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

738 Dokumente

Machine Learning for Trading

Dieses Notebook vergleicht die Auswirkungen angenommener Trading-Kosten auf Strategien aus mehreren Fallstudien. Es liest Backtests zur Kostensensitivität für jede eingesetzte Strategiekonfiguration ein, vergleicht den Brutto-Sharpe mit dem Netto-Sharpe bei…

BacktestingRisikomanagementOrderausführungStatistik
Machine Learning for Trading

Dieses Notebook erklärt Pfadsignaturen als Merkmale fester Länge, die Reihenfolge und gemeinsame Form der Beobachtungen einer Zeitreihe bewahren. Es beschreibt, wie die erste Signaturstufe Gesamtveränderungen erfasst, während Terme der zweiten Stufe…

AktienMaschinelles LernenStatistikTechnische Indikatoren
Machine Learning for Trading

Dieses Notebook vergleicht die Übereinstimmung von Backtrader, Zipline Reloaded und einem internen Trading-Framework anhand ausgewählter realer Strategien aus Fallstudien. Es umfasst ETF und US-Vergleiche mit US-Aktienpanels für beide externen Engines sowie…

BacktestingOrderausführungMarktmikrostrukturAktien
Machine Learning for Trading

Dieses Dokument erläutert ein Run-Protokollsystem zur Aufzeichnung von Modelltraining, Prognosen, Kausalschätzungen und Backtests aus Trading-Fallstudien. Es beschreibt, wie Konfigurationen von den Einstellungen der Fallstudien über Trainingsmenüs und…

BacktestingMaschinelles LernenStatistikPortfolio-Konstruktion
Machine Learning for Trading

Diese Konfiguration legt einen Research-Workflow für eine Long-Short-Strategie mit Krypto-Perpetual-Futures fest. Sie definiert ein nach Volumen ausgewähltes Anlageuniversum mit 19 Assets, Entscheidungen im Rhythmus der achtstündigen Funding-Abrechnungen und…

KryptoPerpetual FuturesCarryRückkehr zum Mittelwert
Machine Learning for Trading

Dieses Notebook bewertet 57 buchhalterische und kursbasierte Merkmale als einzelne Prognosevariablen für die Renditen von US-Aktien im Folgemonat. Es berechnet monatliche Rangkorrelationen im Querschnitt, mittelt sie über die Zeit und passt die Unsicherheit…

AktienFaktorinvestierenStatistikRisikomanagement
Machine Learning for Trading

Dieses Kapitel stellt einen Rahmen vor, um aus einer Trading-Idee eine dokumentierte Merkmalspezifikation zu entwickeln. Es empfiehlt Forschenden, Merkmalszeiträume auf die beabsichtigte Entscheidung abzustimmen, eine Hypothese zum Einflussfaktor zu…

Technische IndikatorenMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieser Leitfaden unterscheidet zwischen der Schätzung kausaler Effekte und der Entdeckung kausaler Strukturen und ordnet gängige Forschungsfragen passenden Python-Bibliotheken zu. EconML und DoWhy schätzen Effekte, wenn die Anpassungsstruktur bekannt oder…

Maschinelles LernenStatistikBacktesting
Machine Learning for Trading

Diese Übersicht fasst Konfigurationsdaten aus neun Trading-Fallstudien zu Aktien, Kryptowährungen, Devisen, Futures, Optionen und Multi-Asset-Portfolios zusammen. Sie vergleicht Anlageuniversum, Datenfrequenz, Entscheidungsrhythmus, Kostenmodell und die…

Multi-AssetBacktestingRisikomanagementOrderausführung
Machine Learning for Trading

Dieses Notebook stellt einen deterministischen Rahmen zur Prüfung vor, ob Backtest- und Live-Trading-Pipelines konsistent arbeiten. Es vergleicht die Schritte, die aus Kursbalken Entscheidungen machen: Merkmalsberechnungen, Prognosen, Signale und…

BacktestingOrderausführungMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook trainiert einen Reinforcement-Learning-Agenten, eine feste Verkaufsorder über stündliche Balken eines Krypto-Perpetual-Futures-Marktes zu verteilen. Sein Zustand umfasst verzögerte Renditen, Volatilität, Volumen der vorherigen Stunde, den…

KryptoPerpetual FuturesOrderausführungMaschinelles Lernen
Machine Learning for Trading

Dieses Notebook bündelt Ergebnisse linearer Modelle, darunter OLS, Ridge, Lasso und ElasticNet, aus neun Fallstudien. Es vergleicht die stärkste vollständige Konfiguration jeder Studie anhand ihres primären Labels und untersucht anschließend Regularisierung,…

