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

123 Dokumente

Machine Learning for Trading

Das Notebook erläutert den Value at Risk als Verlustquantil und den Conditional Value at Risk, auch Expected Shortfall genannt, als durchschnittlichen Verlust jenseits dieser Schwelle. Es schätzt das eintägige Tail-Risiko für einen breit aufgestellten…

AktienVolatilitätRisikomanagementStatistik
Machine Learning for Trading

Diese Fallstudie trainiert regularisierte lineare Modelle auf den Renditen von Short-At-the-Money-Straddles, die bis zum Verfall gehalten werden. Da die Prämieneinnahmen den Gewinn begrenzen, während Verluste unbegrenzt wachsen können, dominieren einige…

OptionenVolatilitätMaschinelles LernenRisikomanagement
Machine Learning for Trading

Dieses Notebook erstellt vier modellbasierte Merkmale für die Optionsforschung zum S&P 500: Volatilitätsprognosen für den nächsten Tag aus GJR-GARCH und stochastischer Volatilität sowie die Abweichungen jeder Prognose von der impliziten Volatilität am…

OptionenVolatilitätBewertung von DerivatenBacktesting
Machine Learning for Trading

Dieses Notebook prüft, ob gelernte Graph-Embeddings einem tabellarischen Modell für US-Aktien zusätzliche Prognoseinformationen liefern. Es erstellt ein Netzwerk anhand absoluter Renditekorrelationen, die vor dem Zielzeitraum gemessen wurden, konstruiert…

AktienMaschinelles LernenBacktestingMomentum
Machine Learning for Trading

Dieses Notebook vergleicht Verfahren zur Volatilitätsmessung und entwickelt heterogene autoregressive (HAR) Volatilitätsmodelle zusammen mit einer Analyse der Rauheit des Marktes. Es nutzt Intraday-Renditen, um die realisierte Sitzungsvarianz zu schätzen,…

VolatilitätStatistikTechnische IndikatorenAktien
Machine Learning for Trading

Dieses Notebook vergleicht vier Referenzallokationen für ETF anhand historischer Krisenphasen, manuell festgelegter gleichzeitiger Schocks auf mehrere Anlageklassen, Student-t-Monte-Carlo-Simulationen und Marktregimestatistiken. Es erläutert das Maß für den…

Multi-AssetRisikomanagementPortfolio-KonstruktionVolatilität
Machine Learning for Trading

Dieses Notebook untersucht die Performance einer festen Long-only-ETF-Momentum-Baseline unter verschiedenen Marktbedingungen von 2010 bis 2024. Es ordnet jede Tagesrendite anhand von Volatilitäts- und Trendmaßen ein, die vor Beginn dieser Rendite bekannt…

AktienMomentumTrendfolgeVolatilität
Machine Learning for Trading

Dieses Notebook stellt die Black-Scholes-Bewertung europäischer Calls und Puts dar, prüft die Put-Call-Parität und berechnet die implizite Volatilität mit der Brent-Nullstellensuche. Es definiert außerdem Delta, Gamma, Vega, Theta und Rho und veranschaulicht…

OptionenBewertung von DerivatenVolatilitätRisikomanagement
Machine Learning for Trading

Dieses ETF-Merkmals-Notebook erläutert, wie angepasste statistische Modelle über ihre geschätzten Parameter Zukunftsinformationen einfließen lassen können, selbst wenn ihre Formeln vergangene Beobachtungen verwenden. Abhilfe schafft ein Walk-Forward-Zeitplan…

AktienMaschinelles LernenStatistikVolatilität
Machine Learning for Trading

Diese Fallstudie erstellt Merkmale zum Vergleich von Varianzrisikoprämien bei S&P-500-Aktien. Verwendet werden At-the-Money-Straddles mit 30 Tagen Laufzeit und Daten zu den Basiswerten. Sie vergleicht implizite mit realisierter Volatilität über mehrere…

OptionenAktienVolatilitätBacktesting
Machine Learning for Trading

Diese Analyse prüft, ob tägliche Optionsdaten eine wöchentliche Strategie unterstützen können, die Straddles am Geld auf S&P-500-Bestandteile verkauft, Aktien delta-absichert und die Kontrakte bis zum Verfall hält. Sie erläutert, wie Calls und Puts einen…

OptionenVolatilitätOrderausführungBacktesting
Machine Learning for Trading

Dieses Notebook entwickelt modellbasierte Merkmale für Krypto-Perpetual-Futures: bedingte Volatilitätsprognosen pro Anlage aus GJR-GARCH und eine marktweite Wahrscheinlichkeit für ein Stressregime aus einem Gaußschen Hidden-Markov-Modell mit zwei Zuständen,…

