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 ergänzt einen Vergleich von Sequenzmodellen zur Prognose von Funding-Aufschlägen bei Krypto-Perpetuals um ein zeitliches Faltungsnetz (TCN). Kausales Padding stellt sicher, dass jede Position nur aktuelle und frühere Beobachtungen verwendet,…

KryptoPerpetual FuturesMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht vier Verfahren zum Abruf von Textpassagen aus einem Korpus von Unternehmensberichten: BM25, dichte Embeddings, Reciprocal Rank Fusion (RRF) und einen Cross-Encoder-Reranker. RRF kombiniert Ranglisten statt Rohwerte und kann so…

Maschinelles LernenStatistikAktienUS-Märkte
Machine Learning for Trading

Dieses Dokument stellt eine durchgängige Prognosearchitektur vor, die ein Forschungs-Panel, eine aggregierte Prognose, eine kontroverse Debatte und eine Aufsicht kombiniert. Die Aufsicht erkennt Meinungsverschiedenheiten, sucht nach klärenden Belegen und…

Maschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Diese Fallstudie bewertet tägliche querschnittliche Signale in einem breiten US-Aktienuniversum und beschreibt eine umfangreiche Forschungspipeline: von zeitpunktgenauen Daten und entwickelten Features über Modellvergleiche und Portfoliokonstruktion bis hin…

AktienMaschinelles LernenMomentumRückkehr zum Mittelwert
Machine Learning for Trading

Dieses Modul schätzt Parameter für simulierte Kryptomärkte, die in Umgebungen für bestärkendes Lernen eingesetzt werden. Es lädt stündliche Daten zum Perpetual-Markt für ein ausgewähltes Symbol, berechnet logarithmische Renditen von Schlusskurs zu…

KryptoPerpetual FuturesVolatilitätMarktmikrostruktur
Machine Learning for Trading

Dieses Dokument beschreibt eine Gymnasium-Umgebung, in der ein Agent trainiert wird, eine Position über einen festen Zeitraum abzubauen. Die Beobachtung kombiniert Restbestand und verbleibende Zeit mit Spread, Markttiefe, Volatilität und einem normalen oder…

Maschinelles LernenOrderausführungMarktmikrostrukturVolatilität
Machine Learning for Trading

Dieses Notebook vergleicht LightGBM mit einem MLP, TabM und, sofern verfügbar, TabPFN zur Prognose zukünftiger ETF-Renditen anhand tabellarischer Merkmale. Die Modelle werden über gemeinsame chronologische Walk-Forward-Falten bewertet;…

AktienMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Das Dokument beschreibt einen Vergleich fester und nachgezogener Stop-Regeln für FX-Strategien in der Validierungsphase. Für jedes Rendite-Label wählt es eine übergeordnete Strategie aus einer abgeschlossenen Kohorte von Signal- und Allokationsergebnissen…

DevisenhandelRisikomanagementBacktestingPositionsgrößenbestimmung
Machine Learning for Trading

Dieses Notebook vergleicht gewöhnliche kleinste Quadrate mit Ridge, LASSO und Elastic Net zur Prognose zukünftiger Renditen über 21 Tage anhand von ETFs. Die Modelle verwenden dieselben festgelegten Walk-Forward-Falten und eine an den Labelhorizont…

AktienMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Das Dokument untersucht die Kausalentdeckungsaufgabe von ADIA Lab als überwachte Inferenz innerhalb einer bekannten synthetischen Datengenerierungsfamilie. Die Aufgabe weist Variablen acht Rollen rund um eine Behandlung und ein Ergebnis zu und nutzt dafür…

Maschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Modul erstellt ein Ensemble mittlerer Prognosen aus registrierten Vorhersagemengen und legt besonderen Wert auf Reproduzierbarkeit sowie die Vermeidung von Auswahlverzerrungen. Es ermittelt geeignete Modellkonfigurationen aus dem Register, statt eine…

Maschinelles LernenStatistikBacktestingPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook erläutert ein lokales lineares Trend-Zustandsraummodell, mit dem sich Finanzmerkmale aus Kursniveaus ableiten lassen. Der verborgene Zustand umfasst ein Kursniveau und seine Steigung; die beobachteten Schlusskurse sind verrauscht. In jedem…

