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 Dokument beschreibt einen festen Backtest außerhalb der Stichprobe für eine ausgewählte CME-Futuresstrategie. Konfiguration, Vorhersagen, Allokator, Umschichtungsrhythmus, Konzentration und Transaktionskostenannahmen stammen aus früheren…

FuturesBacktestingStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook untersucht lineare Prognosemodelle für einen Querschnitt von CME-Futuresprodukten mit Merkmalsspalten aus verwandten Gruppen, darunter Carry, Momentum, Volatilität und rollierende Risikomaße. Da Spalten innerhalb einer Gruppe häufig…

FuturesMaschinelles LernenFaktorinvestierenStatistik
Machine Learning for Trading

Diese Lehranalyse vergleicht vier neuronale Netzwerkarchitekturen anhand derselben Aufgabe: die nächste Tagesrendite aus einem jüngeren Renditefenster vorherzusagen. Ein zusammengeführter Satz aus acht börsengehandelten Fonds bietet unterschiedliche…

AktienMaschinelles LernenBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook prüft die vollständige Menge kanonischer Validierungsvorhersagen für eine Studie zu FX-Paaren. Es kontrolliert Modellidentität, Verfügbarkeit der Artefakte, Vollständigkeit, Abdeckung der konfigurierten Labels und Übereinstimmung der…

DevisenhandelMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook prüft die registrierten Validierungsvorhersagen einer Studie zu FX-Paaren. Es kontrolliert, ob der Katalog die konfigurierte Modellpopulation, vollständige Vorhersagesätze, verfügbare Artefakte und aktuelle Modellidentitäten umfasst.…

DevisenhandelMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook misst, wie gut die Lee-Ready-Methode die Richtung des Handelsinitiators anhand von Nasdaq-Nachrichten zu einzelnen Orders erschließt; die vom Handelsplatz bereitgestellten Initiatorlabels dienen als Referenz. Es rekonstruiert das…

AktienMarktmikrostrukturOrderausführungStatistik
Machine Learning for Trading

Dieses Notebook bewertet NLinear, ein einfaches Sequenzmodell, das den zuletzt beobachteten Wert von einem Rückblickfenster abzieht und die resultierende Sequenz mit einer linearen Transformation auf eine Prognose abbildet. Es passt die ETF-Modellpopulation…

AktienMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Diese Fallstudie schätzt lineare Modelle zur Vorhersage von Renditen und Richtung bei Krypto-Perpetual-Futures. Die Merkmalsmatrix wird von Varianten des Perpetual-Aufschlags dominiert, der Differenz zwischen Kontrakt- und Kassakurs, die Funding-Zahlungen…

KryptoPerpetual FuturesMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook stellt einen bedingten Autoencoder für Aktienrenditen vor, bei dem ein neuronales Netz Aktienmerkmale auf nichtlineare Faktorladungen abbildet, während ein weiteres Netz zeitgleiche latente Faktoren aus merkmalsgesteuerten Portfoliorenditen…

AktienMaschinelles LernenFaktorinvestierenStatistik
Machine Learning for Trading

Dieses Notebook misst, wie sich Transaktionskosten auf eine festgelegte CME-Futures-Strategiekonfiguration auswirken. Es wählt die berichtete Konfiguration in einem gemeinsamen Validierungsverfahren aus, übernimmt deren Risiko-Overlay in die Kostenläufe und…

FuturesRohstoffeBacktestingOrderausführung
Machine Learning for Trading

Dieses Notebook erläutert, wie sich aus DataBento-Market-by-Order-Nachrichten für ein einzelnes NASDAQ-Symbol und einen Handelstag ein Limit-Orderbuch rekonstruieren lässt. Es bildet jede Order ab, fasst Orders auf Kursebenen zusammen und verwaltet Geld- und…

AktienMarktmikrostrukturOrderausführungStatistik
Machine Learning for Trading

Dieses Notebook vergleicht Verfahren zur Absicherung einer Short-Position in einem europäischen Call bei diskretem Rebalancing und proportionalen Handelskosten. Es definiert den selbstfinanzierenden End-P&L und trainiert anschließend einen neuronalen Hedger,…

OptionenMaschinelles LernenRisikomanagementOrderausführung
Machine Learning for Trading

