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 Notebook bewertet Validierungsvorhersagen als reine Long-Aktienportfolios mit gleich gewichteter Top-K-Auswahl und einem Entscheidungsrhythmus, der durch die Frequenz der Labels bestimmt wird. Es prüft die zeitliche Reihenfolge von Schlusskurs und…

AktienOptionenBacktestingPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook zeigt die Abgrenzung zwischen einer Offline-Pipeline für maschinelles Lernen und der LEAN-Engine von QuantConnect. Es wählt über das ETF-Fallstudienregister eine Prognosemenge aus, prüft die Herkunft von Training und Prognosen und exportiert…

Maschinelles LernenOrderausführungBacktestingPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook vergleicht die Auswirkungen angenommener Trading-Kosten auf Strategien aus mehreren Fallstudien. Es liest Backtests zur Kostensensitivität für jede eingesetzte Strategiekonfiguration ein, vergleicht den Brutto-Sharpe mit dem Netto-Sharpe bei…

BacktestingRisikomanagementOrderausführungStatistik
Machine Learning for Trading

Dieses Notebook vergleicht die Übereinstimmung von Backtrader, Zipline Reloaded und einem internen Trading-Framework anhand ausgewählter realer Strategien aus Fallstudien. Es umfasst ETF und US-Vergleiche mit US-Aktienpanels für beide externen Engines sowie…

BacktestingOrderausführungMarktmikrostrukturAktien
Machine Learning for Trading

Diese Übersicht fasst Konfigurationsdaten aus neun Trading-Fallstudien zu Aktien, Kryptowährungen, Devisen, Futures, Optionen und Multi-Asset-Portfolios zusammen. Sie vergleicht Anlageuniversum, Datenfrequenz, Entscheidungsrhythmus, Kostenmodell und die…

Multi-AssetBacktestingRisikomanagementOrderausführung
Machine Learning for Trading

Dieses Notebook stellt einen deterministischen Rahmen zur Prüfung vor, ob Backtest- und Live-Trading-Pipelines konsistent arbeiten. Es vergleicht die Schritte, die aus Kursbalken Entscheidungen machen: Merkmalsberechnungen, Prognosen, Signale und…

BacktestingOrderausführungMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook trainiert einen Reinforcement-Learning-Agenten, eine feste Verkaufsorder über stündliche Balken eines Krypto-Perpetual-Futures-Marktes zu verteilen. Sein Zustand umfasst verzögerte Renditen, Volatilität, Volumen der vorherigen Stunde, den…

KryptoPerpetual FuturesOrderausführungMaschinelles Lernen
Machine Learning for Trading

Dieses Notebook verwendet aus NASDAQ ITCH abgeleitete Handels- und Orderdaten, um Mikrostrukturmuster zu veranschaulichen. Es untersucht die negative Autokorrelation erster Ordnung bei Tick-Renditen und vergleicht sie mit dem Effekt bei Mittelkursrenditen.…

AktienMarktmikrostrukturStatistikOrderausführung
Machine Learning for Trading

Diese Demonstration erweitert einen Ablauf für Einzelorders zu einem täglichen Rebalancing für ein festes Universum großkapitalisierter US-Aktien. Sie erklärt, wie aktuelle Brokerpositionen mit Modellzielen verglichen, Orders für die Differenzen erstellt und…

AktienOrderausführungRisikomanagementMarktmikrostruktur
Machine Learning for Trading

Diese Fallstudie bewertet wöchentlich eröffnete, am Geld liegende Short Straddles auf Bestandteile des S&P 500, die bis zur Fälligkeit gehalten und täglich delta-gehedgt werden. Die zentrale methodische Entscheidung ist, Renditen bis zur Fälligkeit zu…

OptionenVolatilitätBacktestingOrderausführung
Machine Learning for Trading

Dieses Notebook untersucht, wie Annahmen zu Transaktionskosten den Validierungs-Sharpe einer ausgewählten Aktien- und Optionsallokation des S&P 500 beeinflussen. Wenn verfügbar, übernimmt es die Konfiguration, die anhand einer eingefrorenen Kandidatenmenge…

AktienOptionenOrderausführungBacktesting
Machine Learning for Trading

Dieses Dokument stellt eine Kostensensitivitätsanalyse für eine feste ETF-Momentumstrategie vor. Universum, Gewichtungen, Zeitplan und Simulator bleiben unverändert, während der Backtest mit einer Reihe von Gebühren pro Handelsseite erneut ausgeführt wird.…

