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 bewertet Stop-Loss-, Trailing-Stop- und Exits mit fester Laufzeit als Overlays für CME-Futures-Strategien. Für jeden Prognosehorizont wendet es konfigurierte Regeln auf die anhand vorheriger Signal- und Allokationsergebnisse ausgewählte…

FuturesRisikomanagementBacktestingCarry
Machine Learning for Trading

Dieses Notebook prüft, ob Finanz- und modellbasierte Merkmale Aktien nach Zukunftsrenditen ordnen können. Es berechnet täglich querschnittliche Information Coefficients, schätzt Unsicherheit unter Berücksichtigung serieller Abhängigkeiten, korrigiert die…

AktienStatistikFaktorinvestierenBacktesting
Machine Learning for Trading

Dieses Notebook wendet die Hauptkomponentenanalyse auf Veränderungen von Treasury-Renditen über verschiedene Laufzeiten an. Durch die Standardisierung der Veränderungen erhält jede Laufzeit den gleichen Einfluss; die resultierenden Komponenten werden als…

Festverzinsliche WertpapiereStatistikRisikomanagementPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook beschreibt eine Double-Machine-Learning-Analyse des Effekts einer FX-Momentum-Behandlung nach Anpassung um festgelegte Störvariablen. Flexible Hilfsmodelle schätzen anhand dieser Störvariablen Ergebnis und Behandlung; Cross-Fitting nutzt…

DevisenhandelMomentumMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook vergleicht drei lineare Prognosemodelle, einen Transformer-Encoder und zwei parameterfreie Prognosen für tägliche SPY-Renditen. Lineare Modelle übertragen ein historisches Fenster auf eine Mehrtagesprognose; Varianten trennen zunächst eine…

AktienMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook konfiguriert einen NLinear-Prognoselauf für FX-Paare. Das Modell verwendet ein festes, lückenlos aufeinanderfolgendes Rückblickfenster und zieht den zuletzt beobachteten Wert ab, sodass es auf Veränderungen in diesem Fenster ausgerichtet…

DevisenhandelMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieser Leitfaden erläutert, wie stündliche kontinuierliche Futures-Daten in Tagesbalken umgewandelt werden, die an CME-Handelssitzungen ausgerichtet sind. Da eine Sitzung um 4 PM Central Time endet, gehören Balken vom Sonntagabend zur Montagssitzung. Balken…

FuturesRohstoffeMarktmikrostrukturBacktesting
Machine Learning for Trading

Dieser Code definiert Schutzmaßnahmen für reproduzierbare Kreuzvalidierung, die Nachverfolgung der Eignung und zeitlich auf Folds begrenzte Merkmale. Er normalisiert Fold-Grenzen, vergleicht angeforderte Folds mit den Grenzen, die zur Erstellung zeitlicher…

StatistikBacktestingMaschinelles Lernen
Machine Learning for Trading

Dieses Notebook skizziert Diagnosen ausschließlich für die Validierung eines 10-Sitzungs-Renditelabels für delta-gehedgte S&P-500-Optionen. Es ordnet Finanzprognosevariablen in Gruppen ein, die von impliziter Volatilität abhängen oder unabhängig davon sind,…

OptionenVolatilitätStatistikMaschinelles Lernen
Machine Learning for Trading

Dieses Notebook fasst die Prognose von 21-Sitzungs-ETF-Zukunftsrenditen als binäre Aufgabe: Positive Renditen werden als steigend und alle übrigen als fallend klassifiziert. Es passt eine logistische Regression mit L2- und L1-Regularisierung anhand…

AktienMaschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook prüft, ob ein LSTM zeitliche Strukturen aus ETF-Merkmalshistorien extrahieren kann, die flache Merkmalsmodelle möglicherweise übersehen. Vor dem Fitten gleicht es die definierte Sequenzpopulation mit verfügbaren Merkmalen, Labels, Entitäten…

AktienMomentumMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook erstellt regelbasierte Merkmale für einen Querschnitt von CME-Futures, mit Fokus auf Carry aus den Spreads nahe beieinanderliegender Lieferkontrakte. Außerdem werden Momentum-, Volatilitäts-, Kurvenform- und Kalendermerkmale erstellt. Das…