Dieses Notebook vergleicht sechs Long-only-Verfahren zur ETF-Portfolioaufteilung, die die Abhängigkeit von instabilen Schätzungen verringern sollen. Bei Schätzern mit Kovarianz verwendet es die Kovarianz-Shrinkage nach Ledoit-Wolf. Außerdem vergleicht es die…

Multi-AssetAktienFestverzinsliche WertpapierePortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook vergleicht die Hyperparameterabstimmung mit einem einzelnen Ziel mit einer Mehrzielsuche für LightGBM-Prognosemodelle. Die Baseline maximiert den Information Coefficient (IC) der Validierung. Die Suche mit NSGA-II maximiert stattdessen IC und…

Maschinelles LernenStatistikBacktestingOrderausführung
Machine Learning for Trading

Dieses Kapitel fasst neun Fallstudien zusammen, in denen Machine-Learning-Signale über Portfolioaufteilung, Handelskosten und Risiko-Overlays bis zur Auswertung eines eingefrorenen Holdouts verfolgt werden. Als Analyseeinheit dient der Verlauf jeder…

Maschinelles LernenAktienBacktestingPortfolio-Konstruktion
Machine Learning for Trading

Diese Bewertung verfolgt eine einzelne US-Aktienstrategie von einer eingefrorenen Menge von Validierungs-Backtests bis zu ihrer Holdout-Auswertung. Sie wendet eine deterministische Regel an: Gewählt wird der Kandidat mit der höchsten Sharpe Ratio in der…

AktienBacktestingStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook führt eine ausgewählte NASDAQ-100-Mikrostrukturkonfiguration mit den registrierten Holdout-Prognosen aus. Modell, Portfolioaufteilung, Konzentration, Rebalancing-Zeitplan, Risiko-Overlay und Kostenannahmen stammen aus früheren Arbeiten und…

AktienUS-MärkteBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook vergleicht Verfahren zur Positionsgrößenbestimmung in einem US-Aktienpanel, während Modell, Checkpoint, Rebalancing-Termine und ausgewählte Aktien unverändert bleiben. Prognosebasierte Verfahren skalieren das Kapital anhand der Prognosehöhe…

AktienUS-MärktePortfolio-KonstruktionPositionsgrößenbestimmung
Machine Learning for Trading

Dieses Notebook erläutert, wie eine Strategie aus einer festen Menge von US-Aktien-Backtests ausgewählt und anschließend in einem separaten Holdout-Zeitraum bewertet wird. Es prüft, ob die Kandidaten dieselben erforderlichen Daten- und Protokollkennungen…

AktienBacktestingRisikomanagementStatistik
Machine Learning for Trading

Dieses Notebook zeigt einen operativen Workflow, der eine gemeinsame Backtest- und Live-Strategie mit einer Paper-Trading-Sitzung bei Interactive Brokers verbindet. Es prüft Kontoidentität und Kontostand, ruft historische Balken zur Initialisierung von…

AktienMomentumOrderausführungRisikomanagement
Machine Learning for Trading

Dieses Notebook vergleicht drei lineare Zeitreihenmodelle, einen Transformer-Encoder und Prognosen ohne trainierbare Parameter für tägliche SPY-Renditen. Die linearen Ansätze bilden ein historisches Fenster auf eine Mehrtagesprognose ab; Varianten trennen…

AktienMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook präsentiert eine mehrstufige Prognosedebatte mit Bullen- und Bärenrollen. Jede Seite argumentiert für eine höhere oder niedrigere Wahrscheinlichkeit eines Ereignisses, sieht in späteren Runden das vorherige Argument der Gegenseite und nennt…

Maschinelles LernenStatistikMarktstimmungRisikomanagement
Machine Learning for Trading

Dieses Notebook untersucht, ob Gradient-Boosting-Bäume nichtlineare Zusammenhänge in NASDAQ-100-Mikrostrukturmerkmalen finden können, die einem linearen Modell möglicherweise entgehen. Im Mittelpunkt steht die Möglichkeit, dass die Order-Flow-Imbalance…

AktienMaschinelles LernenMarktmikrostrukturStatistik
Machine Learning for Trading

Dieses Notebook erklärt einen operatorbasierten Forschungsagenten, der quantitative Fallstudien iterativ bearbeitet. Statt das Modell auf vorgegebene Prognoseaktionen zu beschränken, stellt es ihm allgemeine Werkzeuge für Dateien, Shell-Befehle,…

Maschinelles LernenBacktestingStatistikRisikomanagement