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

563 Dokumente

Machine Learning for Trading

Dieses Notebook implementiert eine didaktische Anpassung eines adversativen stochastischen Diskontfaktormodells auf Tagesbasis. Ein Portfolio-Gewichtungsnetzwerk konstruiert anhand von Merkmalen und Marktinformationen, die zum vorherigen Börsenschluss…

AktienMaschinelles LernenStatistikFaktorinvestieren
Machine Learning for Trading

Dieses Notebook testet, wie eine ausgewählte Strategie mit Merkmalen von US-Unternehmen auf veränderte Annahmen zu Transaktionskosten reagiert. Die Strategiekonfiguration bleibt fest; erneute Backtests auf Validierungsdaten durchlaufen ein festgelegtes…

AktienOrderausführungBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook gibt eine Vorschau auf 100 10-K- und 8-K-Meldungen, die als Eingaben für einen Finanzwissensgraphen vorgesehen sind. Es beschreibt Schema-Prüfungen auf Pflichtfelder, eindeutige Unternehmens- und Zugangsnummern, konsistente…

AktienMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook führt eine festgelegte Strategie mit Aktienmerkmalen auf einem reservierten Holdout-Zeitraum aus und verwendet dabei zuvor ausgewählte Prognosen und einen Portfolio-Allokator. Konfiguration, Positionsgröße, Konzentration, Rebalancing-Takt und…

AktienFaktorinvestierenBacktestingPositionsgrößenbestimmung
Machine Learning for Trading

Diese Fallstudie bewertet einen wöchentlichen Short Straddle auf S&P-500-Optionen anhand registrierter Backtests. Sie wählt eine Konfiguration aus einem festgelegten liquiden Universum aus, ordnet Kandidaten anhand der Validierung und bewertet die…

OptionenAktienBacktestingRisikomanagement
Machine Learning for Trading

Diese Analyse rekonstruiert Lebenszyklen von NASDAQ-Limitaufträgen anhand von ITCH-Nachrichten. Sie verfolgt Aufträge von der Übermittlung bis zum ersten stornierungsbezogenen Ereignis oder zur Ausführung. Sie unterscheidet Hinzufügungen, Löschungen,…

MarktmikrostrukturOrderausführungAktienStatistik
Machine Learning for Trading

Dieses Notebook vergleicht die Korrektheit und Laufzeit von VectorBT Pro und VectorBT OSS mit ML4T anhand unterstützter Fallstudienstrategien. Es behandelt die Portfolioallokation mit ETF, den Devisenhandel mit USD-Notierung und ein Aktienpanel aus US für…

BacktestingOrderausführungFuturesDevisenhandel
Machine Learning for Trading

Dieses Notebook wandelt Prognosen auf Aktienebene in Validierungsportfolios um. An jedem Rebalancing-Datum sortiert es Aktien nach prognostizierter Rendite, kauft die oberste Gruppe, geht bei der untersten Short-Positionen ein und weist jeder Position gleich…

AktienMaschinelles LernenBacktestingPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook veranschaulicht, wie ein Auftrag mit festem Dollarbetrag bei verschiedenen Aktien sehr unterschiedliche Kosten verursachen kann, da seine Größe im Verhältnis zum verfügbaren Handelsvolumen entscheidend ist. Es wendet ein Markteinflussmodell…

AktienMomentumBacktestingOrderausführung
Machine Learning for Trading

Dieses Notebook wandelt einen Wissensgraphen zu Lieferketten und Meldungen institutioneller Eigentümer in Merkmale für nachgelagerte Finanzmodelle um. Aus dem Unternehmensnetzwerk leitet es Topologiemaße, Lieferantenkonzentration, Wettbewerbsexposition und…

AktienMaschinelles LernenFaktorinvestierenPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook erläutert, wie ein Transformer für die finanzielle Named-Entity-Erkennung feinabgestimmt wird, die Textstellen wie Organisationen, Personen, Beträge, Daten und Prozentangaben identifiziert. Es konzentriert sich auf BIO-Grenzlabels und das…

Maschinelles LernenAktienStatistik
Machine Learning for Trading

Dieses Notebook passt einen überwachten Autoencoder an tägliche US-Aktien an. Das Modell rekonstruiert rangtransformierte Preis- und Volumenmerkmale, während zusätzliche und zentrale Klassifikationsköpfe gemeinsam eine latente Darstellung trainieren, um über…

