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

738 Dokumente

Machine Learning for Trading

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…

AktienMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

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…

AktienOptionenVolatilitätBacktesting
Machine Learning for Trading

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…

OptionenBacktestingRisikomanagementUS-Märkte
Machine Learning for Trading

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…

AktienUS-MärkteMaschinelles LernenStatistik
Machine Learning for Trading

Diese Fallstudie passt regularisierte lineare Modelle an Renditen von bis zum Verfall gehaltenen Short-At-the-Money-Straddles an. Der Trade vereinnahmt Call- und Put-Prämien. Dadurch ist der maximale Gewinn begrenzt, während bei starken Bewegungen des…

OptionenVolatilitätMaschinelles LernenStatistik
Machine Learning for Trading

Das Dokument erläutert, wie ein Experimentregister ein Modell von seiner Trainingskonfiguration über Prognosen bis zu Backtestergebnissen nachverfolgen kann. Jede Phase erhält eine Kennung, die aus einer kanonisierten Spezifikation abgeleitet wird. So…

Maschinelles LernenStatistikBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook vergleicht Methoden zur Entdeckung von Beziehungen in einem Panel von ETF-Renditen: NOTEARS für zeitgleiche lineare gerichtete azyklische Graphen, VAR-LiNGAM für verzögerte und unmittelbare Strukturen, PCMCI für bedingte…

Maschinelles LernenStatistikAktienBacktesting
Machine Learning for Trading

Dieses Notebook zeigt, wie sich LightGBM-Hyperparameter mit Optunas TPE-Sampler abstimmen lassen. Als Ziel dient der Informationskoeffizient im Querschnitt. Die Anzahl der Boosting-Runden wird per Early Stopping gewählt; ein benutzerdefinierter…

Maschinelles LernenBacktestingStatistikAktien
Machine Learning for Trading

Dieses Kapitel beschreibt den Portfolioaufbau als Umwandlung von Renditeprognosen, Risikoschätzungen und Beschränkungen in Gewichtungen, Hebel und Rebalancing-Entscheidungen. Es skizziert einen Forschungsablauf, der Allokationsentscheidungen dokumentiert,…

Portfolio-KonstruktionRisikomanagementPositionsgrößenbestimmungBacktesting
Machine Learning for Trading

Dieses Notebook erläutert, wie sich Ausstiege auf Positionsebene bewerten und mit portfolioweiten Kontrollen kombinieren lassen. Feste Stop-Loss-, Take-Profit- und zeitbasierte Ausstiege werden mit nachziehenden und enger werdenden Stops verglichen; ein…

RisikomanagementPositionsgrößenbestimmungBacktestingPortfolio-Konstruktion
Machine Learning for Trading

Diese Studie wandelt registrierte Modellprognosen in vergleichbare S&P-500-Optionsstrategien um. An wöchentlichen Entscheidungstagen ordnet sie prognostizierte Renditen, filtert nach einem liquiden Anlageuniversum und verkauft gleich gewichtete…

OptionenAktienBacktestingOrderausführung
Machine Learning for Trading

Dieses Notebook vereint fünf Ansätze mit latenten Faktoren zur Modellierung des Querschnitts der Aktienrenditen in der S&P 500-Optionsfallstudie. PCA schätzt gemeinsame Bewegungen allein anhand der Renditen; IPCA bildet Merkmale linear auf Exposures ab; ein…

AktienFaktorinvestierenMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook zeigt das Rademacher-Anti-Serum-Protokoll, mit dem sich berücksichtigen lässt, dass aus einer Klasse getesteter Strategien ein Gewinner ausgewählt wird. Es schätzt die empirische Komplexität anhand der Performance-Pfade der Kandidaten und…

BacktestingStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook entwickelt eine Ausstiegsstrategie mit zwei Modellen für stündliche Krypto-Perpetuals. Ein Einstiegsklassifikator erkennt ungewöhnlich starke zukunftsgerichtete Renditen, während ein Ausstiegsklassifikator prognostiziert, ob die nächste…

