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 bewertet einen querschnittlichen Momentum-Faktor anhand von Informationskoeffizienten, Quantilrenditen, Spreads zwischen oberen und unteren Quantilen sowie Klassifikationsdiagnostik. Es führt Spearman-IC als tagweise Rangkorrelation zwischen…

MomentumFaktorinvestierenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook erläutert paarweise und querschnittliche Merkmale anhand von ETF-Panels. Es vergleicht die Kointegrationstests nach Engle–Granger und Johansen und unterscheidet einen stationären Spread von einfacher gemeinsamer Bewegung. Das Beispiel mit…

Pairs-TradingRückkehr zum MittelwertStatistikRisikomanagement
Machine Learning for Trading

Diese Fallstudie untersucht, ob Informationen aus börsennotierten Optionen bei der Auswahl von S&P-500-Aktien helfen können. Sie kombiniert tägliche Aktienkurse mit optionsimplizierten Volatilitätsniveaus, Schiefe, Laufzeitstruktur und Kennzahlen der…

AktienOptionenBacktestingRisikomanagement
Machine Learning for Trading

Diese Konfiguration legt einen historischen makroökonomischen Datensatz von FRED für die Regimefilterung und die Analyse über Anlageklassen hinweg fest. Sie ordnet Zeitreihen nach täglicher, wöchentlicher, monatlicher und vierteljährlicher Frequenz, darunter…

Multi-AssetFestverzinsliche WertpapiereVolatilitätStatistik
Machine Learning for Trading

Dieses Modul definiert einen nutzerorientierten Ablauf für die Futures-Forschung zu CME. Er umfasst Modellanfragen, Prognose- und Backtest-Ausführung, Kandidatenpools und die endgültige Auswahl. Es übernimmt die konfigurierte Label-Suche aus einer…

FuturesMaschinelles LernenBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook nutzt die maximale günstige Kursbewegung (MFE) und die maximale ungünstige Kursbewegung (MAE), um die Breite der Triple-Barrier-Labels an beobachteten Kursverläufen auszurichten. Für eine Position, die zum Balkenschluss eröffnet wird, misst…

AktienFuturesKryptoVolatilität
Machine Learning for Trading

Diese Analyse prüft, ob die Daten eine querschnittliche Krypto-Perpetual-Strategie unterstützen können, bevor ein Modell angepasst oder Prognosen erstellt werden. Der vorgeschlagene Ansatz ordnet Kontrakte bei jeder Finanzierungsabrechnung nach ihrer Prämie…

KryptoPerpetual FuturesStatistikBacktesting
Machine Learning for Trading

Dieses Notebook zeigt einen operativen Ablauf für eine ETF-Aktienstrategie: Marktdaten aktualisieren, Finanzmerkmale berechnen, ein Ridge-Modell neu trainieren, aktuelle querschnittliche Prognosen erstellen, sie durch eine Backtest-Engine abspielen und einen…

AktienMaschinelles LernenOrderausführungBacktesting
Machine Learning for Trading

Das Dokument beschreibt eine Allokationsstudie für ein FX-Portfolio, die Positionsgrößen von der Signalauswahl isolieren soll. Sie beginnt mit eingefrorenen, gleich gewichteten Basiskandidaten, die nach der Backtest-Leistung in der Validierung geordnet sind,…

DevisenhandelPortfolio-KonstruktionBacktestingRisikomanagement
Machine Learning for Trading

Das Dokument stellt GReaT vor: ein Framework, das Zeilen mit gemischten numerischen und kategorialen Finanzdaten als Text serialisiert, ein Sprachmodell anhand dieser Datensätze feinabstimmt und generierten Text wieder in Tabellen umwandelt. Im Beispiel…

Maschinelles LernenAktienStatistikBacktesting
Machine Learning for Trading

Das Dokument erläutert, wie Modellunsicherheit zusätzliche Informationen über die Punktschätzung hinaus liefern kann. Es stellt GARCH, das Volatilität aus vergangenen Renditen ableitet, einem stochastischen Volatilitätsmodell gegenüber, das Volatilität als…

VolatilitätStatistikMaschinelles LernenRisikomanagement
Machine Learning for Trading

