Wissensbibliothek

Dieses Notebook vergleicht die gewöhnliche Methode der kleinsten Quadrate mit Ridge, LASSO und Elastic Net, um zukünftige Renditen in einem ETF-Universum vorherzusagen. Alle Modelle verwenden dieselben Walk-Forward-Folds mit einem zeitlichen…

Dieses Kapitel zeigt, wie sich zeitkonsistente Analysen von Fundamentaldaten und alternativen Daten für Aktien, makroökonomische Reihen, Futures, Krypto und Prognosemärkte aufbauen lassen. Im Mittelpunkt stehen bitemporale Speicherung und Abfragen zum…

Dieses Notebook entwickelt ein Long-only-Mean-Varianz-Framework mit vollständiger Investition für ein diversifiziertes ETF-Universum. Es konstruiert zulässige Portfolios und eine Effizienzlinie und berechnet anschließend Gewichte mit maximaler Sharpe-Ratio…

Dieses Notebook verwendet eine Hauptkomponentenanalyse für eine liquide Teilmenge von US-Aktien, um bruttonormalisierte Eigenportfolios zu bilden und ihre Rolle als latente Risikofaktoren zu untersuchen. Es analysiert die erklärte Varianz, interpretiert…

Dieses Notebook vergleicht lineare Modelle zur Prognose von ETF-Renditen anhand überlappender, aus Kursen abgeleiteter Merkmale. Da mehrere Renditehorizonte und Indikatorfamilien ähnliche Informationen codieren können, kann die gewöhnliche Methode der…

Dieser Leitfaden ordnet kausale Fragestellungen Python-Bibliotheken zu und verdeutlicht den Unterschied zwischen der Schätzung von Effekten unter einer angenommenen Kausalstruktur und der Entdeckung möglicher Strukturen aus Daten. Er stellt Double Machine…

Dieses Framework zeigt Qualitätsprüfungen für tägliche US-Aktien-OHLCV-Daten. Die strukturelle Validierung prüft Preisbeziehungen, positive Preise, nichtnegative Volumina, fehlende Werte, doppelte Datumsangaben, chronologische Reihenfolge, veraltete Preise…

Dieses Notebook stellt ein Modell mit stochastischem Diskontfaktor zur Bewertung eines ETF-Querschnitts vor. Statt Fondsengagements und Faktorrenditen getrennt zu schätzen, trainiert es Netzwerke darauf, eine gemeinsame Diskontfaktorreihe zu finden, deren…

Dieses Notebook wendet TabM, ein neuronales Ensemble mit gemeinsam genutzten Gewichten, auf ein Panel von Merkmalen für Krypto-Perpetual-Futures an. Die Mitglieder teilen sich ein neuronales Grundgerüst, haben jedoch eigene Skalierungsvektoren und…

Dieses Notebook rekonstruiert für jeden AAPL-Trade während einer einzelnen Sitzung im März 2020 das jeweils aktuelle beste Geld- und Briefgebot. Anschließend wendet es die Lee–Ready-Methode an, um abzuleiten, ob Käufer oder Verkäufer den Trade initiiert…

Dieses Notebook prüft Finanzmerkmale und modellbasierte Merkmale darauf, ob sie ETFs anhand nachfolgender Renditen in eine Rangfolge bringen können. Es berechnet für jedes Datum einen Information Coefficient, indem es die Querschnittsränge jedes Merkmals mit…

Dieses Notebook bewertet potenzielle Merkmale für 20 Währungspaare einzeln anhand zukünftiger Renditen. Es beschränkt die Analyse auf Walk-Forward-Validierungszeiträume, kennzeichnet jede Sitzung mit ihrem Fold und lässt vor dem Holdout eine Pufferlücke,…

Dieses Notebook erläutert, wie sich Wahrscheinlichkeitsprognosen mehrerer Agenten kombinieren und die resultierenden Wahrscheinlichkeiten kalibrieren lassen. Es stellt die Neyman-Extremisierung vor, die den Mittelwert der Prognosen abhängig von der…

Dieses Datenwerkzeug unterstützt die Arbeit mit dem Bewertungsdatensatz von Chen, Pelger und Zhu, der Aktienrenditen, Unternehmensmerkmale, makroökonomische Zeitreihen und vor der Aufteilung erstellte Merkmaltensoren umfasst. Seine Konvertierungsmethode…

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…

Dieses Modul beschreibt eine gemeinsame Methode zur Vorbereitung von Walk-Forward-Trainings- und Validierungsfolds für mehrere Modellfamilien. Es trennt aufwendige, modellunabhängige Arbeit – das Zuschneiden von Zeitfenstern, das Anwenden foldspezifischer…

Dieses Notebook vergleicht Validierungsprognosen mehrerer Modellfamilien für die Funding-Forschung zu Perpetual Futures. Es erläutert, dass der Information Coefficient den Rangzusammenhang zwischen Prognosen und nachfolgenden Renditen misst, AUC die…

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…

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,…

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…

Dieses Notebook vergleicht Polymarkets kryptowährungsgestützte Ereigniskontrakte mit den regulierten Kontrakten von Kalshi und untersucht, wie Zugangsregeln und Notierungsrichtlinien die Preise und Fragen der jeweiligen Handelsplätze prägen. Es prüft einen…

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…

Dieses Notebook vergleicht Behavior Cloning mit invers verstärkendem Lernen (IRL), um aus Ausführungsdatensätzen zu lernen. Die Demonstrationen stammen aus einem TWAP-Zeitplan mit bekanntem risikoneutralem Ziel: Trades gleichmäßig zu verteilen, um die…

Das Notebook stellt das Almgren–Chriss-Framework für die zeitliche Planung einer großen Liquidation vor. Es misst den Implementation Shortfall gegenüber dem Ankunftspreis und modelliert zwei konkurrierende Kosten: Marktauswirkung, die mit der…