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.
123 Dokumente
Dieses Notebook passt Diffusion-TS an, um synthetische tägliche ETF-Renditereihen zu erzeugen. Der Denoiser prognostiziert die ursprüngliche Reihe und zerlegt diese Prognose in einen polynomialen Trend, ausgewählte Fourier-Komponenten und einen Rest. Eine…
Dieses Notebook verbindet die Positionsgrößenbestimmung mit der Analyse maximal ungünstiger und günstiger Kursbewegungen während eines Trades. Es zeigt eine feste prozentuale Positionsgrößenbestimmung, bei der sich die Aktienzahl aus einem Risikobudget je…
Das Dokument leitet nach Black-Scholes Preise für europäische Calls und Puts her, prüft ihre Beziehung anhand der Put-Call-Parität und berechnet die implizite Volatilität durch numerische Lösung der Volatilität, die zu einem beobachteten Optionspreis passt.…
Dieses Feature-Engineering-Modul bereitet tägliche Kursdaten für systematische Makro-Portfoliomodelle auf. Es erstellt Renditen über verschiedene Zeithorizonte, skaliert mit der geschätzten Volatilität, mehrere MACD-Signale über verschiedene Skalen und…
Das Dokument erläutert zwei Verfahren zur Schätzung von Geld-Brief-Spreads, wenn nur tägliche OHLCV-Daten verfügbar sind. Corwin-Schultz vergleicht Hoch-Tief-Spannen über benachbarte Ein- und Zwei-Tages-Intervalle und nutzt das unterschiedliche Verhalten von…
Dieses Tutorial gibt einen Überblick über Features aus historischen Kurs- und Volumendaten von Vermögenswerten, darunter Renditen über verschiedene Horizonte, Trend- und Umkehrmaße, mehrere Volatilitätsschätzer, Volatilitätsregime, Liquidität, Tail-Risiko…
Dieses Notebook erläutert drei Möglichkeiten, aus Minutendaten des NASDAQ-100 modellbasierte Features zu erstellen: eine rollierende HAR-Regression für Varianzprognosen und Prognosefehler, eine Fourier-Transformation für jüngste Volumenmuster und…
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…
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…
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…
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…
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…
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…
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…
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…
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 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 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…
Dieses Notebook vergleicht Ausstiege aus Long-Positionen in ETF: feste Gewinnziele und Stopps, nachlaufende Stopps, ATR-skalierte Barrieren, Machine-Learning-Signale und Kombinationen. Es erstellt Indikatoren und Handelssimulationen und fasst anschließend…
Dieses Notebook erklärt, wie ein bereitgestelltes Panel wirtschaftlicher Zeitreihen von FRED untersucht und dessen Tageskalender, Metadaten und abgeleitete Spalten interpretiert werden. Da das Panel auf einen täglichen Kalender abgeflacht wurde, lassen…
Dieses Notebook behandelt ARIMA-Prognosen als Eingabespalten für nachgelagerte Modelle statt als eigenständige Prognosen. Es passt Modelle an ETF-Renditen an, nutzt Stationaritätsprüfungen und Autokorrelationsdiagnostik zur Auswahl möglicher Ordnungen und…
Dieses Notebook stellt einen Arbeitsablauf zur Charakterisierung von Marktzeitreihen vor einer Modellierung vor. Es beginnt mit Diagrammen zu Kursen und Renditen von SPY, VIX-Niveaus und der Renditeverteilung, um Trends, Volatilitätscluster und fette…
Dieses Notebook nutzt tägliche Renditen von SPY, um die Frequenzbereichsanalyse und ihre Grenzen als Quelle von Trading-Merkmalen zu erläutern. Eine Wavelet-Zerlegung trennt Schwankungen in Bänder mit zunehmend langsameren Zeitskalen, während…
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…