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

240 Dokumente

Machine Learning for Trading

Dieses Dokument beschreibt Hilfsprogramme zum Laden geparster NASDAQ-ITCH-Nachrichten und zum Wiederaufbau eines Limit-Orderbuchs aus Auftragserteilungen, Löschungen, Stornierungen, Ausführungen und Ersetzungen. Es verfolgt die verbleibenden Aktien je…

AktienMarktmikrostrukturOrderausführungHochfrequenzhandel
Machine Learning for Trading

Dieses Notebook verfolgt die ETF-Ranking-Signale von der Portfoliobildung bis zu einem vereinfachten Backtest. Ridge-Regression und logistische Klassifikation werden mit Walk-Forward-Aufteilungen trainiert und anschließend mit Momentum- und gleich…

AktienMaschinelles LernenBacktestingOrderausführung
Machine Learning for Trading

Diese Übersicht ordnet mehrere Trading-Fallstudien nach Anlageklasse, Umfang des Universums, Datenfrequenz, Entscheidungsrhythmus, Kostenregime und Auswertungsprotokoll. Sie liest die in jeder Studie angegebenen Rahmenbedingungen aus und stellt…

Multi-AssetBacktestingOrderausführungRisikomanagement
Machine Learning for Trading

Dieses Notebook untersucht, wie sich Transaktionskosten auf eine feste CME-Futureskonfiguration auswirken, die an anderer Stelle im Forschungsprozess ausgewählt wurde. Es wendet ein Raster von Gesamtkosten an, wobei jede Stufe gleichmäßig auf Kommissionen…

FuturesBacktestingOrderausführungRisikomanagement
Machine Learning for Trading

Dieses Notebook vergleicht PyPortfolioOpt, Riskfolio-Lib und skfolio. Dazu passt es Portfolioallokatoren auf einem gemeinsamen ETF-Renditepanel an und wertet ihre eingefrorenen Gewichte anhand späterer Beobachtungen aus. Es umfasst Mean-Risk-, Tail-Risk-,…

Portfolio-KonstruktionBacktestingRisikomanagementOrderausführung
Machine Learning for Trading

Diese Analyse verwendet NASDAQ-TotalView-ITCH-Nachrichten, um die Aktivität am Handelsplatz zu beschreiben und eine Tabelle mit Trades und den zugehörigen Ticker-, Seiten- und Ordermerkmalen zu erstellen. Sie zählt Nachrichtentypen, vergleicht Trades mit den…

AktienMarktmikrostrukturOrderausführungStatistik
Machine Learning for Trading

Dieses Dokument modelliert die Orderverarbeitung bei Brokern und Börsen als endlichen Zustandsautomaten. Es definiert eindeutige Zustände für Übermittlung, Bestätigung, Annahme, Teilausführung, Stornierung, Ablehnung, Verfall und Aussetzung und ordnet…

OrderausführungMarktmikrostrukturRisikomanagement
Machine Learning for Trading

Dieses Notebook entwickelt die Lösung von Almgren–Chriss für die Liquidation einer Position, bei der der Markteinfluss gegen das Risiko abgewogen wird, Preisbewegungen ausgesetzt zu bleiben. Es verwendet den Implementation Shortfall relativ zum…

OrderausführungMarktmikrostrukturRisikomanagementBacktesting
Machine Learning for Trading

Das Dokument erläutert, wie sich handelsbasierte Mikrostrukturmerkmale aus zu Intraday-Balken aggregierten NASDAQ-Transaktionsdaten konstruieren lassen. Behandelt werden Kyle-Lambda, Amihud-Illiquidität, der Roll-Spread-Schätzer, Handelsintensität und das…

AktienMarktmikrostrukturOrderausführungTechnische Indikatoren
Machine Learning for Trading

Dieses Notebook zeigt, wie sich NASDAQ-TotalView-ITCH-Nachrichten mit Einzelauftragsdaten aus dem Binärformat in strukturierte Datensätze dekodieren lassen. Es erläutert den Nachrichtenaufbau und die layoutspezifischen Felder, zeigt das Entpacken der Felder…

AktienMarktmikrostrukturHochfrequenzhandelOrderausführung
Machine Learning for Trading

Dieses Notebook setzt eine monatliche ETF-Momentum- und Zinskurven-Regimestrategie auf zwei Arten um: mit vektorisierter Renditeberechnung und einer sequenziellen Kontosimulation. Beide verwenden dieselben Zielgewichte, Anlagen, Daten und gesamten…

