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 erstellt einen Überwachungsablauf für ein eingesetztes Finanzmodell anhand realer Holdout-Artefakte. Bevor Drift gemessen wird, prüft es, ob eingehende Merkmalsdaten ausgefüllt und strukturell gültig sind; anschließend vergleicht es Referenz-…

Maschinelles LernenStatistikRisikomanagementAktien
Machine Learning for Trading

Dieses Notebook führt vektorisiertes Backtesting mit VectorBT anhand einer Long-only-Mean-Reversion-Regel RSI auf Marktdaten zu Bitcoin-Perpetuals ein. Es berechnet einen auf Schlusskursen basierenden RSI, eröffnet Positionen, wenn der Wert des Vortags unter…

KryptoPerpetual FuturesRückkehr zum MittelwertTechnische Indikatoren
Machine Learning for Trading

Dieses Notebook verbindet die Positionsgrößenbestimmung mit der Analyse maximal ungünstiger und günstiger Kursbewegungen während eines Trades. Es zeigt eine feste prozentuale Positionsgrößenbestimmung, bei der sich die Aktienzahl aus einem Risikobudget je…

PositionsgrößenbestimmungRisikomanagementVolatilitätBacktesting
Machine Learning for Trading

Dieses Notebook erläutert, wie Ridge-Regressionsprognosen für ein ETF-Panel mit SHAP interpretiert werden. Bei einem linearen Modell entspricht der Beitrag jedes Merkmals seinem Koeffizienten multipliziert mit der Abweichung des Merkmals vom…

Maschinelles LernenStatistikAktienBacktesting
Machine Learning for Trading

Dieses Notebook beschreibt einen Arbeitsablauf, der jährliche und vierteljährliche SEC-Meldungen in strukturierten Text für spätere Sentiment-, Themen- und Embedding-Analysen umwandelt. Gewünschte Abschnitte werden den jeweiligen Formularen zugeordneten…

AktienMarktstimmungEreignisgesteuertStatistik
Machine Learning for Trading

Dieses Notebook erklärt, wie ein bedingter Autoencoder ein instrumentiertes Hauptkomponentenmodell erweitert: Ein neuronales Netz ordnet Aktienmerkmalen Faktor-Exposures zu, während das Modell dieselbe Struktur aus Exposure mal Faktorrendite beibehält. Es…

AktienFaktorinvestierenMaschinelles LernenBacktesting
Machine Learning for Trading

Diese Studie prüft finanzielle und GJR-GARCH-Volatilitätsmerkmale anhand zukünftiger Aktienrenditen. Für jede Sitzung berechnet sie die Rangkorrelation zwischen einem Merkmal und den nachfolgenden Renditen über Aktien hinweg. Anschließend bewertet sie den…

AktienOptionenStatistikMaschinelles Lernen
Machine Learning for Trading

Diese Referenz beschreibt zwei Korpora mit Finanznachrichten für Sentimentanalysen, die Entwicklung von Textmerkmalen und Experimente zum Zusammenhang zwischen Nachrichten und Renditen. FNSPID verknüpft Schlagzeilen mit Aktientickern und deckt einen langen…

AktienMarktstimmungMaschinelles LernenStatistik
Machine Learning for Trading

Das Dokument leitet nach Black-Scholes Preise für europäische Calls und Puts her, prüft ihre Beziehung anhand der Put-Call-Parität und berechnet die implizite Volatilität durch numerische Lösung der Volatilität, die zu einem beobachteten Optionspreis passt.…

OptionenBewertung von DerivatenVolatilitätRisikomanagement
Machine Learning for Trading

Dieses Notebook vergleicht sechs Allokationsmethoden für Krypto-Perpetual-Strategien, die bereits einen grundlegenden Auswahlprozess bestanden haben. Prognosen und Einstiegsregeln jeder Strategie bleiben fest, während sich die Kapitalzuweisung ändert: Ein…

KryptoPerpetual FuturesPositionsgrößenbestimmungPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook demonstriert Deep Hedging für einen leerverkauften europäischen Call. Es simuliert Kursverläufe des Basiswerts mit geometrischer Brownscher Bewegung, berechnet die Black-Scholes-Delta als Benchmark und trainiert ein teilweise rekurrentes…

OptionenMaschinelles LernenRisikomanagementBewertung von Derivaten
Machine Learning for Trading

Dieses Modul legt fest, wie ein Holdout-Auswahlfeld über Validierungsstufen und Strategielabels hinweg zusammengestellt wird. Es behandelt Abweichungen, durch die eingefrorene Kandidatensätze und die Rekonstruktion im Live-Betrieb unterschiedliche…

BacktestingRisikomanagementPortfolio-KonstruktionStatistik
Machine Learning for Trading

