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.
1,119 Dokumente
Dieses Notebook vergleicht sklearn HistGradientBoosting, XGBoost, LightGBM und CatBoost zur Prognose zukünftiger ETF-Renditen. Es misst den querschnittlichen Information Coefficient, die Trainingszeit und den Speicherverbrauch für verschiedene…
Dieses Notebook erläutert, wie sich IEX-DEEP-Nachrichten auslesen und aggregierte Limit-Orderbücher für jede Preisebene führen lassen. Es extrahiert Aktualisierungen der Preisebenen, beste Geld- und Briefkurse sowie Handelsmeldungen und verwendet die daraus…
Dieses Notebook prüft, ob eine Standard-Portfolioallokation eine NASDAQ-100-Handelsstrategie verbessern kann, die bei jedem Balken handelt und bereits durch Transaktionskosten belastet ist. Es wählt Prognosen anhand der Validierungsperformance im…
Dieses Notebook ordnet eine Familie von ETF-Renditemodellen ein, die gemeinsame latente Richtungen in einem Panel ableiten und Merkmale zur Schätzung von Fondsrisiken verwenden. Es unterscheidet fünf Ansätze: unbedingte Hauptkomponenten; instrumentierte PCA…
Dieses Notebook erläutert, wie ein Suchwerkzeug für einen Prognoseagenten gestaltet wird, damit Belege eine einheitliche Struktur, eine nachvollziehbare Herkunft und einen prüfbaren Weg ins Modell haben. Ein gemeinsames Client-Protokoll liefert typisierte…
Dieses Notebook untersucht, wie sich die Positionsgröße auf FX-Backtests auswirkt, nachdem das Modell bereits die zu handelnden Währungspaare ausgewählt hat. Es übernimmt Prognosen, Signalzuordnung, Kosten und Ausführungseinstellungen der besten Baseline und…
Dieses Hilfsprogramm erstellt Label-Artefakte für 500-Optionsstraddles, wobei bei Einstieg und Ausstieg dasselbe Symbol, derselbe Strike und derselbe Verfall verwendet werden. Es ordnet Merkmalsdaten den folgenden Marktsitzungen zu, legt Ausstiegstermine…
Dieses Notebook wendet positionsbezogene Risikokontrollen auf führende ETF-Allokationskombinationen an und hält dabei jede zugrunde liegende Prognose, Konzentration und Allokationsmethode konstant. Es vergleicht Stop-Losses, Trailing Stops und zeitbasierte…
Dieses Notebook erläutert, wie sich aus drei Kontraktlaufzeiten je Produkt eine querschnittliche Futures-Feature-Matrix erstellen lässt. Carry und Kurvenkrümmung werden aus Börsenabrechnungskursen abgeleitet, während rollbereinigte Preise für Rendite-,…
Dieses Notebook zeigt, warum die Suche über viele Signale oder Strategien das beste beobachtete Ergebnis stärker erscheinen lässt, als es seinem tatsächlichen Prognosewert entspricht. Eine Simulation mit Faktoren ohne echte Information veranschaulicht, wie…
Dieses Notebook erläutert, wie ein veröffentlichtes, querschnittlich rangiertes US-Unternehmensmerkmal-Panel in eine Feature-Matrix mit Schlüsseln für eine Faktorenstudie überführt wird. Es gruppiert Eingaben in festgelegte Familien, kombiniert Merkmale und…
Das Dokument beschreibt, wie eine Trading-Forschungspipeline prüft, ob Anpassungen von Modellen mit latenten Faktoren in einem verwendbaren Zustand abgeschlossen wurden. Bei Modellen, die mit Gradientenabstieg trainiert wurden, wird geprüft, ob das zuletzt…
Diese Merkmalsstudie zu US-Aktien erläutert, wie sich Merkmale aus geschätzten Modellen erstellen lassen, ohne zukünftige Daten in frühere Beobachtungen einfließen zu lassen. Der Schätzplan sieht eine Aufwärmphase mit historischen Daten vor, passt Parameter…
Dieses Notebook wendet TSMixer auf ETF-Sequenzen an und nutzt dafür eine global über alle Fonds geteilte Funktion. Jedes Beispiel enthält die Historie und Kovariaten eines einzelnen Fonds; zeitliche und merkmalsbezogene Wechselwirkungen werden über das Panel…
Dieses Notebook beschreibt ein Modell mit stochastischem Diskontierungsfaktor (SDF) zur Bewertung der Querschnittsrenditen von US-Unternehmen. Statt zunächst Faktoren zu schätzen und anschließend anzuwenden, lernt es direkt Gewichte für Unternehmen und…
Dieses Notebook analysiert rekonstruierte NASDAQ-Limit-Orderbücher, um Intraday-Spreads und die Markttiefe an der besten Geld- und Briefseite zu beschreiben. Anschließend untersucht es, ob ein Ungleichgewicht im Orderflow mit nachfolgenden Renditen in…
Dieses Notebook fragt Backtest-Register aus neun Fallstudien ab und erstellt vergleichbare Tabellen für nachgelagerte Analysen. Es ordnet Ergebnisse nach Anlageklasse und Datenfrequenz und erfasst die Performance über die Phasen Signal, Allokation, Kosten…
Dieses Notebook stellt eine Brücke für die Bereitstellung zwischen einer Offline-Pipeline für maschinelles Lernen und der Handels-Engine LEAN von QuantConnect vor. Es wählt reproduzierbar einen Modelllauf aus einer Registry aus, exportiert dessen…
Dieses Notebook bewertet vier aus Nachrichten abgeleitete Signale – gewichtete Überraschung, durchschnittliche Stimmung, Stimmungsänderung und Artikelabdeckung – anhand künftiger Aktienrenditen. Es berechnet täglich einen Spearman-Informationskoeffizienten…
Dieses Dokument beschreibt die Anpassung temporaler Faltungsnetze an Mikrostrukturmerkmale auf Minutenebene für NASDAQ 100. Kausale Faltungen verhindern, dass eine Prognose spätere Beobachtungen verwendet. Dilatation ermöglicht es aufeinanderfolgenden…
Diese Analyse prüft, ob tägliche Options- und Aktiendaten eine wöchentliche S&P-500-Strategie stützen können, die die Bestandteile nach der impliziten Volatilität am Geld mit einer Laufzeit von dreißig Tagen sortiert und die am höchsten eingestuften Aktien…
Dieses Dokument beschreibt einen einjährigen Out-of-Sample-Backtest von S&P-500-Options-Straddles. Verwendet werden Prognosen eines auf Daten vor dem Holdout erneut trainierten Modells sowie die zuvor ausgewählte Strategie, Allokation, Konzentration, der…
Dieses Notebook spezifiziert und führt eine Double-Machine-Learning-Analyse zum Effekt der Varianzrisikoprämie auf Renditen von Short-Optionen bis zum Verfall durch. Vor der Ausführung legt es Behandlung, Ergebnisgröße, Störfaktoren, Zeitablauf, Störmodell,…
Diese Analyse vergleicht Prognosen verschiedener Modellfamilien, die mit monatlichen Merkmalen von US-Aktien trainiert wurden, um Renditen für den Folgemonat vorherzusagen. Im Mittelpunkt steht der Informationskoeffizient im Querschnitt, der misst, wie gut…