungen von Sprüngen in Intraday-Aktienrenditen trennen lassen. Es schätzt die tägliche realisierte Varianz anhand quadrierter Renditen und verwendet Bipower Variation als sprungrobuste Schätzung der…

AktienVolatilitätStatistikMarktmikrostruktur
Machine Learning for Trading

Dieses Notebook wendet ein neuronales Modell stochastischer Diskontfaktoren auf CME-Futures an. In der Asset-Preisbildung ist ein stochastischer Diskontfaktor eine Zufallsvariable, deren Produkt mit der Rendite jedes Vermögenswerts unter Arbitragefreiheit…

FuturesMaschinelles LernenFaktorinvestierenBacktesting
Machine Learning for Trading

Das Dokument zeigt einen Broker-Wrapper, der Orders und den Portfoliostatus prüft, bevor er Trades weiterleitet. Zu den Kontrollen gehören Obergrenzen für Stückzahl und Wert je Order, Positionslimits, Orderratenlimits, Positiv- und Sperrlisten für…

RisikomanagementPositionsgrößenbestimmungOrderausführungBacktesting
Machine Learning for Trading

Diese Analyse prüft, ob Abrechnungsdaten eine wöchentliche, querschnittliche CME-Futures-Strategie unterstützen können, bevor ein Modell angepasst wird. Sie untersucht, ob an den Rebalancing-Terminen genügend Produkte notiert sind, um die vorgesehenen Long-…

FuturesCarryRisikomanagementBacktesting
Machine Learning for Trading

Dieses Notebook stellt eine anlageklassenübergreifende Bestandsaufnahme entwickelter Finanzmerkmale aus neun Anlageklassen vor. Es zählt Merkmale und namensbasierte Gruppen in jedem verfügbaren Merkmals-Panel, vergleicht die Größen der Merkmalsräume und…

Multi-AssetStatistikFaktorinvestieren
Machine Learning for Trading

Dieses Kapitel gibt einen Überblick über Darstellungen von Finanztexten: von Wörterbüchern und Worthäufigkeiten über TF-IDF und statische Einbettungen bis hin zu rekurrenten Netzwerken und Transformern. Es erläutert die Zielkonflikte: Einfachere Verfahren…

Maschinelles LernenMarktstimmungStatistikAktien
Machine Learning for Trading

Diese Fallstudie bewertet monatliche Long-Short-Dezilstrategien auf Basis von Unternehmensmerkmalen aus den US. Sie vergleicht lineare Modelle, Gradient Boosting und Ansätze mit latenten Faktoren unter Berücksichtigung zeitpunktbezogener Verzögerungen bei…

AktienUS-MärkteFaktorinvestierenMaschinelles Lernen
Machine Learning for Trading

Dieses Notebook verwendet Optuna zur Optimierung von LightGBM-Renditemodellen und berücksichtigt dabei sowohl den Informationskoeffizienten im Querschnitt (IC) als auch die Prognoseumschichtung. Eine Suche mit einem Ziel maximiert zum Vergleich IC; eine…

Maschinelles LernenStatistikFuturesKrypto
Machine Learning for Trading

Dieses Notebook vergleicht eingebettete, serverbasierte, universelle und auf den Handel ausgerichtete Datenbanken bei Aufgaben mit Finanzzeitreihen: Massenschreibvorgänge, vollständige Scans, Zeitfensterabfragen, OHLCV-Aggregation und die Zuordnung von…

BacktestingStatistikMarktmikrostrukturOrderausführung
Machine Learning for Trading

Diese Lehrdarstellung vergleicht parametrische stochastische Modelle und Bootstrap-Verfahren zur Erzeugung synthetischer Finanzpfade. Sie behandelt geometrische Brownsche Bewegung, Sprungdiffusion, Mittelwertrückkehr, stochastische Volatilität nach Heston…

StatistikVolatilitätRisikomanagementBacktesting
Machine Learning for Trading

Diese Analyse vergleicht drei Verfahren, um vorzeichenbehaftete Modellprognosen von Renditen in binäre Positionen umzuwandeln: einen festen Schwellenwert von null, ein nachlaufendes Perzentil je Symbol und ein Perzentil im Querschnitt der Symbole. Sie wendet…

Maschinelles LernenOrderausführungBacktestingKrypto