Dieses Feature-Engineering-Modul bereitet tägliche Kursdaten für systematische Makro-Portfoliomodelle auf. Es erstellt Renditen über verschiedene Zeithorizonte, skaliert mit der geschätzten Volatilität, mehrere MACD-Signale über verschiedene Skalen und…

Multi-AssetMomentumTrendfolgeVolatilität
Machine Learning for Trading

Dieses Notebook zeigt, wie sich prüfen lässt, ob vier Strategien für verwaltete Portfolios nach Kontrolle der durch zehn Hauptkomponenten erfassten breiten Bewegungen zusätzliche Erklärungskraft für SPY-Renditen liefern. Die Kandidatenportfolios ordnen ETFs…

AktienMaschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Dieses Dokument beschreibt einen Arbeitsablauf, um vierteljährliche SEC 13F-Bulkmeldungen in ein Panel institutioneller Beteiligungen umzuwandeln. Pro Vermögensverwalter wird anhand des Meldedatums die jüngste Meldung ausgewählt. Zur Identifizierung von…

AktienUS-MärkteStatistikMarktstimmung
Machine Learning for Trading

Das Dokument erklärt die instrumentierte Hauptkomponentenanalyse zur Modellierung von ETF-Renditen. Anders als die gewöhnliche PCA, die jedem Fonds feste Faktor-Exposures zuweist, modelliert IPCA die Exposures jedes Fonds als gemeinsame lineare Funktion…

AktienFaktorinvestierenMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook verwendet NASDAQ ITCH-Transaktionsdaten, um zu untersuchen, wie Volumen und Handelsaktivität während der regulären Sitzung variieren. Es fasst Transaktionen in Zeitbalken zusammen, vergleicht Preis und Volumen für beispielhafte Aktien mit…

AktienMarktmikrostrukturStatistikTechnische Indikatoren
Machine Learning for Trading

Dieses Notebook vergleicht Prognosemodelle, die NASDAQ-100-Aktien nach ihrer Rendite in den nächsten 15 Minuten ordnen, anhand von Intraday-Mikrostrukturinformationen wie Spreads, Ungleichgewichten in der Markttiefe, vorzeichenbehaftetem Volumen und…

AktienMaschinelles LernenStatistikMarktmikrostruktur
Machine Learning for Trading

Dieses Notebook leitet die Kelly-Positionsgröße her, indem es bei einer binären Wette das erwartete logarithmische Vermögen maximiert. Anschließend veranschaulicht es, wie die Einsatzhöhe die Verteilung simulierter Vermögenspfade verändert. Der Ansatz wird…

PositionsgrößenbestimmungRisikomanagementPortfolio-KonstruktionStatistik
Machine Learning for Trading

Diese Evaluation prüft Merkmale aus Optionsoberflächen, preisbasierte Merkmale und bedingte Volatilitätsmerkmale anhand künftiger Aktienrenditen. Für jede Sitzung berechnet sie eine Querschnitts-Rangkorrelation zwischen Merkmalswerten und nachfolgenden…

AktienOptionenStatistikMaschinelles Lernen
Machine Learning for Trading

Dieses Notebook bewertet eine zuvor ausgewählte ETF-Strategie in einem reservierten Holdout-Zeitraum. Es ruft die passenden Prognosen anhand ihrer Trainingsidentität und ihres Checkpoints ab, wendet die zuvor festgelegte Strategiespezifikation und…

BacktestingPortfolio-KonstruktionRisikomanagementPositionsgrößenbestimmung
Machine Learning for Trading

Dieses Modul erläutert, wie historische S&P-500-Kurse aufbereitet werden, wenn Tickersymbole im Zeitverlauf für unterschiedliche Wertpapiere stehen können. Es wendet Anpassungsfaktoren für Kapitalmaßnahmen an, verfolgt Wertpapierkennungen und markiert…

AktienUS-MärkteBacktestingOrderausführung
Machine Learning for Trading

Dieses Hilfsprogramm beschreibt, wie eine Migration validiert wird, die Backtest-Kennungen ändert, ohne die zugrunde liegenden Berechnungen erneut auszuführen. Es durchsucht Datenbankschemata nach Spalten mit registrierten Adressen, einschließlich…

BacktestingStatistik
Machine Learning for Trading

Dieses Notebook erläutert instrumentierte Hauptkomponentenanalyse (IPCA) für ein Aktienpanel mit Optionsoberflächenmerkmalen. Anders als bei gewöhnlicher PCA, bei der die Exponierungen jeder Aktie anhand ihrer Renditehistorie geschätzt werden, modelliert…

AktienOptionenFaktorinvestierenMaschinelles Lernen