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 strukturiert fallstudienübergreifende Vergleiche von LightGBM-Modellen und nutzt lineare Modelle und TabM, sofern verfügbar, als Referenzfamilien. Es bewertet Konfigurationen mit unterschiedlichen Baumgrößen, Regressionsverlusten, Checkpoints…

Maschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook beschreibt, wie sich Bruttorenditen in eine Nettoperformance überführen lassen, indem Handelsfriktionen, Finanzierung und Fondskosten getrennt modelliert werden. Das parametrisierte Kostenmodell berechnet Handelskosten anhand von…

AktienOrderausführungRisikomanagementBacktesting
Machine Learning for Trading

Diese Fallstudie erläutert, warum Stop-Losses, Trailing-Stops und andere Positions-Overlays für US-Portfolios aus Unternehmensmerkmalen, die auf Monatsbeobachtungen beruhen, nicht getestet werden können. Der vektorisierte Backtest wendet einen Gewichtsvektor…

AktienRisikomanagementBacktesting
Machine Learning for Trading

Dieses Notebook erläutert instrumentierte Hauptkomponentenanalyse (IPCA), die gemeinsame Faktoren schätzt und zugleich die Faktor-Exponierungen jeder Aktie als gemeinsame lineare Funktion ihrer tagesgleichen Optionsoberflächenmerkmale modelliert. Dazu zählen…

OptionenAktienFaktorinvestierenMaschinelles Lernen
Machine Learning for Trading

Das Dokument erläutert zwei Verfahren zur Schätzung von Geld-Brief-Spreads, wenn nur tägliche OHLCV-Daten verfügbar sind. Corwin-Schultz vergleicht Hoch-Tief-Spannen über benachbarte Ein- und Zwei-Tages-Intervalle und nutzt das unterschiedliche Verhalten von…

MarktmikrostrukturStatistikOrderausführungVolatilität
Machine Learning for Trading

Das Dokument beschreibt, wie rollierende ETF-Renditefenster in Zweikanalbilder für ein herkömmliches faltendes neuronales Netz umgewandelt werden. Ein Gramian Angular Field bildet normalisierte Beobachtungen auf Winkel ab und hält paarweise Winkelbeziehungen…

AktienMaschinelles LernenTechnische IndikatorenStatistik
Machine Learning for Trading

Dieses Notebook beschreibt ein Verfahren zur Bewertung eines Herausforderermodells im Shadow-Modus, bevor es Kapital erhält. Es vergleicht gespeicherte Prognosen eines festen Bestandsmodells und eines Kandidaten, erstellt gleich gewichtete, nach Rang…

Maschinelles LernenRisikomanagementBacktestingPortfolio-Konstruktion
Machine Learning for Trading

Dieses Evaluierungsframework unterscheidet vier Arten von Fehlern in einer Finanzpipeline mit Retrieval-Augmented Generation: relevante Belege abrufen, Antworten auf diese Belege stützen, unbeantwortbare Fragen ablehnen und unsicheren Anweisungen in…

Maschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook erstellt preisbasierte Features, um ein breites US-Aktienuniversum zu ordnen. Es beschreibt Momentum-, Volatilitäts-, gleitende Durchschnitts- und technische Indikatorfamilien und bewertet sie anhand eines Labels für die Rendite der folgenden…

AktienUS-MärkteTechnische IndikatorenMomentum
Machine Learning for Trading

Dieses Notebook schätzt, wie Ausführungskosten hypothetische Intraday-Strategierenditen schmälern können. Zunächst misst es volumen­gewichtete notierte Spreads für die NASDAQ-100-Bestandteile anhand von Minutenbalken-Kursnotierungen und verwendet dann den…

AktienOrderausführungMarktmikrostrukturBacktesting
Machine Learning for Trading

Dieses Notebook trainiert PatchTST, ein Sequenzmodell im Transformer-Stil, als Teil einer vorab festgelegten Modellpopulation für die Optionsforschung zum S&P 500. Es unterteilt eine Rückblick-Zeitreihe in Patches fester Länge, bettet diese als Tokens ein…

OptionenMaschinelles LernenBacktestingStatistik
Machine Learning for Trading

Dieses Notebook misst, wie eine in der Validierung ausgewählte FX-Strategie auf Änderungen proportionaler Transaktionskosten reagiert. Für jedes Prognoselabel wählt es anhand der Ergebnisse zu Signal, Allokation und Risiko-Overlay eine übergeordnete…

