Wissensbibliothek

Diese Fallstudie erklärt, wie Forward-Return-Labels für eine querschnittliche Devisenstrategie erstellt werden, die Währungspaare ordnet und entsprechend ihrer relativen Platzierung kauft oder verkauft. Zunächst ordnet sie Vier-Stunden-Spot-Bars anhand der…

Der Code berechnet standardisierte Performance-Kennzahlen aus Out-of-Sample-Prognosetabellen, getrennt nach Fold und als übergreifende Gesamtwerte. Er unterstützt Regression und Klassifikation, darunter Informationskoeffizient, Fehlermaße,…

Dieser Datensatz hält einen LangGraph-Prognoselauf dazu fest, ob die Federal Reserve ihren Leitzins im Jahr 2026 anheben würde. Drei Agenten gaben Wahrscheinlichkeiten aus; anschließend folgten eine Debatte und eine Aktualisierung durch die Aufsicht. Die…

Dieses Notebook nutzt Double Machine Learning, um zu prüfen, ob der Zusammenhang zwischen der Differenz aus impliziter und realisierter Volatilität und künftigen Aktienrenditen nach Anpassung um beobachtete Störfaktoren bestehen bleibt. Es vergleicht den…

Dieses Notebook stellt einen Research-Agenten zusammen, der nach Belegen sucht und eine strukturierte Wahrscheinlichkeit für eine binäre Frage ausgibt. Es beschreibt die Analyse und Validierung von Aktionen, ein Rundenlimit und ein gespeichertes…

Dieses Notebook erklärt PCA als latente Faktoren-Baseline ohne Merkmale zur Prognose von ETF-Renditen. Es zerlegt die Renditematrix des Trainingszeitraums für jedes Label und erstellt Prognosen anhand einer Ladung für jeden Fonds sowie geschätzter…

Dieses Modul beschreibt zwei Komponenten einer Multi-Agenten-Pipeline für Prognosen. Ein Debattenagent wechselt zwischen bullischen und bärischen Argumenten. Jede Seite muss auf die Behauptungen der anderen eingehen und eine Wahrscheinlichkeitsschätzung mit…

Dieses Notebook zeigt, wie PCMCI verzögerte Beziehungen zwischen Renditen von ETF und Volatilitätsrenditen untersucht, ohne vorab einen Kausalgraphen festzulegen. Es vergleicht bedingte Unabhängigkeitstests auf Paneldaten mit paarweisen Granger-Tests, die…

Dieses Notebook erklärt, wie PatchTST anhand gleich langer Abschnitte sequenzieller Marktmerkmale NASDAQ-100-Zielwerte prognostiziert. Die Attention verknüpft Abschnitte über eine rückwärtsgerichtete Stunde hinweg und verkürzt die Sequenz im Vergleich zu…

Dieses Dokument beschreibt ein CME-Futures-Experiment mit TabM, einem parametereffizienten neuronalen Ensemble, anhand derselben konstruierten Merkmalszeilen und Walk-Forward-Folds wie bei linearen Modellen und Gradient-Boosting-Modellen. TabM teilt die…

Das Dokument beschreibt eine Pipeline, die SEC 8-Meldungen in strukturierte Unternehmensereignisse umwandelt. Ein Sprachmodell extrahiert Ereignisbeziehungen; explizite Schema-Prüfungen validieren Entitätsnamen, Beziehungstypen, Kategorien und Daten. Durch…

Dieses Modul beschreibt die Migration eines Registers, nachdem eine Bibliothek die Nummerierung der Walk-Forward-Folds geändert hatte, während deren Datumsfenster und angepasste Werte unverändert blieben. Da Fold-IDs in Trainingsspezifikationen,…

Dieses Notebook erklärt, wie verborgene Markow-Modelle unbeobachtete Marktphasen anhand von Renditen und jüngster Volatilität erschließen. Zunächst werden einfache Vergleichsregeln festgelegt: ein Schwellenwert eines Volatilitätsindex für Stress und der Kurs…

Dieses Notebook stellt ein Rahmenwerk vor, um zu prüfen, ob die scheinbare Qualität eines Momentum-Signals bei vertretbaren Forschungsentscheidungen Bestand hat. Anhand realer ETF-Daten aus dem Zeitraum vor dem festgelegten Holdout-Zeitraum wird jeweils ein…

Das Notebook erläutert, wie Prognosemodelle für S&P-500-Optionen verglichen werden können, ohne dass unvollständige oder nicht übereinstimmende Evaluierungsstichproben die Ergebnisse verzerren. Es kennzeichnet jedes Modell anhand von Familie, Konfiguration…

Dieses Notebook bildet Unsicherheitsintervalle für ETF-Zukunftsrenditen mit Ridge-Regression und drei konformen Methoden: Split Conformal Prediction, Conformalized Quantile Regression und Adaptive Conformal Inference. Es bewertet sie anhand von…

Dieses Notebook verwendet Double Machine Learning, um zu schätzen, ob ein Premium-z-Wert bei Perpetual Futures nach Bereinigung um sechs Vorbehandlungskontrollen mit der folgenden Acht-Stunden-Rendite zusammenhängt. Es vergleicht die Effekte in Phasen hoher…

Die fraktionale Differenzierung wendet eine nichtganzzahlige Potenz des verzögerten Differenzenoperators auf logarithmierte Kurse an. Ihre Binomialgewichte klingen über frühere Beobachtungen hinweg ab, sodass das Ergebnis Kursänderungen mit einem Teil der…

Dieses Kapitel ordnet Finanzdaten Markt-, Fundamental- und alternativen Quellen zu und vergleicht anschließend, wie Anlageklassen die Bedeutung von Preisen, Liquidität und Beobachtungen prägen. Es hebt hervor, dass Zeitstempel, Anpassungen, Kennungen und…

Dieses Notebook stellt TimeGAN vor, ein rekurrentes generatives adversariales Modell zur Erzeugung synthetischer Finanzzeitreihen. Seine fünf Module lernen eine Einbettung und Rekonstruktion, prognostizieren aufeinanderfolgende latente Zustände, erzeugen…

Dieses Dokument erläutert eine gemeinsame Methode zur Erstellung von Walk-Forward-Validierungssplits anhand der Evaluierungseinstellungen von Fallstudien. Die Fold-Erstellung wird an einen kalenderbewussten Splitter delegiert; dabei werden eindeutige…

Dieses Notebook wendet zwei sequentielle Detektoren auf echte Validierungsprognosefehler aus zwei US-Aktienkonfigurationen mit linearen Modellen über ein Kalenderjahr an. Ein Zwei-Fenster-Detektor für Mittelwertverschiebungen sucht nach Veränderungen der…

Dieses Notebook stellt einen überwachten Autoencoder zur Prognose zukünftiger ETF-Renditen vor. Das Netzwerk komprimiert die Merkmalszeile eines Fonds in eine niedrigdimensionale Darstellung und prognostiziert Renditen direkt daraus. Anders als bedingte…

Dieses Dokument beschreibt, wie sich aus einer bestehenden Walk-Forward-Validierungsspezifikation ein einzelnes Trainingsintervall für den Holdout ableiten lässt. Es übernimmt die in der Studienkonfiguration angegebenen Holdout-Daten, verwendet den frühesten…