AktienMomentumBacktestingOrderausführung
Machine Learning for Trading

Diese Analyse profiliert ein festes Universum aus 100 ETFs in neun Anlagegruppen. Sie prüft die Abdeckung nach Fonds und Jahr, bestätigt, dass das Preispanel zur Gruppenkonfiguration passt, überprüft fehlende Werte und die OHLC-Reihenfolge und vergleicht das…

Multi-AssetStatistikRisikomanagementBacktesting
Machine Learning for Trading

Dieses Notebook erklärt, wie sich ein Limit-Orderbuch der NASDAQ für ein einzelnes Symbol aus Nachrichten zu einzelnen Aufträgen rekonstruieren lässt. Es verarbeitet Hinzufügungen, Ausführungen, Stornierungen, Löschungen und Ersetzungen und verfolgt dabei…

AktienMarktmikrostrukturOrderausführungStatistik
Machine Learning for Trading

Dieses Quellmodul enthält Loader für US-Aktienkurse, Indexdaten, Optionen, Markt-Mikrostruktur, Fundamentaldaten und institutionelle Beteiligungen. Das wichtigste methodische Detail betrifft die Resampling-Aggregation untertägiger Handelsdaten: Eröffnung,…

AktienMarktmikrostrukturOrderausführungUS-Märkte
Machine Learning for Trading

Dieses Notebook zeigt eine gemeinsame OHLCV-Schnittstelle für Yahoo Finance, ein US-Aktienarchiv mit langer Historie und FRED-Makrodatenreihen. Es erstellt ein ETF-Universum für eine spätere Rotationsfallstudie, zeigt die Kombination historischer und…

Multi-AssetAktienUS-MärkteOrderausführung
Machine Learning for Trading

Dieses Notebook entwickelt ein einheitensensitives Framework zur Schätzung von Handelskosten bei Aktien, ETFs, Futures, Devisen und Krypto-Perpetuals. Zunächst unterscheidet es gehandeltes Volumen von Aktivitätsmaßen, die sich nicht in den Dollar-Umsatz…

OrderausführungMarktmikrostrukturRisikomanagementFutures
Machine Learning for Trading

Dieses Notebook berechnet die Kosten führender ETF-Allokationskonfigurationen anhand zweier Kostenraster neu, während Prognosen, Konzentration und Allokationsregeln unverändert bleiben. Es vergleicht das Kommissions- und Halbspreadmodell der Fallstudie je…

AktienOrderausführungBacktestingPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook misst, wie Ausführungskosten die bereits ausgewählte Konfiguration für Krypto-Perpetual-Futures beeinflussen. Modell, Checkpoint, Einstiegsregel, Allokation und Risikokontrolle bleiben unverändert; anschließend werden Backtests über ein…

KryptoPerpetual FuturesOrderausführungBacktesting
Machine Learning for Trading

Dieses Notebook rekonstruiert für jeden AAPL-Trade während einer einzelnen Sitzung im März 2020 das jeweils aktuelle beste Geld- und Briefgebot. Anschließend wendet es die Lee–Ready-Methode an, um abzuleiten, ob Käufer oder Verkäufer den Trade initiiert…

AktienMarktmikrostrukturOrderausführungStatistik
Machine Learning for Trading

Dieses Notebook erstellt einen nachvollziehbaren Bericht für eine reine Bitcoin-Long-Strategie, deren Ein- und Ausstieg anhand von RSI-Schwellenwerten erfolgt. Es vergleicht Brutto- und Nettoergebnisse und misst anschließend die Leistung gegenüber einer…

KryptoRückkehr zum MittelwertTechnische IndikatorenBacktesting
Machine Learning for Trading

Diese Konfiguration beschreibt eine tägliche Long-Short-US-Aktienstrategie, die ein breites Aktienuniversum anhand von Modellprognosen sortiert, das oberste Dezil kauft und das unterste Dezil mit gleichen Gewichten innerhalb der jeweiligen Gruppe…

AktienUS-MärktePortfolio-KonstruktionOrderausführung
Machine Learning for Trading

Dieses Notebook wandelt Modellranglisten in einfache Krypto-Perpetual-Portfolios um. Zu jedem Funding-Zeitpunkt wählt eine Einstiegsregel Kontrakte am oberen oder unteren Ende der Rangliste aus und gewichtet sie gleich. Die Gleichgewichtung dient als…

KryptoPerpetual FuturesBacktestingPortfolio-Konstruktion