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 vergleicht eine vollständige Gittersuche mit Optunas TPE-Bayes-Sampler, um ein LightGBM-Modell für die Prognose künftiger ETF-Renditen abzustimmen. Zunächst erhalten beide Methoden dasselbe Versuchskontingent für ein kleines kategoriales…

Maschinelles LernenStatistikBacktestingAktien
Machine Learning for Trading

Dieses Notebook untersucht, wie Zeit-, Tick-, Volumen-, Dollar- und Imbalance-Bars anhand mehrerer Handelssitzungen mit NVDA-Handelsdaten auf Auftragsebene kalibriert werden. Es filtert die Trades auf die regulären Handelszeiten, verwendet die…

AktienMarktmikrostrukturStatistikOrderausführung
Machine Learning for Trading

Dieses Notebook definiert Labels für künftige Renditen in einem US-Aktienpanel und erläutert, warum ihre Konstruktion alle nachgelagerten Modelle und Backtests beeinflusst. Es legt Renditefenster anhand bereinigter Preise und Handelssitzungen fest, prüft, ob…

AktienMomentumStatistikBacktesting
Machine Learning for Trading

Dieses Notebook erstellt modellbasierte Merkmale für die Optionsforschung zum S&P-500 anhand der Renditen des Basiswerts. Es passt GJR-GARCH an, das negativen Renditeschocks zusätzliches Gewicht verleiht, sowie ein stochastisches Volatilitätsmodell, dessen…

OptionenVolatilitätStatistikMaschinelles Lernen
Machine Learning for Trading

Dieses Notebook erläutert, wie sich Renditen und Risiken von ETF anhand von CAPM- und Fama-French-Faktorregressionen zerlegen lassen. Es schätzt Engagements über die gesamte Stichprobe mit robusten Standardfehlern gegen Heteroskedastizität und…

AktienFaktorinvestierenRisikomanagementStatistik
Machine Learning for Trading

Dieses Notebook passt Skip-Gram-Word2Vec an institutionelle Bestände an: Jedes 13F-Portfolio wird als Satz behandelt, jede Aktienkennung als Token und der Rang der Positionsgröße als Tokenreihenfolge. Benachbarte Positionen bilden den Kontext. So können…

AktienMaschinelles LernenPortfolio-KonstruktionStatistik
Machine Learning for Trading

Dieses Notebook stellt ein von GT-GAN inspiriertes generatives Modell für Finanzzeitreihen vor, die in unregelmäßigen Abständen erfasst werden, etwa Tick-, Volumen- oder Dollar-Balken. Encoder, Generator, Diskriminator und Decoder verwenden kontinuierliche…

Maschinelles LernenStatistikMarktmikrostrukturHochfrequenzhandel
Machine Learning for Trading

Dieses Notebook beschreibt die Anpassung von PatchTST an Minutendaten des NASDAQ-100, um Renditen über mehrere künftige Horizonte vorherzusagen. Das Modell gruppiert aufeinanderfolgende Beobachtungen in Abschnitte und wendet Aufmerksamkeit auf diese an. So…

AktienMaschinelles LernenBacktestingStatistik
Machine Learning for Trading

Dieses Notebook prüft, ob historische ETF-Daten eine monatliche Rangfolgestrategie unterstützen können, bevor ein Modell angepasst oder Prognosen erstellt werden. Es prüft das handelbare Universum anhand der Liquidität des Vorjahres, zählt die zulässigen…

Multi-AssetBacktestingOrderausführungRisikomanagement
Machine Learning for Trading

Dieses Notebook vergleicht Methoden zur Kapitalallokation auf US-Aktienpositionen, während Modell, Checkpoint, Rebalancing-Termine und ausgewählte Aktien konstant bleiben. Es untersucht Gewichtungen anhand der Prognosestärke, der Breite des…

AktienPositionsgrößenbestimmungPortfolio-KonstruktionRisikomanagement
Machine Learning for Trading

Dieses Notebook vergleicht in Kryptowährung abgerechnete Ereigniskontrakte von Polymarket mit der regulierten Handelsplattform Kalshi als alternative Datenquellen. Es erläutert, wie Zugangsregeln, Abrechnungswerte, Positionslimits und Listing-Richtlinien…

KryptoMarktstimmungStatistikEreignisgesteuert
Machine Learning for Trading

Dieses Notebook erläutert ein unbedingtes, signaturbasiertes Wasserstein-GAN zur Erzeugung finanzieller Zeitreihen. Es transformiert Renditen in erweiterte Pfade, berechnet gekürzte Pfadsignaturen und trainiert einen durch Brownsches Rauschen gesteuerten…