DevisenhandelBacktestingOrderausführungRisikomanagement
Machine Learning for Trading

Diese Analyse bewertet, ob Signale aus mehreren Trading-Fallstudien zuverlässig genug für die weitere Verwendung erscheinen. Sie vergleicht Informationskoeffizienten (IC) aus der Validierung mit Holdout-Evidenz, untersucht Stabilität und Reproduzierbarkeit…

Maschinelles LernenStatistikBacktestingRisikomanagement
Machine Learning for Trading

Dieses Tutorial gibt einen Überblick über Features aus historischen Kurs- und Volumendaten von Vermögenswerten, darunter Renditen über verschiedene Horizonte, Trend- und Umkehrmaße, mehrere Volatilitätsschätzer, Volatilitätsregime, Liquidität, Tail-Risiko…

Technische IndikatorenMomentumVolatilitätMaschinelles Lernen
Machine Learning for Trading

Dieses Notebook misst, wie sich die Validierungsperformance einer S&P-500-Optionsstrategie unter verschiedenen angenommenen Anteilen des gezahlten notierten Spreads verändert. Es wählt eine Basisstrategie pro Modellfamilie aus und führt jede anschließend mit…

OptionenOrderausführungBacktestingRisikomanagement
Machine Learning for Trading

Dieses Dokument stellt eine wiederverwendbare Zustandsmaschine für automatisierte Handelsstopps mit den Zuständen geschlossen, offen und halb offen vor. Dieselbe Übergangslogik gilt für vier Risiken: Drawdown des Kontos, Tagesverlust, aufeinanderfolgende…

RisikomanagementOrderausführungBacktesting
Machine Learning for Trading

Dieses Notebook erzeugt Prognosen für ein zuvor unberührtes ETF-Holdout-Fenster anhand der Konfiguration, die auf Validierungsdaten ausgewählt wurde. Es erstellt die Trainingsspezifikation neu, sodass sie einen Labelhorizont vor Beginn des Fensters endet,…

BacktestingRisikomanagementStatistik
Machine Learning for Trading

Dieses Notebook beschreibt eine Pipeline, die Beziehungen zwischen Lieferanten, Kunden und Wettbewerbern aus den 10-K-Berichten von Unternehmen extrahiert und als Neo4j-Wissensgraph speichert. Ein lokales Sprachmodell schlägt strukturierte…

AktienMaschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Dieser Datensatzleitfaden vergleicht zwei Quellen für US-Aktien-Tickdaten zur Orderbuch- und Markt-Mikrostruktur-Forschung. Die Market-by-Order-Datensätze von Databento liefern vorverarbeitete Hinzufügungs-, Änderungs-, Stornierungs- und Handelsereignisse,…

AktienMarktmikrostrukturOrderausführung
Machine Learning for Trading

Dieses Dokument beschreibt Registry-Prüfungen, mit denen entschieden wird, ob Modelltraining und Backtests wiederverwendet oder erneut ausgeführt werden. Läufe werden anhand von Hashes identifiziert, die aus ihren Spezifikationen abgeleitet werden; ein Lauf…

BacktestingMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook erläutert, warum ein allgemeines Risiko-Overlay mit Zielgewichtung die beschriebene S&P-500-Short-Straddle-Strategie nicht steuern kann. Die Options-Engine weist wöchentlichen Kohorten feste Kapitalanteile zu und normalisiert die Gewichte…

OptionenRisikomanagementBacktestingBewertung von Derivaten
Machine Learning for Trading

Dieses Notebook zeigt, wie ein Transformer für die Erkennung benannter finanzieller Entitäten feinabgestimmt wird, um Textspannen in strukturierte Felder für Organisationen, Personen, Geldbeträge, Datumsangaben und Prozentsätze umzuwandeln. Es führt…

Maschinelles LernenStatistikMarktstimmungAktien
Machine Learning for Trading

Dieses Notebook untersucht Gradient Boosting für querschnittliche Prognosen von CME-Futures-Renditen. Es variiert die Baumkapazität anhand von Blattzahlprofilen und vergleicht quadratische, absolute und Huber-Verlustfunktionen, die extreme Residuen…

FuturesRohstoffeMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook erläutert drei Möglichkeiten, aus Minutendaten des NASDAQ-100 modellbasierte Features zu erstellen: eine rollierende HAR-Regression für Varianzprognosen und Prognosefehler, eine Fourier-Transformation für jüngste Volumenmuster und…

AktienVolatilitätMarktmikrostrukturStatistik