KryptoPerpetual FuturesVolatilitätMaschinelles Lernen
Machine Learning for Trading

Diese Machbarkeitsanalyse prüft, ob Daten und Annahmen eine wöchentliche Strategie unterstützen können, die S&P-500-Aktien anhand der impliziten Volatilität am Geld einordnet und die führenden Aktien kauft. Optionen liefern das Signal, die Positionen werden…

AktienOptionenVolatilitätRisikomanagement
Machine Learning for Trading

Dieses Notebook untersucht ein aus Reihen der Federal Reserve Economic Data aufgebautes ökonomisches Datenpanel. Es zeigt, dass das bereitgestellte Panel Kalenderdaten einschließlich Wochenenden und Feiertagen verwendet, und erläutert, wie die zugehörigen…

Festverzinsliche WertpapiereVolatilitätStatistikUS-Märkte
Machine Learning for Trading

Dieses Dokument erläutert, wie Wavelet-Zerlegungen und rollierende Spektralschätzungen Finanzrenditen auf verschiedenen Zeitskalen beschreiben. Wavelets zerlegen Renditen in Komponenten mit zunehmend längeren Perioden, sodass sich erkennen lässt, welche…

AktienStatistikVolatilitätTechnische Indikatoren
Machine Learning for Trading

Das Notebook erklärt, wie sich kontinuierliche Preisbewegungen von Sprüngen in Intraday-Aktienrenditen trennen lassen. Es schätzt die tägliche realisierte Varianz anhand quadrierter Renditen und verwendet Bipower Variation als sprungrobuste Schätzung der…

AktienVolatilitätStatistikMarktmikrostruktur
Machine Learning for Trading

Diese Lehrdarstellung vergleicht parametrische stochastische Modelle und Bootstrap-Verfahren zur Erzeugung synthetischer Finanzpfade. Sie behandelt geometrische Brownsche Bewegung, Sprungdiffusion, Mittelwertrückkehr, stochastische Volatilität nach Heston…

StatistikVolatilitätRisikomanagementBacktesting
Machine Learning for Trading

Dieses Notebook prüft potenzielle Merkmale für eine Strategie, die auf dieselbe Aktie Call- und Put-Optionen am Geld mit identischem Verfallsdatum verkauft und den Straddle bis zum Verfall hält. Für jedes Merkmal wird gemessen, ob es die verfügbaren Titel in…

OptionenAktienStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook erstellt Labels für künftige Renditen kurzfristiger Straddles am Geld bei Aktien des S&P 500. Da das tägliche Panel mit 30-Tage-Straddles in jeder Sitzung zu einem anderen Basispreis oder Verfallstermin wechselt, würde eine verschobene…

OptionenBewertung von DerivatenVolatilitätBacktesting
Machine Learning for Trading

Das Notebook erläutert den Value at Risk (VaR), der ein Verlustquantil markiert, und den Conditional Value at Risk (CVaR), der die Verluste jenseits dieser Schwelle mittelt. Anhand täglicher ETF-Renditen vergleicht es historische, gaußsche,…

RisikomanagementVolatilitätBacktestingPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook entwickelt eine simulierte Market-Making-Aufgabe, in der ein PPO-Agent Quotierungsverschiebung und Spannenbreite wählt. Die Ausführungswahrscheinlichkeit sinkt, je weiter sich die Quotierungen vom Mittelkurs entfernen, während das…

Market-MakingMaschinelles LernenOrderausführungMarktmikrostruktur
Machine Learning for Trading

Dieses Lehr-Notebook vergleicht Methoden zur Erstellung von Ziel-Labels für überwachte Trading-Modelle anhand von ETF-Daten. Es behandelt Renditen und Richtungs-Labels mit festem Horizont, rollierende Zeitreihen-Perzentile, querschnittliche Perzentile,…

Maschinelles LernenStatistikBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook vergleicht drei Möglichkeiten, Marktregime für Prognosen zu nutzen: ein Basismodell ohne Regimeeingabe, ein einzelnes Modell mit der gefilterten Wahrscheinlichkeit eines volatilen Zustands und separate Modelle, die innerhalb fest zugeordneter…

AktienMaschinelles LernenStatistikVolatilität
Machine Learning for Trading

Dieses Notizbuch clustert monatliche makroökonomische Indikatoren, um Marktbedingungen unabhängig von Aktienrenditen zu beschreiben. Es ordnet FRED-Reihen den Monatsendständen zu, standardisiert Arbeitslosigkeit, den Leitzins der US-Notenbank, den…

Maschinelles LernenStatistikVolatilitätUS-Märkte