Maschinelles LernenStatistikAktienBacktesting
Machine Learning for Trading

Dieser Datensatzleitfaden stellt Preis- und Volumendaten zu Binance-Perpetual-Futures zusammen mit einem achtstündlichen Prämienindex vor. Stündliche OHLCV-Datensätze beschreiben die Marktaktivität, während die Prämie die Differenz zwischen Perpetual- und…

KryptoPerpetual FuturesSpotmärkteCarry
Machine Learning for Trading

Dieses Notebook bewertet Stop-Loss, Trailing-Stop und Ausstiege nach fester Haltedauer bei ausgewählten US-Aktienstrategien. Ein Stop-Loss reagiert auf Verluste seit dem Einstieg, ein Trailing-Stop auf Rückgänge vom Höchststand einer Position und ein…

AktienRisikomanagementBacktestingPositionsgrößenbestimmung
Machine Learning for Trading

Dieses Notebook bewertet TSMixer als globales Sequenzmodell für ein ETF-Panel. Das Modell verwendet fondsübergreifend gemeinsame Parameter, greift aber auf den eigenen Verlauf und die Kovariaten jedes Fonds zurück. Seine Mischschichten lernen zeitliche…

Maschinelles LernenAktienStatistikBacktesting
Machine Learning for Trading

Dieses Notebook definiert Vorwärtsrenditeziele für eine Futuresstrategie im Querschnitt, die Produkte nach ihrer Laufzeitstruktur einordnet, stärkere Carry-Produkte long geht und schwächere short. Es unterscheidet um Rollvorgänge bereinigte Kurse, die sich…

FuturesRohstoffeCarryStatistik
Machine Learning for Trading

Dieses Notebook beschreibt die Verwendung von TSMixer zur Prognose von Aktienrenditen anhand geordneter Fenster von Merkmalen jeder Aktie. Jedes Beispiel enthält 60 aufeinanderfolgende Handelssitzungen; Fenster, die Lücken im Verlauf einer Aktie überspannen,…

AktienUS-MärkteMaschinelles LernenBacktesting
Machine Learning for Trading

Dieser Leitfaden ordnet US-Aktienmarktdaten in Marktdaten, Unternehmensfundamentaldaten, Anlegerpositionierung und Unternehmensmerkmale ein. Er führt Lader für tägliche und untertägige Balkendaten, Optionen und Markt-Mikrostrukturdaten sowie Texte aus…

AktienUS-MärkteMarktmikrostrukturOptionen
Machine Learning for Trading

Dieses Notebook wandelt Validierungsvorhersagen aus mehreren Modellfamilien in gleichgewichtete Long-Short-Portfolios um. Es ordnet Aktien nach prognostizierter Rendite, kauft die obersten Werte und verkauft die untersten leer. Mit einer gemeinsamen…

AktienUS-MärkteBacktestingPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook vergleicht Provisionsmodelle für Aktien und Futures mit mehreren Slippage-Modellen und hebt hervor, dass sich ihre Einheiten und Annahmen unterscheiden. Prozentuale Gebühren bleiben als Anteil des Nominalwerts konstant, während…

OrderausführungBacktestingMarktmikrostrukturRisikomanagement
Machine Learning for Trading

Dieses Dokument beschreibt das Training eines Proximal-Policy-Optimization-Agenten zur Liquidierung eines festen Auftrags über einen festgelegten Zeithorizont. Es vergleicht die erlernte Ausführungsstrategie mit TWAP und einem Almgren-Chriss-Zeitplan anhand…

KryptoOrderausführungMarktmikrostruktur
Machine Learning for Trading

Dieses Dokument stellt ein mehrstufiges Verfahren vor, um Firmennamen aus Meldungen, Nachrichten und alternativen Daten Wertpapieren zuzuordnen. Es unterscheidet Entitätskennungen wie CIK und LEI von Wertpapierkennungen wie FIGI, CUSIP und ISIN und erklärt,…

AktienMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Dokument erläutert ein überwachtes Autoencoder-Faktormodell zur Vorhersage von Aktienrenditen in einem Forschungsumfeld zur Analyse von Aktienoptionen. Anders als PCA, IPCA und ein unüberwachter bedingter Autoencoder kombiniert sein Trainingsziel die…

AktienMaschinelles LernenFaktorinvestierenStatistik