AktienStatistikTechnische IndikatorenPairs-Trading
Machine Learning for Trading

Dieses Notebook trennt kontinuierliche Preisbewegungen von diskreten Sprüngen in Intraday-Aktienrenditen. Es schätzt die täglich realisierte Varianz anhand quadrierter Log-Renditen und nutzt die Bipower-Variation als gegenüber Sprüngen robuste Schätzung der…

AktienVolatilitätStatistikMarktmikrostruktur
Machine Learning for Trading

Dieses Notebook nutzt die Hauptkomponentenanalyse für eine liquide Teilmenge von US-Aktien, um latente Faktoren zu extrahieren und Long-Short-Eigenportfolios zu bilden. Es erläutert, wie standardisierte PCA-Vektoren in Gewichte auf Basis roher Renditen…

AktienFaktorinvestierenStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook setzt einen vierphasigen Prognoseablauf mit einfacher Python-Orchestrierung, CrewAI und LangGraph um. Es vergleicht, wo der Zustand gehalten wird, wie sich Fehler untersuchen oder beheben lassen, welche Abhängigkeiten die Ansätze mitbringen…

Maschinelles LernenStatistikOrderausführungBacktesting
Machine Learning for Trading

Dieses Notebook untersucht die Regularisierung linearer Modelle für ein Universum von Währungspaaren, deren Renditen miteinander verbunden sind, weil jedes Paar einen Kurs zwischen gemeinsamen Währungen darstellt. Es unterscheidet die Merkmalskollinearität,…

DevisenhandelStatistikMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook untersucht, ob eine extreme Prämie bei Perpetual Futures nachfolgende BTC-Renditen oder eine Prämienumkehr beeinflusst. Als Behandlung definiert es einen Zustand mit hoher Prämie und vergleicht ein breites Marktergebnis, das von vielen…

KryptoPerpetual FuturesArbitrageStatistik
Machine Learning for Trading

Dieses Kapitel gibt einen Überblick darüber, wie sich angepasste statistische Verfahren in Merkmale für Handelsmodelle umwandeln lassen. Es behandelt Diagnostik und Stationarität, Strukturbrüche, fraktionale Differenzierung, Kalman-Filterung, Spektral- und…

StatistikVolatilitätMaschinelles LernenRisikomanagement
Machine Learning for Trading

Dieses Notebook erstellt Labels für zukünftige Aktienrenditen für eine Strategie, die gelistete Optionsdaten auswertet, um Aktien zu ordnen, und diese anschließend hält. Es erstellt eine angepasste Kursreihe, die Kapitalmaßnahmen berücksichtigt,…

AktienOptionenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook fasst einen übergeordneten Auftrag als Steuerungsproblem mit endlichem Zeithorizont auf. In jedem Intervall wählt tabellarisches Q-Learning einen Multiplikator für eine auf VWAP basierende Handelstranche. Dabei berücksichtigt es Zeit und…

AktienOrderausführungMaschinelles LernenMarktmikrostruktur
Machine Learning for Trading

Dieses Notebook nutzt historische Renditen von US-Aktien, um ein Korrelationsnetzwerk aufzubauen und die Portfoliokonstruktion zu untersuchen. Anhand von Daten aus dem Schätzfenster wählt es ein liquides Anlageuniversum aus, wandelt paarweise Korrelationen…

AktienUS-MärktePortfolio-KonstruktionRisikomanagement
Machine Learning for Trading

Dieses Notebook beschreibt einen Screen, der Kandidatensignale über 20 Währungspaare hinweg jeweils einzeln bewertet. Für jedes Merkmal berechnet es anhand ausschließlich Walk-Forward-validierter Zeitfenster die tägliche querschnittliche Rangübereinstimmung…

DevisenhandelStatistikMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook stellt die Hauptkomponentenanalyse als unkonditionierte Basis latenter Faktoren für Aktienrenditeprognosen in einer Optionsanalyse vor. PCA nutzt das historische Renditepanel, um gemeinsame Bewegungen und die Faktorladungen der einzelnen…

AktienMaschinelles LernenStatistikFaktorinvestieren
Machine Learning for Trading

Dieses Notebook vergleicht eine vollständige Grid Search mit Optunas TPE-Sampler zur Abstimmung eines LightGBM-Modells für Renditeprognosen. Zunächst erhalten beide Methoden dasselbe Versuchskontingent im selben diskreten Parametergitter: Die Aufzählung…

Maschinelles LernenBacktestingStatistik