AktienMomentumBacktestingOrderausführung
Machine Learning for Trading

Dieses Notebook führt eine Einsatzprobe für ein Modell zur Prognose der Richtung von Krypto-Funding-Raten durch. Es trainiert ein dreiklassiges LightGBM-Modell mit historischen, von Binance abgeleiteten Perpetual-Daten, ruft anschließend Live-Stundenbalken…

KryptoPerpetual FuturesSpotmärkteMaschinelles Lernen
Machine Learning for Trading

Dieses Notebook stellt einen Ablauf zur Beschaffung und Pflege von Finanzzeitreihen mit einer einheitlichen Verwaltung, vordefinierten oder benutzerdefinierten Symboluniversen und partitionierter Parquet-Speicherung vor. Es behandelt den Abruf einzelner und…

Multi-AssetAktienBacktestingOrderausführung
Machine Learning for Trading

Diese explorative Analyse prüft, ob ein Momentum-Signal über zwölf Monate, bei dem der jüngste Monat ausgelassen wird, mit den Renditen des Folgemonats in einem Universum von 100-ETF zusammenhängt. Sie erstellt anhand bereinigter Schlusskurse ein monatliches…

Multi-AssetMomentumStatistikBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht Behavior Cloning und inverses Reinforcement Learning (IRL) anhand von Demonstrationen einer zeitgewichteten Durchschnittspreisregel (TWAP) zur Ausführung. Behavior Cloning ordnet beobachtete Marktzustände direkt Aktionen zu,…

OrderausführungMaschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook untersucht Tickdaten zu Trades und Quotes von AlgoSeek für AAPL während des Marktcrashs am 16. März 2020. Es beschränkt die Daten auf reguläre Handelszeiten, trennt Trade-Meldungen von NBBO-Updates und analysiert die Intraday-Aktivität,…

AktienMarktmikrostrukturOrderausführungVolatilität
Machine Learning for Trading

Diese Analyse rekonstruiert einzelne NASDAQ-Limit-Orders aus ITCH-Nachrichten zu Hinzufügungen, Löschungen, Teilstornierungen, Ersetzungen und Ausführungen. Sie misst, ob Orders storniert oder ausgeführt werden und wie lange es bis zu diesen Ereignissen…

AktienMarktmikrostrukturOrderausführungHochfrequenzhandel
Machine Learning for Trading

Dieses Dokument beschreibt einen Benchmark für Datenbank-Engines zur Verarbeitung von Finanzzeitreihen. Verglichen werden Massenschreibvorgänge, vollständige Scans, Zeitbereichsabfragen, OHLCV-Aggregation und As-of-Verknüpfungen für Handels- und…

MarktmikrostrukturOrderausführungBacktestingStatistik
Machine Learning for Trading

Dieses Modul definiert eine monatliche ETF-Allokationsbaseline anhand eines risikoadjustierten Momentum-Scores: der kumulierten Rendite des Rückblickzeitraums geteilt durch die annualisierte realisierte Volatilität. Überschreitet die Steigung der Zinskurve…

AktienMulti-AssetMomentumVolatilität
Machine Learning for Trading

Diese Demonstration beschreibt den Betrieb einer kontinuierlich laufenden Krypto-Strategie, die mit einem USD-Spot-Broker verbunden ist. Sie überträgt ein größeres Universum aus einer Perpetual-Futures-Fallstudie auf die kleinere Auswahl verfügbarer…

KryptoPerpetual FuturesSpotmärkteMomentum
Machine Learning for Trading

Diese NASDAQ-100-Fallstudie untersucht, ob 15-Minuten-Mikrostruktursignale Handelskosten überstehen können. Der Ablauf bewertet Orderfluss, veraltete Quotierungen und relative Spreads und vergleicht dann eine Strategie für das gesamte Universum mit einer,…

AktienUS-MärkteMarktmikrostrukturOrderausführung
Machine Learning for Trading

Dieses Notebook prüft, ob eine tägliche US-Aktien-Rankingstrategie vor dem Anpassen eines Modells über genügend nutzbare Daten für eine faire Bewertung verfügt. Es erklärt, wie sich mit historischen Indexmitgliedern ein zeitpunktbezogenes Universum bilden…

AktienUS-MärkteBacktestingOrderausführung
Machine Learning for Trading

Dieses Notebook zeigt, wie eine Broker-Wrapper-Komponente unsichere Aufträge anhand von Größen- und Positionslimits, Auftragsratenbegrenzungen, Asset-Beschränkungen und einem dauerhaften Kill-Switch ablehnen kann. Ein synthetischer Broker macht die…

RisikomanagementPositionsgrößenbestimmungOrderausführung