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 entwickelt Labels für zukünftige Renditen von Short-At-the-Money-Straddles auf S&P-500-Aktien. Da der nominelle 30-Tage-Straddle im täglichen Panel in jeder Sitzung einen anderen Kontrakt darstellt, würde eine verschobene Preisreihe…

OptionenVolatilitätBewertung von DerivatenStatistik
Machine Learning for Trading

Dieses Notebook erläutert, wie sich prüfen lässt, ob Ereignisse wie Trading-Signale oder Ankündigungen Renditen über eine Marktbenchmark hinaus prognostizieren. Der Arbeitsablauf wird anhand von Momentum-Ausbrüchen bei liquiden ETFs demonstriert: Zunächst…

StatistikBacktestingMomentumAusbruch
Machine Learning for Trading

Diese Machbarkeitsanalyse prüft, ob Kursnotierungen eine marktneutrale Querschnittsstrategie unterstützen können, die NASDAQ-100-Bestandteile im Fünfzehn-Minuten-Takt einordnet und Positionen an beiden Enden der Rangliste hält. Sie prüft, ob genügend…

AktienMarktmikrostrukturOrderausführungBacktesting
Machine Learning for Trading

Diese Analyse vergleicht Triage-Protokolle für Merkmale aus neun Trading-Fallstudien. Sie unterscheidet die Signifikanz der False Discovery Rate nach Benjamini-Hochberg von einem zweiten Weg zur Entscheidung PROCEED, der eine fallspezifische…

StatistikMaschinelles LernenBacktestingFaktorinvestieren
Machine Learning for Trading

Dieses Dokument beschreibt einen täglichen ETF-Datensatz, der als Kandidatenpool für Momentum- und marktübergreifende Forschung dient. Er umfasst neun Kategorien, darunter US und internationale Aktien, festverzinsliche Wertpapiere, Rohstoffe, Spezialfonds…

Multi-AssetMomentumAktienFestverzinsliche Wertpapiere
Machine Learning for Trading

Dieses Notebook stimmt drei Transformer-Checkpoints für die dreiklassige Klassifikation des Finanzsentiments in Sätzen fein ab und vergleicht Genauigkeit, Makro-F1, Konfusionsmatrizen, Parameteranzahl und Trainingszeit. Es verwendet eine geschichtete…

Maschinelles LernenStatistikMarktstimmungBacktesting
Machine Learning for Trading

Dieses Dokument hält eine strukturierte Bullen-Bären-Debatte darüber fest, ob die Federal Reserve ihren Leitzins im Jahr 2026 anheben wird. Drei Agenten beurteilen die Frage anhand von Fed-Prognosen, Inflation, Arbeitsmarktbedingungen, Prognosen von…

Festverzinsliche WertpapiereUS-MärkteStatistik
Machine Learning for Trading

Dieses Notebook erläutert, wie sich Insidertransaktionen für die Aktienforschung aus Rohmeldungen des SEC-Formulars 4 XML extrahieren lassen. Es behandelt jeden Transaktionsblock als Einheit der Verarbeitung und erhält die Zuordnung zwischen…

AktienUS-MärkteEreignisgesteuertStatistik
Machine Learning for Trading

Dieses Notebook erstellt Hauptkomponentenfaktoren aus einem Panel von CME-Futuresrenditen und nicht aus konstruierten Merkmalen wie Carry, Momentum oder Volatilität. PCA findet Richtungen, die die Variation über Produkte hinweg erklären; die erste kann einer…

FuturesFaktorinvestierenMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht Stop-Loss-, Trailing-Stop- und Zeitausstiegs-Overlay-Strategien auf festen NASDAQ-100-Mikrostruktur-Backtests. Die Strategie trifft alle fünfzehn Minuten Entscheidungen, während Risikoregeln die Kurse minütlich überwachen. Dadurch…

RisikomanagementBacktestingPositionsgrößenbestimmungAktien
Machine Learning for Trading

Dieses Dokument stellt zwei Ansätze mit latenten Faktoren für Futures-Renditen vor. Die Hauptkomponentenanalyse findet unkorrelierte Richtungen, die den größten Anteil der Renditevariation erklären, während ein neuronaler stochastischer Diskontfaktor…

FuturesMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook beschreibt langsam veränderliche Kontextmerkmale für tägliche Handelsentscheidungen: Bilanzkennzahlen, makroökonomische Bedingungen und Kalenderkodierungen. Es skizziert Value- und Qualitätskennzahlen wie Gewinnrendite, Rentabilität,…

AktienFaktorinvestierenStatistikTechnische Indikatoren
Machine Learning for Trading

Dieses Dokument erläutert, wie sich tägliche Labels für künftige ETF-Renditen anhand bereinigter Schlusskurse zum Beobachtungszeitpunkt und einer späteren Handelssitzung erstellen lassen. Es erzeugt ein primäres Label mit monatlichem Horizont und eine…

AktienMaschinelles LernenStatistikMomentum
Machine Learning for Trading

Dieses Notebook vergleicht Split-Conformal-Prognosen, konforme Quantilsregression und adaptive konforme Inferenz zur Prognose künftiger Renditen von ETF. In Walk-Forward-Folds trainiert es auf einer Teilmenge, kalibriert Intervallfehler auf einer anderen und…

AktienMaschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Dieses Dokument beschreibt Methoden, um datierte Entitätsdatensätze für Fallstudien zu latenten Faktoren in Arrays umzuwandeln. Eine Methode behält nur Entitäten bei, die einen anhand eines Zulässigkeitsdatensatzes ermittelten Abdeckungsschwellenwert…

FaktorinvestierenPortfolio-KonstruktionStatistik
Machine Learning for Trading

Dieses gemeinsam genutzte Hilfsmodul stellt eine einheitliche Gradient-Boosting-Pipeline für quantitative Forschung bereit. Es definiert Kapazitätsvorgaben und überträgt kanonische Parameternamen auf die entsprechenden Einstellungen für LightGBM, XGBoost,…

Maschinelles LernenBacktestingPortfolio-Konstruktion
Machine Learning for Trading

Das Notebook untersucht, ob Orderbuchaktivität kurzfristige Renditen für NVDA vorhersagt. Es erstellt ein nach Distanz gewichtetes Maß für den Orderbuchdruck anhand von Hinzufügungen, Stornierungen und Ausführungen auf Market-by-Order-Ebene und glättet dann…

AktienMarktmikrostrukturOrderausführungStatistik
Machine Learning for Trading

Das Notebook verwendet SHAP, um die Wahrscheinlichkeiten von FinBERT für drei Finanzsentimentklassen auf Token-Ebene zu erklären. Es legt einen Modell-Checkpoint fest, ordnet die Ausgabelabels explizit zu und untersucht anschließend, welche Tokens die…

Maschinelles LernenMarktstimmung
Machine Learning for Trading

Dieses Notebook erfasst modellbasierte Merkmalsspalten aus neun Marktfallstudien, indem es Parquet-Schemas statt vollständiger Datensätze einliest. Es schließt Identifikationsfelder aus, zählt Spalten je Markt und ordnet Merkmalsfamilien anhand von…

Maschinelles LernenStatistikMulti-Asset
Machine Learning for Trading

Dieses Notebook erläutert, wie die Suche über viele Faktoren oder Strategien die scheinbare Leistung des ausgewählten Gewinners überhöht, selbst wenn einzelne Schätzungen korrekt berechnet wurden. Eine simulierte Gruppe von Rauschfaktoren veranschaulicht,…

StatistikFaktorinvestierenBacktestingRisikomanagement
Machine Learning for Trading

Diese Fallstudie vergleicht Sequenzmodelle auf einem Merkmals-Panel aus Aktien und Optionen des S&P 500. Sie stellt ein LSTM, das einen gesteuerten Zustand über ein Rückblickfenster hinweg trägt, einer N-Linear-Baseline gegenüber, die das jüngste Niveau…

AktienOptionenMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook erläutert die fünfteilige Architektur von TimeGAN: Einbettungs- und Wiederherstellungsnetzwerk bilden zwischen Rohbeobachtungen und latentem Raum ab, ein Supervisor lernt zeitliche Übergänge, und Generator sowie Diskriminator werden…

Maschinelles LernenAktienStatistikBacktesting