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 erläutert, wie vier Markteinflussmodelle in einem Backtest angewendet werden: ohne Einfluss, linearer Einfluss, Einfluss nach einer Quadratwurzelfunktion und ein konfigurierbares Potenzgesetz. Jedes Modell schätzt anhand von Orderrichtung,…

OrderausführungMarktmikrostrukturBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook beschreibt die Rekonstruktion eines Limit-Orderbuchs für ein einzelnes Symbol und einen einzelnen Tag anhand von NASDAQ- und ITCH-Nachrichten. Es verarbeitet Nachrichten zum Hinzufügen, Ausführen, Stornieren, Löschen und Ersetzen und verfolgt…

AktienMarktmikrostrukturOrderausführungStatistik
Machine Learning for Trading

Diese explorative Analyse erläutert, wie Minutenbalken aus Kursnotierungs- und Handelsdaten für NASDAQ-100-Bestandteile zu interpretieren sind. Sie ordnet die Felder in Gruppen zu Geld- und Briefkursen, Ausführungen, Spreads, Volumen, Handelspreisbuckets,…

AktienMarktmikrostrukturOrderausführungUS-Märkte
Machine Learning for Trading

Dieses Notebook veranschaulicht anhand konstruierter Beispiele Ausstiege auf Positionsebene und Kontrollen auf Portfolioebene. Zu den statischen Regeln gehören Stop-Losses, Gewinnziele und zeitbasierte Ausstiege; dynamische Regeln umfassen Trailing-Stops,…

RisikomanagementPositionsgrößenbestimmungBacktestingOrderausführung
Machine Learning for Trading

Dieses Notebook stellt ein deterministisches Verfahren vor, um zu prüfen, ob Backtest- und Live-Trading-Pipelines gleich funktionieren. Es vergleicht aufeinanderfolgende Stufen: Merkmale aus denselben Balken, Prognosen anhand dieser Merkmale, Signale bei…

BacktestingOrderausführungRisikomanagement
Machine Learning for Trading

Dieses Notebook erprobt einen Bereitstellungszyklus für ein Modell zur Prognose der Richtung von Krypto-Finanzierungsraten. Es trainiert einen LightGBM-Klassifikator anhand historischer, von Binance abgeleiteter Perpetual-Daten, ruft Live-Stundenbalken und…

KryptoPerpetual FuturesMaschinelles LernenOrderausführung
Machine Learning for Trading

Dieses Notebook erläutert, wie sich IEX-DEEP-Nachrichten auslesen und aggregierte Limit-Orderbücher für jede Preisebene führen lassen. Es extrahiert Aktualisierungen der Preisebenen, beste Geld- und Briefkurse sowie Handelsmeldungen und verwendet die daraus…

AktienMarktmikrostrukturOrderausführung
Machine Learning for Trading

Dieses Notebook prüft, ob eine Standard-Portfolioallokation eine NASDAQ-100-Handelsstrategie verbessern kann, die bei jedem Balken handelt und bereits durch Transaktionskosten belastet ist. Es wählt Prognosen anhand der Validierungsperformance im…

AktienPositionsgrößenbestimmungPortfolio-KonstruktionOrderausführung
Machine Learning for Trading

Dieses Notebook analysiert rekonstruierte NASDAQ-Limit-Orderbücher, um Intraday-Spreads und die Markttiefe an der besten Geld- und Briefseite zu beschreiben. Anschließend untersucht es, ob ein Ungleichgewicht im Orderflow mit nachfolgenden Renditen in…

MarktmikrostrukturAktienStatistikOrderausführung
Machine Learning for Trading

Dieses Notebook stellt eine Brücke für die Bereitstellung zwischen einer Offline-Pipeline für maschinelles Lernen und der Handels-Engine LEAN von QuantConnect vor. Es wählt reproduzierbar einen Modelllauf aus einer Registry aus, exportiert dessen…

Maschinelles LernenPortfolio-KonstruktionOrderausführungBacktesting
Machine Learning for Trading

Diese Analyse prüft, ob tägliche Options- und Aktiendaten eine wöchentliche S&P-500-Strategie stützen können, die die Bestandteile nach der impliziten Volatilität am Geld mit einer Laufzeit von dreißig Tagen sortiert und die am höchsten eingestuften Aktien…

AktienOptionenVolatilitätBacktesting
Machine Learning for Trading

Diese Studie wandelt registrierte Modellprognosen in vergleichbare S&P-500-Optionsstrategien um. An wöchentlichen Entscheidungstagen ordnet sie prognostizierte Renditen, filtert nach einem liquiden Anlageuniversum und verkauft gleich gewichtete…

