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 Notebook erklärt, wie Modellunsicherheit über einen Punktschätzer hinaus zusätzliche Informationen liefern kann. Es schätzt ein stochastisches Volatilitätsmodell, in dem sich die latente logarithmierte Volatilität im Zeitverlauf entwickelt und…
Dieses Notebook führt anhand eines Long-Short-Momentum-Beispiels über mehrere Anlageklassen in die Mechanik des Backtestings von Futures ein. Es erklärt, wie Kontraktspezifikationen mithilfe von Multiplikatoren Kursbewegungen in Gewinne und Verluste in…
Dieses Notebook untersucht, wie empfindlich ein Momentum-Backtest für ETF gegenüber der angenommenen Handelsgebühr ist. Es hält die Gewichte und den Handelszeitplan der Strategie konstant, führt den Simulator mit verschiedenen Kosten pro Handelsseite erneut…
Das Notebook schätzt, wie stark ein gleich gewichtetes Portfolio aus überlebenden US-Aktien die Renditen gegenüber dem vollständigen ursprünglichen Anlageuniversum überzeichnen kann. Zunächst wird untersucht, wann das Panel ausscheidende Symbole erfasst.…
Dieses Notebook stellt eine mehrstufige Debatte zwischen Bullen und Bären über eine umstrittene Wahrscheinlichkeitsprognose vor. Beide Seiten argumentieren auf Basis gemeinsamer Zusammenfassungen von Forschungs-KI-Agenten, sehen die vorherige Position der…
Diese explorative Analyse führt Optionskontrakte und den Aufbau von Optionsketten ein und untersucht anschließend eine 2020-Stichprobe von S&P-500-Optionen auf acht Basiswerte. Sie erläutert Moneyness, inneren Wert und Zeitwert, implizite Volatilität, die…
Diese Analyse wertet eine registrierte Backtesting-Pipeline für eine monatliche US-Aktienstrategie auf Basis von Unternehmensmerkmalen aus. Sie berichtet die Unsicherheit des Sharpe-Werts, die Wahrscheinlichkeit eines positiven Sharpe-Werts und…
Dieses Notebook bewertet positionsbezogene Stop-Losses, Trailing-Stops und zeitbasierte Ausstiege für die Allokationslinie, die unter geeigneten Kandidaten mit vollständiger Abdeckung den höchsten Validierungs-Sharpe aufweist. Jedes Overlay wird mit seiner…
Dieses Notebook erstellt angepasste Modellmerkmale anhand von Wechselkursverläufen und ergänzt damit Indikatoren, die direkt aus vergangenen Preisen berechnet werden. Es beschreibt drei Ansätze: einen Zustandsraumfilter, der ein langsam veränderliches…
Dieses Notebook vergleicht Gewichtungsregeln für ein S&P-500-Optionsmodell, das Straddles verkauft. Die ausgewählten Symbole und die übrigen Strategieeinstellungen bleiben unverändert. Die Gleichgewichtungs-Baseline wird durch Allokatoren ersetzt, die…
Dieses Notebook misst, wie sich Ausführungskosten auf eine bereits ausgewählte Konfiguration für Krypto-Perpetuals auswirken. Modell, Checkpoint, Einstiegsregel, Allokator und Risikokontrolle bleiben unverändert. Anschließend wird die Strategie mit einem…
Dieses Notebook beschreibt einen Ablauf, um aus den vierteljährlichen MD&A-Angaben von S&P-500-Unternehmen Handelsmerkmale abzuleiten. Als zeitpunktgenauen Anker dienen die Annahmedaten der Meldungen. Mehrere Meldungen eines Unternehmens am selben Datum…
Dieses Kapitel gibt einen Überblick über Deep Learning für Zeitreihen anhand einer praktischen Frage: Wann enthält die Reihenfolge der Beobachtungen Informationen, die einer querschnittlichen Vorhersage entgehen, und welche Modellarchitekturen können diese…
Diese rein lesende Analyse führt Validierungsvorhersagen mehrerer Modellfamilien zusammen, um ihre Vollständigkeit, die Qualität ihrer Aktienrangfolgen, deren Beständigkeit über Folds und den zusätzlichen Informationsgehalt offenbar ähnlicher Modelle zu…
Dieses Notebook wendet TabM an, eine neuronale Architektur für Tabellendaten, die ein zweischichtiges Merkmalsnetzwerk für alle Ensemble-Mitglieder gemeinsam nutzt. Jedes Mitglied skaliert die gemeinsame Repräsentation mit einem eigenen gelernten Vektor und…
Dieses Notebook erklärt die Risikoaufschlags-PCA, die die Renditekovarianzmatrix verändert, indem sie das gewichtete äußere Produkt der durchschnittlichen Renditen im Trainingszeitraum addiert. Die führenden Eigenvektoren definieren statische…
Dieses Notebook verwendet SHAP, um Prognosen der Ridge-Regression für ETF-Renditen zu erklären. Bei einem linearen Modell besteht ein geschlossener Zusammenhang zwischen Merkmalsattributionen, angepassten Koeffizienten und Abweichungen von den…
Dieses Notebook erklärt Kalman-Filter als Methode, um Merkmale aus Finanzpreisen abzuleiten. Ein lokaler linearer Trendzustand erfasst sowohl ein latentes Preisniveau als auch dessen Steigung, während ein Beobachtungsmodell verrauschte Schlusskurse…
Dieses Notebook stellt die instrumentierte Hauptkomponentenanalyse (IPCA) vor, einen Latent-Factor-Ansatz zur Prognose von Renditen anhand von Unternehmensmerkmalen. Statt jedem Merkmal direkt ein Renditegewicht zuzuweisen, modelliert IPCA die…
Dieses Notebook beschreibt die Erstellung eines Out-of-Sample-Vorhersagesatzes für ein zuvor ausgewähltes S&P-500-Optionsmodell. Die Konfiguration wird anhand der Validierungsergebnisse festgelegt, mit Daten vor dem Holdout erneut trainiert und die…
Dieses Werkzeug beschreibt eine Methode, um Strategierenditen mithilfe des Fama–French-Drei- oder Fünf-Faktoren-Modells, optional ergänzt um Momentum, zu erklären. Es stimmt tägliche Faktordaten mit den Strategierenditen ab, erkennt die Renditefrequenz und…
Diese Analyse vergleicht registrierte Modellfamilien anhand eines anlageklassenübergreifenden ETF-Panels mit Walk-Forward-Validierungsergebnissen. Die Modelle prognostizieren Renditen über 21 Handelstage und werden anhand querschnittlicher…
Dieses Notebook testet ein Zwei-Modell-Design für Ausstiege anhand stündlicher Perpetual-Daten von BTC, ETH und SOL. Ein Einstiegs-Klassifikator erkennt ungewöhnlich hohe zukünftige Renditen; seine vorhergesagte Wahrscheinlichkeit fließt anschließend…
Dieses Dokument beschreibt Datensatz-Hilfsprogramme zur Vorbereitung von Zeitreihenpanels für Modelltraining und gleitende Inferenz. Der Trainingsdatensatz gibt gleitende Sequenzen von Merkmalen, zukünftigen Renditen, Volatilitätsskalen und Masken mit…