AktienMaschinelles LernenBacktestingStatistik
Machine Learning for Trading

Dieses Notebook zeigt einen Workflow zur Datenqualität für tägliche US-Aktien-OHLCV-Daten. Strukturelle Prüfungen umfassen Nullwerte, Duplikate, chronologische Reihenfolge, Preiskonsistenz, negative Werte, veraltete Kurse und extreme Renditen. Anschließend…

AktienStatistikRisikomanagementMarktmikrostruktur
Machine Learning for Trading

Dieser Datensatzleitfaden beschreibt ein monatliches US-Aktienpanel mit anonymisierten Unternehmen und Merkmalen für Asset-Pricing-Forschung mit maschinellem Lernen. Die Daten umfassen Rechnungslegungs- und technische Merkmale, Renditen sowie vordefinierte…

AktienUS-MärkteMaschinelles LernenFaktorinvestieren
Machine Learning for Trading

Dieses Notebook stellt einen Arbeitsablauf vor, der eine große Menge von ETF-Merkmalen auf Kandidaten für spätere Modellierung reduziert. Es ordnet Merkmale anhand querschnittlicher Spearman-Informationskoeffizienten gegenüber künftigen Renditen, berechnet…

AktienStatistikMaschinelles LernenFaktorinvestieren
Machine Learning for Trading

Dieses Notebook erläutert, wie ein stochastischer Diskontfaktor (SDF) einen Querschnitt von Aktienoptionssignalen bewertet. Anders als Faktormodelle, die Expositionen und Faktorrenditen schätzen, schätzt der SDF-Ansatz eine Zufallsvariable, die konsistente…

OptionenAktienMaschinelles LernenFaktorinvestieren
Machine Learning for Trading

Dieses Dokument stellt latente Faktoren als gemeinsame Renditemuster von Aktien vor; die Ladung jeder Aktie beschreibt ihre Exposition gegenüber einem Muster. Es stellt die Hauptkomponentenanalyse, die Faktoren und Aktienladungen allein aus dem Renditepanel…

AktienFaktorinvestierenMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Dokument erläutert, wie sich Labels für künftige Renditen und Richtungen für die NASDAQ-100-Intraday-Forschung konstruieren lassen. Es definiert die Rendite anhand einer expliziten Ausführungskonvention: einen Balkenschluss beobachten, beim nächsten…

AktienMarktmikrostrukturOrderausführungStatistik
Machine Learning for Trading

Dieses Notebook untersucht TabM, ein neuronales Netzwerkdesign für tabellarische Daten, anhand monatlicher Unternehmensmerkmale. Es vergleicht drei Voreinstellungen, die die verborgene Breite und die Ensemblegröße erhöhen, während die übrigen…

AktienMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook wendet eine zuvor ausgewählte Aktien- und Optionsstrategie für den S&P 500 auf Prognosen für einen separaten Holdout-Zeitraum von 2021 an. Es übernimmt die ausgewählte Konfiguration unverändert, einschließlich Allokator, Konzentrationsregeln,…

AktienOptionenBacktestingRisikomanagement
Machine Learning for Trading

Dieses Kapitel beschreibt die Governance nach der Bereitstellung von Trading-Systemen auf Basis maschinellen Lernens. Es unterscheidet technische Fehler, bei denen identische Eingaben unterschiedliche Ausgaben erzeugen, von statistischem Leistungsabfall, bei…

Maschinelles LernenRisikomanagementOrderausführungStatistik
Machine Learning for Trading

Dieser Index stellt latente Faktoren als gemeinsame Muster vor, die aus gleichgerichteten Aktienrenditen abgeleitet werden; die Ladung jeder Aktie gibt ihre Exposition gegenüber einem Muster an. Er stellt die Hauptkomponentenanalyse, die Faktoren und…

AktienFaktorinvestierenMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook prüft die Lee-Ready-Klassifizierung von Trades anhand von Aggressor-Seiten-Labels in Nasdaq-Order-by-Order-Daten. Es rekonstruiert das Limit-Orderbuch aus Hinzufüge-, Änderungs-, Stornierungs-, Ausführungs- und Rücksetzmeldungen und richtet…

MarktmikrostrukturHochfrequenzhandelOrderausführungAktien
Machine Learning for Trading

Dieses Notebook nutzt TreeSHAP, um LightGBM-Renditeprognosen zu erklären, mit globaler Merkmalswichtigkeit, Erklärungen einzelner Prognosen, Abhängigkeitsdiagrammen und paarweisen Interaktionswerten. Es vergleicht SHAP-Rangfolgen mit Permutationswichtigkeit…

AktienMaschinelles LernenStatistikFaktorinvestieren