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

738 Dokumente

Machine Learning for Trading

Diese Analyse erläutert, wie Informationskoeffizienten für einen Katalog von CME-Futures-Prognosemodellen zu interpretieren sind. Sie definiert den IC jedes Datums als Rangkorrelation zwischen prognostizierten und realisierten Renditen über Produkte hinweg…

FuturesStatistikMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook führt drei ansonsten identische Rechercheagenten zu einer Rezessionsfrage aus, entweder durch Wiedergeben einer gespeicherten Aufzeichnung oder durch parallele Ausführung von Live-Modellen und Suche. Es erfasst die Wahrscheinlichkeit, das…

Maschinelles LernenStatistikMarktstimmungBacktesting
Machine Learning for Trading

Dieses Notebook führt die registrierten Backtests einer ETF-Fallstudie zu einer Strategieauswertung zusammen, die Unsicherheit berücksichtigt. Es wertet Performancekennzahlen mit Block-Bootstrap-Konfidenzintervallen aus und nutzt gepaarte Bootstraps, um…

BacktestingStatistikPortfolio-KonstruktionFaktorinvestieren
Machine Learning for Trading

Dieses Notebook erläutert, wie ein Makrodatensatz, dessen Zeitstempel den gemessenen Zeitraum angibt, in einem Trading-Backtest Informationen aus der Zukunft einfließen lassen kann. Es schätzt Veröffentlichungsdaten, indem es die Periodenlänge zum…

BacktestingStatistikRisikomanagementMulti-Asset
Machine Learning for Trading

Dieses Notebook implementiert DeePM, eine durchgängige Portfolio-Strategie für ein diversifiziertes ETF-Universum. Das Modell kombiniert zeitliche Merkmale, Asset-Metadaten, querschnittliche Attention und einen Makrographen-Prior, der Attention innerhalb von…

Multi-AssetPortfolio-KonstruktionMaschinelles LernenRisikomanagement
Machine Learning for Trading

Dieses Notebook wandelt Finanzmeldungen in Signale auf Aktienebene um und bewertet sie anhand zukünftiger Renditen. Es erstellt Embeddings der Meldungen, misst Nachrichtenüberraschungen als semantischen Abstand zu einer rollierenden Embedding-Referenz und…

AktienFaktorinvestierenMarktstimmungMaschinelles Lernen
Machine Learning for Trading

Dieses Dokument erläutert, wie eine zuvor ausgewählte US-Aktienstrategie mit Holdout-Daten bewertet wird, während ihre Konfiguration unverändert bleibt. Es leitet die korrekte Holdout-Vorhersagemenge aus der Trainingsidentität und dem Checkpoint des…

AktienUS-MärkteBacktestingRisikomanagement
Machine Learning for Trading

Das Dokument erläutert die Erstellung von Merkmalen für Währungspaare anhand dreier geschätzter Zeitreihenmodelle: eines Zustandsraumfilters zur Schätzung eines langsam veränderlichen Preisniveaus, eines zweizuständigen Hidden-Markov-Modells für…

DevisenhandelStatistikVolatilitätBacktesting
Machine Learning for Trading

Dieses Notebook misst, wie sich Handelskosten auf Strategien auswirken, die bereits anhand von Signalen, Allokation und Risikosteuerung ausgewählt wurden. Bevor die Kosten variiert werden, wird je Label eine anhand der Validierung ausgewählte Konfiguration…

AktienBacktestingOrderausführungRisikomanagement
Machine Learning for Trading

Dieses Notebook untersucht, ob Sequenzmodelle handgefertigte Zusammenfassungen der Funding-Prämienhistorie bei Perpetual Futures verbessern können. Es vergleicht NLinear, ein einfaches lineares Modell, das ein geordnetes Fenster verarbeitet, mit einem…

KryptoMaschinelles LernenPerpetual FuturesBacktesting
Machine Learning for Trading

Dieses Dokument erläutert, warum Stop-Losses, Trailing-Stops und zeitbasierte Ausstiege in einer Fallstudie nicht bewertet werden können, deren Backtest Gewichte über einen Monat hält und nur die realisierte monatliche Vorwärtsrendite beobachtet. Solche…

AktienRisikomanagementBacktestingPositionsgrößenbestimmung
Machine Learning for Trading