OptionenAktienBacktestingOrderausführung
Machine Learning for Trading

Dieses Notebook führt die Ergebnisse aus neun Marktfallstudien in einem mehrstufigen Prüfprozess für Strategien zusammen. Es prüft nacheinander, ob ein Modell einen positiven Informationskoeffizienten aufweist, seine ausgewählte Konfiguration einen positiven…

BacktestingStatistikRisikomanagementOrderausführung
Machine Learning for Trading

Dieses Notebook entwickelt einen einheitenbewussten Rahmen zur Schätzung von Handelskosten für Aktien, Krypto-Perpetuals, Futures, ETFs und Devisen. Es unterscheidet zwischen Aktienvolumen, Kontraktvolumen, Basiswertvolumen und Preisaktualisierungen.…

OrderausführungMarktmikrostrukturRisikomanagementBacktesting
Machine Learning for Trading

Das Dokument beschreibt eine gemeinsame Zustandsmaschine für automatisierte Handelsstopps mit den Zuständen geschlossen, offen und halboffen. Dieser Ablauf wird auf vier Bedingungen angewandt: Portfolio-Drawdown, Tagesverlust, aufeinanderfolgende…

RisikomanagementOrderausführungStatistik
Machine Learning for Trading

Dieses Notebook vermittelt, wie sich binäre Nachrichten von NASDAQ TotalView-ITCH dekodieren und als strukturierte Daten für spätere Microstructure-Analysen speichern lassen. Es erklärt Nachrichtenrahmung, Felder mit fester Breite, Big-Endian-Werte,…

MarktmikrostrukturAktienOrderausführung
Machine Learning for Trading

Dieses Notebook vergleicht pandas und Polars anhand von Operationen in Finanzdaten-Pipelines, darunter rollierende Berechnungen, gruppierte OHLCV-Zusammenfassungen, Fensterstatistiken, Filter, Joins, verzögerte Datei-Scans, Speicherbedarf und…

StatistikOrderausführungBacktesting
Machine Learning for Trading

Dieses Notebook erstellt minütliche Features aus NASDAQ-100-Kursnotierungen und Handelsdaten, um kurzfristigen Kursdruck zu untersuchen. Es behandelt die normalisierte Orderflow-Imbalance als wichtigsten Signalkandidaten und nutzt Spread, Markttiefe,…

AktienMarktmikrostrukturOrderausführungTechnische Indikatoren
Machine Learning for Trading

Diese Fallstudie erstellt minutengenaue Merkmale aus NASDAQ-100-Quote- und Transaktionsdaten, um zu untersuchen, ob jüngste aggressive Käufe oder Verkäufe kurzfristige Kursdrifts vorhersagen. Orderflow-Imbalance ist das vorgeschlagene Signal; Spread,…

AktienMarktmikrostrukturMomentumTechnische Indikatoren
Machine Learning for Trading

Dieses Notebook erstellt mehrere Stichprobenverfahren aus einem einzelnen Handelstag mit NASDAQ ITCH-Transaktionen einer Aktie: zeitbasierte, Tick-, Volumen-, Dollar-, Imbalance- und Run-Balken. Es vergleicht ihre statistischen Eigenschaften, darunter…

AktienMarktmikrostrukturStatistikOrderausführung
Machine Learning for Trading

Dieses Kapitel behandelt Transaktionskosten als Einschränkung während der gesamten Strategieentwicklung und -umsetzung – von der Faktorevaluierung und dem Backtesting über die Portfoliozusammenstellung und Risikoüberwachung bis zur Produktionskontrolle. Es…

OrderausführungMarktmikrostrukturBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook untersucht, wie Zeit-, Tick-, Volumen-, Dollar- und Imbalance-Bars anhand mehrerer Handelssitzungen mit NVDA-Handelsdaten auf Auftragsebene kalibriert werden. Es filtert die Trades auf die regulären Handelszeiten, verwendet die…

AktienMarktmikrostrukturStatistikOrderausführung
Machine Learning for Trading

Dieses Notebook prüft, ob historische ETF-Daten eine monatliche Rangfolgestrategie unterstützen können, bevor ein Modell angepasst oder Prognosen erstellt werden. Es prüft das handelbare Universum anhand der Liquidität des Vorjahres, zählt die zulässigen…

Multi-AssetBacktestingOrderausführungRisikomanagement