KryptoPerpetual FuturesMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook führt die Ergebnisse aus neun Marktfallstudien in einem mehrstufigen Prüfprozess für Strategien zusammen. Es prüft nacheinander, ob ein Modell einen positiven Informationskoeffizienten aufweist, seine ausgewählte Konfiguration einen positiven…

BacktestingStatistikRisikomanagementOrderausführung
Machine Learning for Trading

Dieses Notebook untersucht, ob der Total Value Locked als Alternativdatensignal für Ether-Renditen dienen kann. TVL fasst den Dollarwert der in dezentralen Finanzprotokollen hinterlegten Kryptoanlagen zusammen. Da es sich um einen preisbewerteten Bestand und…

KryptoDeFiOn-Chain-DatenStatistik
Machine Learning for Trading

Dieses Notebook bewertet eine zuvor ausgewählte Optionskonfiguration für den S&P 500 in einem Holdout-Zeitraum. Es verwendet erneut die registrierten Modellprognosen und Strategieeinstellungen einschließlich Signalzeitplan, Allokation, Absicherungsregel und…

OptionenBacktestingRisikomanagementUS-Märkte
Machine Learning for Trading

Dieses Notebook definiert Schlusskurs-zu-Schlusskurs-Renditen für zwei Handelshorizonte im Querschnitt von ETFs. Jeder Horizont wird vom bereinigten Schlusskurs bis zum Schlusskurs einer festgelegten Anzahl späterer Sitzungen gemessen. Es erklärt, warum…

AktienMomentumStatistikBacktesting
Machine Learning for Trading

Dieses Kapitel versteht Strategieforschung als Entwurf und Evaluierung eines ausführbaren Entscheidungsprozesses – von der ersten ökonomischen Idee über Positionsgrößen, Beschränkungen und Kosten bis hin zu Tests unter liveähnlichen Bedingungen. Es…

BacktestingMaschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook entwickelt einen einheitenbewussten Rahmen zur Schätzung von Handelskosten für Aktien, Krypto-Perpetuals, Futures, ETFs und Devisen. Es unterscheidet zwischen Aktienvolumen, Kontraktvolumen, Basiswertvolumen und Preisaktualisierungen.…

OrderausführungMarktmikrostrukturRisikomanagementBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht Referenz-ETF-Portfolios anhand historischer Krisen, manuell festgelegter gleichzeitiger Anlageschocks und Monte-Carlo-Verlustszenarien. Zu den historischen Zeiträumen zählen starke Aktien- und zinsbedingte Kursverluste; die…

Multi-AssetPortfolio-KonstruktionRisikomanagementVolatilität
Machine Learning for Trading

Dieses Notebook passt TSMixer an, um künftige ETF-Renditen anhand historischer Momentum-Merkmale vorherzusagen. Die Architektur wechselt zwischen einer gemeinsamen linearen Transformation entlang der Zeitachse und einem Merkmals-MLP, das an jedem Datum…

Maschinelles LernenAktienMomentumBacktesting
Machine Learning for Trading

Das Notebook untersucht, wie sich eine feste monatliche ETF-Momentumstrategie unter verschiedenen Volatilitäts-, Trend- und Zinskurvenbedingungen entwickelt hat. Die Regime werden so bestimmt, dass sie vor der beschriebenen Rendite bekannt sind: Volatilität…

Multi-AssetMomentumVolatilitätBacktesting
Machine Learning for Trading

Dieses Dokument beschreibt einen gemeinsamen Workflow zum Training temporaler Faltungsnetze mit täglichen Daten zu FX-Paaren. Ein Modell verarbeitet eine Sequenz fester Länge; fehlt ein erwarteter Tag, ist jedes Zeitfenster, das diese Lücke überbrückt, nicht…

DevisenhandelMaschinelles LernenBacktesting