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 erläutert, wie sich ein Quartalspanel mit Fundamentaldaten von US-Aktien aus SEC-XBRL-Daten erstellen und prüfen lässt, wobei sowohl der Zeitraum, auf den sich eine Angabe bezieht, als auch das Datum ihrer Veröffentlichung erhalten bleiben.…

AktienFaktorinvestierenBacktestingUS-Märkte
Machine Learning for Trading

Dieses Notebook verwendet eine korrelationsbasierte Hauptkomponentenanalyse der Renditen von Sektor-ETF, um gemeinsame Risikofaktoren und Sektorrotation zu beschreiben. Durch die Standardisierung der Renditen erhält jeder Sektor vor der Zerlegung eine…

AktienFaktorinvestierenStatistikPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook erstellt einen Retrieval-Augmented-Research-Assistenten auf Grundlage von Auszügen aus US-Unternehmensmeldungen nach 10-K. Es lädt Meldungen, zerlegt Texte in Satzfenster, bettet die Abschnitte mit einem lokalen Modell ein und erstellt einen…

Maschinelles LernenAktienStatistik
Machine Learning for Trading

Dieses Notebook demonstriert das Training eines generativen adversarialen Netzwerks mit täglichen ETF-Merkmalen und differenzieller Privatsphäre. Es erläutert die Datenschutzgarantie und das Budget und verwendet anschließend Opacus, um den…

Maschinelles LernenStatistikAktienRisikomanagement
Machine Learning for Trading

Dieses Notebook rekonstruiert das jeweils beste nationale Geld- und Briefangebot (NBBO) für jeden AAPL-Trade während der regulären Sitzung am 16. März 2020. Es führt Quote- und Trade-Ereignisse chronologisch zusammen, übernimmt das jeweils letzte Geld- und…

AktienMarktmikrostrukturOrderausführungStatistik
Machine Learning for Trading

Dieses Notebook trainiert ein Long-Short-Term-Memory-Netzwerk mit NASDAQ-100-Mikrostrukturmerkmalen, um künftige Renditen über mehrere Horizonte im Minutenbereich vorherzusagen. Anders als ein abgeflachtes lineares Modell verarbeitet ein LSTM jede…

Maschinelles LernenMarktmikrostrukturAktienBacktesting
Machine Learning for Trading

Dieses Notebook zeigt, wie sich aus dem MD&A-Text quartalsweiser SEC 10-Q zwei mögliche Aktiensignale ableiten lassen. FinBERT bewertet Textabschnitte nach positiver, neutraler oder negativer Tonalität; die Abschnittswerte werden zu einer durchschnittlichen…

AktienMaschinelles LernenMarktstimmungStatistik
Machine Learning for Trading

Dieses Notebook analysiert NASDAQ-TotalView-ITCH-Nachrichten, um die marktweite Aktivität zu beschreiben und wiederverwendbare Handelsdaten zu erstellen. Es zählt die Nachrichten nach Typ und reichert anschließend Orderausführungsnachrichten an, indem es…

AktienUS-MärkteMarktmikrostrukturOrderausführung
Machine Learning for Trading

Dieses Analyse-Notebook erläutert, wie sich eine US-Aktienstrategie auf Basis von Unternehmensmerkmalen anhand von Registry-Ergebnissen statt neuer Backtests bewerten lässt. Es betrachtet Statistiken zur Performance unter Berücksichtigung von Unsicherheit,…

AktienBacktestingStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook stellt ein aktuelles Audit vor, das VectorBT Pro und VectorBT OSS anhand unterstützter Strategieaufgaben mit realen Daten mit ML4T vergleicht. Beide VectorBT-Editionen werden für ETF-Allokation, USD-notierte Devisenallokation und ein…

Multi-AssetAktienFuturesDevisenhandel
Machine Learning for Trading

Dieses Notebook erklärt die instrumentierte Hauptkomponentenanalyse (IPCA), die die Faktor-Exposures jedes ETF als gemeinsame lineare Funktion der beobachteten Merkmale dieses Fonds modelliert. Abwechselnde kleinste Quadrate schätzen gemeinsam die Abbildung…

AktienFaktorinvestierenMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook vergleicht gleiche Gewichtung mit zwei Allokationsregeln für Strategien mit US-Unternehmensmerkmalen: Bei der Score-Gewichtung wird Prognosen mit höheren Modellwerten mehr Kapital zugewiesen, während die Conformal-Gewichtung das Kapital für…