Maschinelles LernenStatistikBacktestingFaktorinvestieren
Machine Learning for Trading

Diese Fallstudie bewertet TabM, ein parameter-effizientes neuronales Ensemble, anhand derselben zeitpunktbezogenen CME-Futures-Merkmalszeilen und Walk-Forward-Folds wie andere Modellfamilien. Sie stellt TabM als Möglichkeit vor, über Modellvariationen zu…

FuturesMaschinelles LernenBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook stellt einen Ablauf vor, um zu untersuchen, ob Momentum mit Auslassung der jüngsten Periode über sechs Monate die Forward-Renditen über 21 Tage beeinflusst und ob sich der Effekt mit der Marktvolatilität verändert. Es schätzt Effekte auf…

AktienMomentumMaschinelles LernenStatistik
Machine Learning for Trading

Diese Fallstudie bewertet wöchentlich eröffnete, am Geld liegende Short Straddles auf Bestandteile des S&P 500, die bis zur Fälligkeit gehalten und täglich delta-gehedgt werden. Die zentrale methodische Entscheidung ist, Renditen bis zur Fälligkeit zu…

OptionenVolatilitätBacktestingOrderausführung
Machine Learning for Trading

Dieses Notebook vergleicht zwei vortrainierte Zeitreihen-Grundmodelle, Chronos und TinyTimeMixer, mit einem LSTM und einer regularisierten linearen Basislinie auf einem ETF-Panel. Jedes Modell erhält einen univariaten historischen Kontext; die vortrainierten…

Maschinelles LernenAktienMomentumBacktesting
Machine Learning for Trading

Dieses Kapitel stellt einen Rahmen zur Bewertung kausaler Aussagen in der quantitativen Trading-Forschung vor. Es beginnt mit klaren Definitionen von Behandlung, Ergebnis, Estimand, Gegenfaktum und Adjustierungsmenge und ordnet Forschungsfragen anschließend…

Maschinelles LernenStatistikBacktestingFaktorinvestieren
Machine Learning for Trading

Dieses Notebook passt lineare Modelle an NASDAQ-100-Mikrostrukturmerkmale an, die in Ein-Minuten-Intervallen beobachtet werden, um Renditen über mehrere zukünftige Horizonte zu prognostizieren. Es soll eine einfache Basislinie vor ausdrucksstärkeren Modellen…

AktienMaschinelles LernenStatistikTechnische Indikatoren
Machine Learning for Trading

Dieses Notebook beschreibt, wie eine zuvor ausgewählte FX-Strategie anhand von Holdout-Prognosen bewertet wird. Es verwendet erneut die registrierte Backtest-Spezifikation der ausgewählten Konfiguration und hält Signal, Allokation, Risikokontrollen,…

DevisenhandelBacktestingRisikomanagementPositionsgrößenbestimmung
Machine Learning for Trading

Dieses Dokument beschreibt einen täglichen US-Aktienmarktdatensatz mit rund 3,200 Unternehmen von 1962 bis März 2018. Er umfasst auch dekotierte Emittenten und eignet sich damit für historische Forschung, bei der der Ausschluss gescheiterter oder dekotierter…

AktienUS-MärkteBacktesting
Machine Learning for Trading

Diese Merkmalsbewertung prüft finanzielle und modellbasierte Kandidaten anhand von Forward-Renditen für CME-Futures. Für jedes Merkmal prüft sie Datenabdeckung und Aktualität, misst die tägliche querschnittliche Rangkorrelation zwischen Merkmalswerten und…

FuturesStatistikMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook untersucht, wie Annahmen zu Transaktionskosten den Validierungs-Sharpe einer ausgewählten Aktien- und Optionsallokation des S&P 500 beeinflussen. Wenn verfügbar, übernimmt es die Konfiguration, die anhand einer eingefrorenen Kandidatenmenge…

AktienOptionenOrderausführungBacktesting
Machine Learning for Trading

Dieses Kapitel vertritt die Auffassung, dass belastbare Trading-Forschung einen disziplinierten Prozess erfordert, der sich an veränderte Märkte, verrauschte Evidenz und Implementierungskosten anpassen kann. Es unterscheidet strukturelle Brüche, Regime,…

Maschinelles LernenBacktestingRisikomanagementStatistik
Machine Learning for Trading

Dieses Evaluierungsnotebook prüft finanzielle und modellbasierte Merkmale auf ihren Zusammenhang mit der Rendite der nächsten acht Stunden bei Krypto-Perpetual-Futures. Es erstellt die Evaluierungsstichprobe aus Walk-Forward-Validierungsfenstern, lässt den…

KryptoPerpetual FuturesMaschinelles LernenStatistik