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 Prüfskript erprobt einen reduzierten CME-Futures-Research-Ablauf – von Modellprognosen über Portfoliogewichte bis zum Backtesting. Es prüft, ob die Prognosen genau die erwarteten Produkt-, Zeitstempel- und Fold-Schlüssel abdecken, ob trainierte…
Dieses Notebook vergleicht zwei Transformer-Architekturen zur Prognose von 21-Tage-ETF-Renditen anhand zurückliegender Momentum-Merkmale. PatchTST gruppiert aufeinanderfolgende Tage zu Patches und ordnet kurze Sequenzen lokaler Formen jeweils einem Token zu.…
Dieses Notebook trainiert ein Skip-gram-Word2Vec-Modell mit einem kleinen, nach Sentiment gekennzeichneten Finanznachrichtenkorpus und untersucht, was dessen nächste Nachbarn zeigen. Die Methode bildet Wörter anhand der Kontexte ab, in denen sie auftreten.…
Dieses Dokument beschreibt einen Arbeitsablauf, der FRED-Treasury-Renditen und Wirtschaftsindikatoren sammelt, Reihen mit unterschiedlichen Meldefrequenzen an einen Tageskalender anpasst und den resultierenden Datensatz lädt oder filtert. Zu den Indikatoren…
Dieses Modul beschreibt eine Suchoberfläche für Research-Agenten mit einem Live-Anbieter und einem deterministischen Mock-Anbieter. Bei Suchanfragen lassen sich die Trefferzahl begrenzen und ein Veröffentlichungsdatum als Stichtag festlegen. So wird…
Dieses Modul definiert eine differenzierbare Zielfunktion für das End-to-End-Portfolio-Lernen. Es wandelt begrenzte Risikogewichte auf Anlagenebene mithilfe der Volatilitätsskalierung in Portfolio-Engagements um, berechnet die durchschnittlichen…
Dieses Notebook analysiert rekonstruierte NASDAQ-Orderbücher, um Intraday-Spreads und die Tiefe am besten Geld- und Briefkurs zu beschreiben. Anschließend untersucht es, ob die Orderflow-Imbalance mit der Rendite des nächsten Zeitintervalls zusammenhängt.…
Dieses Notebook erläutert, wie ein bedingter Autoencoder die instrumentierte PCA für die Modellierung von ETF-Renditen erweitert. Beide Methoden bilden Fondsmerkmale auf Faktor-Engagements ab und kombinieren diese mit Faktorrenditen; der Autoencoder ersetzt…
Dieses Notebook legt eine Baseline auf Signalebene fest, um Modellvorhersagen für CME-Futures auszuwerten. Bei jeder wöchentlichen Entscheidung werden Produkte nach prognostizierter Rendite geordnet, die oberste Gruppe gekauft, die unterste leerverkauft und…
Dieses Notebook nutzt lineare Regression als Baseline zur Prognose von NASDAQ-100-Renditen anhand von Intraday-Mikrostrukturmerkmalen auf Minutenebene. Da sich Spread- und Order-Imbalance-Messungen über verschiedene Rückblickzeiträume überschneiden, ist die…
Dieses Notebook vergleicht zwei kausale Fragen zu extremen Prämien bei Bitcoin-Perpetual-Futures: Sagt ein Prämienzustand zukünftige Renditen voraus, und sagt er eine spätere Rückbildung der Prämie voraus? Die Behandlung ist ein binärer Indikator für einen…
Dieses Notebook zeigt einen Arbeitsablauf, mit dem sich die Modellierung finanzieller Zeitreihen beurteilen lässt. Es beginnt mit Diagrammen zu Kursen und Renditen von SPY, den Niveaus von VIX und der Renditeverteilung, um driftende Niveaus, gehäufte…
Diese Konfiguration legt ein Experiment zur Rangfolge und Neugewichtung eines ausschließlich long ausgerichteten ETF-Universums fest. Sie definiert ein breites Universum aus 100 bis ETF ETFs mit Engagements in Aktien, Anleihen, Rohstoffen und verschiedenen…
Dieses Notebook bildet Vorhersageintervalle um Prognosen mit Gradient Boosting und vergleicht Split Conformal Prediction mit Quantilregression, Conformalized Quantile Regression und adaptiver konformer Inferenz. Split Conformal verwendet eine chronologische…
Diese Panelstudie zu US-Aktien nutzt ein regularisiertes lineares Modell als Baseline, um anhand von Merkmalen zum Börsenschluss zukünftige Renditen vorherzusagen. Die Merkmale umfassen überlappende Momentum- und Volatilitätsmessungen, wodurch…
Dieser Benchmark vergleicht CSV, Parquet, Feather (Arrow IPC) und HDF5 anhand desselben deterministischen OHLCV-Panels. Gemessen werden Schreibzeit, materialisierte Lesezeit, Dateigröße und die Auswirkungen, wenn nur ausgewählte Spalten gelesen werden. Für…
Diese ETF-Merkmalsstudie erstellt drei modellbasierte Eingaben: ein Hidden-Markov-Modell (HMM) zur Schätzung des Marktregimes, fraktional differenzierte Kurse von Referenzfonds und die bedingte Volatilität je ETF anhand von GARCH(1,1). Um Look-ahead zu…
Dieses Tutorial vergleicht feste Stop-Loss- und Take-Profit-Barrieren, nachlaufende Stopps, ATR-skalierte Ausstiege, ein Machine-Learning-Ausstiegssignal und Kombinationen dieser Ansätze anhand täglicher SPY-Daten. Feste Barrieren werden ausgehend von…
Diese Studie vergleicht Gradient-Boosted Trees mit einem regularisierten linearen Modell, um Währungspaare nach künftigen Renditen zu ordnen. Bäume können bedingte Beziehungen darstellen, etwa Momentum in einem Marktregime und Carry in einem anderen, während…
Diese explorative Analyse untersucht einen vierstündigen OANDA-Datensatz mit zwanzig Währungspaaren. Sie erläutert, dass das Volumenfeld Kursaktualisierungen an einem Handelsplatz zählt, nicht das konsolidierte Handelsvolumen, und daher keine marktweite…
Dieses operative Tutorial demonstriert Laufzeitsicherungen für ein Live-Trading-System mit einem synthetischen Broker. Es zeigt, wie SafeBroker Aufträge ablehnt, wenn Marktdaten zu alt sind oder Tagesverluste ein konfiguriertes Limit überschreiten, und wie…
Dieses Notebook setzt einen Prognoseagenten aus einem Sprachmodell-Client, einem Suchwerkzeug und einer begrenzten Zugfolge zusammen. Der Agent sucht nach Belegen und gibt eine binäre Wahrscheinlichkeit mit Begründung zurück. Sein Antwortparser behandelt…
Dieses Notebook nutzt bayessche Ereignisstudien mit strukturellen Zeitreihen, um die Wirkung von Mitteilungen der Federal Reserve auf einen Anleihen-ETF zu schätzen. Es erstellt ein Gegenfaktum aus Beziehungen vor dem Ereignis zwischen den täglichen…
Dieses Notebook vergleicht DQN, PPO und A2C in einer gemeinsamen simulierten Trading-Umgebung, die auf stündliche Renditen von Bitcoin-Perpetual-Futures kalibriert ist. Ein GARCH(1,1)-Modell erzeugt Volatilitätscluster. Die Umgebung berechnet Kosten für…