AktienPositionsgrößenbestimmungPortfolio-KonstruktionBacktesting
Machine Learning for Trading

Diese Analyse vergleicht gelernte Signale für monatliche Querschnittsrenditen von US-Aktien anhand von Bilanz- und Marktmerkmalen; Zielgröße ist die Rendite des Folgemonats. Sie untersucht lineare Modelle, Boosted Trees, tiefe Tabular-Methoden, Schätzer…

AktienUS-MärkteMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Audit vergleicht Backtrader und Zipline mit ML4T anhand realer Strategiefälle. Dabei werden nur Kombinationen aus Assets und Kontrakten berücksichtigt, die beide Engines und das eingefrorene Datenpaket nativ abbilden können. Untersucht werden die…

BacktestingOrderausführungFuturesDevisenhandel
Machine Learning for Trading

Dieses Notebook definiert und validiert monatliche Rendite-Labels für eine Querschnittsstudie zu Unternehmensmerkmalen aus US. Es prüft, wie der Datenanbieter die Merkmale jeder Zeile dem Renditeergebnis zuordnet, und betont, dass das Panel bereits…

AktienMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook erstellt einen durchgängigen Portfolioallokator, der ein Variablenauswahl-Netzwerk im Stil eines Temporal Fusion Transformers vor einen LSTM schaltet. Separate gated Residual Networks bilden einzelne Merkmale ab, und gelernte weiche Gewichte…

Maschinelles LernenPortfolio-KonstruktionPositionsgrößenbestimmungVolatilität
Machine Learning for Trading

Dieses Notebook vergleicht tägliches, wöchentliches, zweiwöchentliches und monatliches Rebalancing für ein Momentum-Portfolio mit den höchsten Rangwerten, das aus einem festen ETF-Universum zusammengestellt wird. Es misst den Portfolioumschlag und die…

AktienMomentumOrderausführungBacktesting
Machine Learning for Trading

Diese Übersicht erläutert eine Modellfamilie zur Prognose von Renditen anhand von Unternehmensmerkmalen. Statt jedes Merkmal als direkten Renditeprädiktor zu behandeln, nehmen die Modelle an, dass Renditen von einer kleinen Zahl unbeobachteter gemeinsamer…

AktienFaktorinvestierenMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Setup-Dokument definiert eine wöchentliche Forschungs-Pipeline für 500-Aktien, die Optionsmarkt-Features mit preisbasierten Signalen kombiniert. Es legt das zulässige Universum, Entscheidungs- und Ausführungszeitpunkte sowie unterschiedliche…

OptionenAktienVolatilitätMomentum
Machine Learning for Trading

Dieses Dokument stellt ein didaktisches selektives Zustandsraummodell im Mamba-Stil vor, das ETF-Renditen anhand von Sequenzen aus Momentum-Features prognostiziert. Anders als Attention und dichte zeitliche Mischung führt ein Zustandsraummodell einen Zustand…

Maschinelles LernenStatistikMomentumAktien
Machine Learning for Trading

Dieses Dokument beschreibt einen bedingten Autoencoder, der Unternehmens-Exposures gegenüber latenten Renditefaktoren als nichtlineare Funktion von Unternehmensmerkmalen modelliert. Wie IPCA schätzt er eine Faktorstruktur, in der prognostizierte Renditen…

Maschinelles LernenFaktorinvestierenAktienStatistik
Machine Learning for Trading

Dieses Dokument erläutert ein TabM-neuronales Netz, das ETFs anhand tabellarischer Features einordnet. Ein gemeinsamer zweischichtiger Backbone versorgt mehrere Mitglieder, die jeweils über einen erlernten Skalierungsvektor und eine Ausgabeschicht verfügen.…

Maschinelles LernenStatistikAktienBacktesting
Machine Learning for Trading

Dieses Notebook erläutert, wie Beteiligungslimits den Anteil des Marktvolumens begrenzen, den eine Order je Intervall beanspruchen darf. Überschreitet eine übergeordnete Order den zulässigen Betrag, führt der Broker einen Teil aus und verschiebt den Rest auf…

AktienOrderausführungMarktmikrostrukturRisikomanagement
Machine Learning for Trading

Diese Kapitelübersicht erläutert, wie Gradient-Boosted Trees für Finanzprognosen mit Tabellendaten auf Entscheidungsbäumen und Random Forests aufbauen. Beim Boosting werden Lernende nacheinander hinzugefügt, um frühere Fehler zu korrigieren. So lassen sich…

Maschinelles LernenAktienStatistikBacktesting