Dieses Notebook verwendet die Hauptkomponentenanalyse, um gemeinsame Bewegungen in einem breiten Aktienpanel aus US abzubilden. PCA extrahiert Richtungen, die gemeinsame Schwankungen der Renditen erklären; die Faktorladung jeder Aktie misst ihre Exponierung…

AktienUS-MärkteMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook bewertet Sicherheitsregeln für einen auf Dokumenten beruhenden Finanzassistenten anhand von sechs manuell erstellten Fällen. Die Fälle behandeln Prompt-Injection, erfundene Zahlen in nicht vertrauenswürdigem Material, versuchte Aktionen und…

Maschinelles LernenRisikomanagementMarktstimmungStatistik
Machine Learning for Trading

Dieses Notebook passt die bereits durch Validierung ausgewählte FX-Konfiguration neu an und registriert ihre Prognosen für einen späteren Holdout-Backtest. Die Auswahl wird anhand gültiger Validierungs-Backtests aufgelöst und auf eine eingefrorene…

DevisenhandelBacktestingMaschinelles LernenRisikomanagement
Machine Learning for Trading

Dieses Notebook stellt ein zeitliches Faltungsnetz (TCN) vor, das anhand von Sequenzen vergangener Renditemerkmale zukünftige ETF-Renditen prognostiziert. Kausale Faltungen stellen sicher, dass eine Ausgabe nur Beobachtungen bis zu ihrem Datum verwendet.…

AktienMaschinelles LernenBacktestingStatistik
Machine Learning for Trading

Dieses Notebook erläutert Tick- und Volumen-Imbalance-Balken und vergleicht anschließend adaptive Schwellenwerte, feste Schwellen und gleitende Fenster anhand von NVDA-Handelsdaten. Bei Tick-Imbalance-Balken werden vorzeichenbehaftete Handelsrichtungen…

AktienMarktmikrostrukturStatistikBacktesting
Machine Learning for Trading

Diese Fallstudie vergleicht alternative Methoden zur Positionsgrößenbestimmung für CME-Futures mit einer Gleichgewichtung als Basis. Sie erläutert, wie die inverse Volatilitätsgewichtung die Volatilität jedes Kontrakts nutzt, während kovarianzbasierte…

FuturesPositionsgrößenbestimmungPortfolio-KonstruktionRisikomanagement
Machine Learning for Trading

Dieses Notebook erläutert, wie sich aus einzelnen auslaufenden Kontrakten eine kontinuierliche Futures-Preishistorie erstellen lässt. Es ermittelt den Frontmonat anhand des Handelsvolumens, wendet eine Regel gegen Rückwechsel an, um unbegründete Wechsel zu…

FuturesBacktestingOrderausführungMarktmikrostruktur
Machine Learning for Trading

Dieses Notebook erklärt, wie angepasste GJR-GARCH- und Hidden-Markov-Modelle in Handelsmerkmale umgewandelt werden, während Look-ahead-Bias kontrolliert wird. GJR-GARCH schätzt die bedingte Volatilität und erfasst die stärkere Wirkung negativer…

KryptoPerpetual FuturesVolatilitätMaschinelles Lernen
Machine Learning for Trading

Dieses Notebook gibt einen Überblick über Methoden, um Veränderungen im Prozess zu finden, der eine Finanzzeitreihe erzeugt, und verwendet dazu tägliche SPY-Daten. Es stellt den Zivot–Andrews-Test, der einen Bruch schätzt und zugleich auf eine Einheitswurzel…

StatistikMaschinelles LernenTechnische IndikatorenRisikomanagement
Machine Learning for Trading

Dieses Notebook überführt Rangfolgen von Währungspaar-Prognosen in eine gehandelte Baseline. Zu jedem Entscheidungszeitpunkt bildet es Long- und Short-Portfolios mit gleicher Anzahl von Paaren aus den höchst- und niedrigstplatzierten Paaren und bewertet sie…

DevisenhandelPairs-TradingBacktestingPortfolio-Konstruktion
Machine Learning for Trading

Dieses Hilfsprogramm bereitet Prognoseartefakte für Live-Demo-Notebooks vor, indem es unterschiedliche Spaltennamen und Datumsformate in eine einheitliche Struktur aus Zeitstempel, Anlage und Prognose überführt. Es gruppiert doppelte…

Maschinelles LernenBacktestingStatistik