Dieses Dokument beschreibt ein Bewertungsverfahren für registrierte NASDAQ-100-Mikrostruktur-Backtests. Es liest bestehende Durchläufe ein, statt Modelle zu trainieren oder Backtests erneut auszuführen, verfolgt Herkunfts- und Abstammungsketten ausgewählter…

AktienMarktmikrostrukturBacktestingStatistik
Machine Learning for Trading

Dieses Notebook führt ein Panel identischer Forschungsagenten aus oder spielt es erneut ab. Die Agenten beantworten eine gemeinsame Prognosefrage; anschließend werden ihre Prognosen, Suchaktivitäten und Gesprächsverläufe untersucht. Separate Protokolle für…

Maschinelles LernenStatistikMarktstimmungBacktesting
Machine Learning for Trading

Dieses Notebook definiert monatliche Gesamtrendite-Labels für eine querschnittliche Studie zu Unternehmensmerkmalen in US und prüft, wie diese Ergebnisse zu den Zeilen des Datenanbieters passen. Das Panel verknüpft Merkmale des Vormonats mit der Rendite des…

AktienUS-MärkteMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook erläutert, wie ein temporales Faltungsnetzwerk (TCN) Renditen aus geordneten Finanzdaten prognostizieren kann. Kausale Faltungen stellen sicher, dass eine Ausgabe zu einem bestimmten Zeitpunkt nur von aktuellen und früheren Eingaben abhängt.…

Maschinelles LernenAktienMomentumStatistik
Machine Learning for Trading

Dieses Dokument stellt eine ereignisgesteuerte Methode vor, um eine begrenzte Zahl von Intraday-Positionen zu halten. Vorhersagen werden anhand des jeweils neuesten verfügbaren Scores den Kursbars zugeordnet, optional begrenzt durch eine Aktualitätsgrenze.…

AktienHochfrequenzhandelMarktmikrostrukturOrderausführung
Machine Learning for Trading

Diese Fallstudie wandelt gespeicherte Modellvorhersagen für US-Aktien in gleichgewichtete Long-Short-Portfolios um. Sie untersucht mehrere Einstiegsschemata, die jeweils die höchstplatzierten Namen für Long-Positionen und die niedrigstplatzierten für…

US-MärkteAktienMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Dokument beschreibt mehrere Möglichkeiten, Prognose-Scores in Handelssignale umzuwandeln: feste Schwellen, rollierende Perzentile je Asset und Querschnittsperzentile. Feste Schwellen verwenden einen gewählten Score-Wert; rollierende Schwellen passen…

Maschinelles LernenPortfolio-KonstruktionPositionsgrößenbestimmungBacktesting
Machine Learning for Trading

Dieses Notebook untersucht eine ausgewählte Devisenstrategie und die Herkunftskette ihrer Holdout-Artefakte anhand registrierter Forschungsartefakte. Es reproduziert die Auswahl aus einer eingefrorenen Validierungskandidatenmenge, indem es zulässige…

DevisenhandelBacktestingStatistikRisikomanagement
Machine Learning for Trading

Dieses Dokument beschreibt Hilfsfunktionen zum Vergleich registrierter Handelsstrategien und zur Erstellung strukturierter Fallstudienbewertungen. Eine zentrale Rangordnungsmethode beschränkt Renditereihen vor der Berechnung von Portfoliokennzahlen auf exakt…

BacktestingRisikomanagementPortfolio-KonstruktionStatistik
Machine Learning for Trading

Dieses Notebook vergleicht sklearn HistGradientBoosting, XGBoost, LightGBM und CatBoost bei einer ETF-Renditeprognose. Es misst den querschnittlichen Informationskoeffizienten, die Trainingszeit und den Prozessspeicherverbrauch bei CPU und, sofern…

Maschinelles LernenBacktestingStatistikAktien
Machine Learning for Trading

Dieses Notebook wandelt querschnittliche Aktienvorhersagen in Long-Short-Portfolios um: Bei jeder Neugewichtung werden Aktien ranggeordnet, die obersten k gekauft und die untersten k mit gleichem Kapitaleinsatz je Position leerverkauft. Die Gleichgewichtung…

AktienMaschinelles LernenBacktestingPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook stellt einen Merkmalsauswahl-Workflow für ETF-Forschung vor, der zahlreiche mögliche Transformationen und Rückblickfenster auf eine kleinere Auswahl für spätere Modellierung eingrenzt. Es berechnet querschnittliche…

Maschinelles LernenStatistikFaktorinvestierenBacktesting