FuturesRohstoffeCarryMomentum
Machine Learning for Trading

Dieses Tutorial leitet den Kelly-Anteil für eine binäre Wette her, indem es das erwartete logarithmische Vermögenswachstum maximiert, und erweitert das Konzept anschließend auf stetige Renditen und ein Mehrwertpapierportfolio. Es verwendet symbolische…

PositionsgrößenbestimmungPortfolio-KonstruktionRisikomanagementStatistik
Machine Learning for Trading

Diese Fallstudie erstellt minutengenaue Merkmale aus NASDAQ-100-Quote- und Transaktionsdaten, um zu untersuchen, ob jüngste aggressive Käufe oder Verkäufe kurzfristige Kursdrifts vorhersagen. Orderflow-Imbalance ist das vorgeschlagene Signal; Spread,…

AktienMarktmikrostrukturMomentumTechnische Indikatoren
Machine Learning for Trading

Dieses Notebook erstellt mehrere Stichprobenverfahren aus einem einzelnen Handelstag mit NASDAQ ITCH-Transaktionen einer Aktie: zeitbasierte, Tick-, Volumen-, Dollar-, Imbalance- und Run-Balken. Es vergleicht ihre statistischen Eigenschaften, darunter…

AktienMarktmikrostrukturStatistikOrderausführung
Machine Learning for Trading

Diese Datenanalyse untersucht achtstündige Beobachtungen eines Prämienindex für USDT-besicherte Krypto-Perpetual-Kontrakte und erläutert den Zusammenhang zwischen Prämie und Funding-Zahlungen. Der Index verwendet ausführbare Impact-Bid- und -Ask-Kurse im…

KryptoPerpetual FuturesArbitrageCarry
Machine Learning for Trading

Dieses Notebook zeigt zwei sequenzielle Überwachungsverfahren für Validierungsprognosefehler aus zwei linearen Aktienmodellkonfigurationen: einen Mittelwertverschiebungsdetektor mit zwei Fenstern und einen Monitor für die Häufigkeit schlechter Tage. Jeder…

AktienMaschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook bewertet vier aus Nachrichtentext abgeleitete Signale: gewichtete Überraschung, durchschnittliche Stimmung, Stimmungsdynamik und Artikelabdeckung. Es verwendet zukünftige Renditen, die in einem früheren Schritt zur Merkmalsbildung vorbereitet…

AktienMarktstimmungStatistikFaktorinvestieren
Machine Learning for Trading

Dieses Kapitel behandelt Transaktionskosten als Einschränkung während der gesamten Strategieentwicklung und -umsetzung – von der Faktorevaluierung und dem Backtesting über die Portfoliozusammenstellung und Risikoüberwachung bis zur Produktionskontrolle. Es…

OrderausführungMarktmikrostrukturBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook wendet Double Machine Learning (DML) an, um den Effekt von Skip-Recenter-Momentum auf zukünftige ETF-Renditen zu schätzen – eine Kausalfrage, die sich von der Prognose von Renditen unterscheidet. Es modelliert das Ergebnis und die…

AktienMomentumMaschinelles LernenStatistik
Machine Learning for Trading

Das Notebook demonstriert die Abstimmung von LightGBM für die Prognose von ETF-Renditen mit Optunas TPE-Sampler. Es durchsucht Einstellungen für Baumstruktur, Stichprobenziehung und Regularisierung, wählt mithilfe vorzeitigen Abbruchs die Boosting-Runden aus…

Maschinelles LernenBacktestingStatistikAktien
Machine Learning for Trading

Dieses Kapitel stellt einen Forschungsablauf für den Einsatz von Prognosemodellen im Trading vor, bei dem stabile Prognosen außerhalb der Stichprobe wichtiger sein können als unverzerrte Koeffizientenschätzungen. Es behandelt regularisierte…

Maschinelles LernenStatistikBacktestingPositionsgrößenbestimmung
Machine Learning for Trading

Dieses Notebook wandelt institutionelle 13F-Bestände in einen bipartiten Graphen von Institutionen und Aktien um und leitet daraus Forschungsmerkmale ab, darunter Ähnlichkeit gemeinsamer Aktienbestände, Breite und Konzentration des Eigentums sowie…

AktienStatistikPortfolio-KonstruktionMaschinelles Lernen