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.
129 Dokumente
Das Dokument erläutert, wie ein stochastischer Diskontfaktor (SDF) einen Preiskern schätzt, der jedes Asset bewerten sollte, statt gemeinsame Renditefaktoren zu schätzen. Es beschreibt adversariales Training: Ein Netzwerk schlägt den Diskontfaktor vor,…
Dieses Notebook verwendet Optuna, um XGBoost, LightGBM und CatBoost anhand eines zeitlich aufgeteilten Datensatzes mit Unternehmensmerkmalen abzustimmen. Bei jeder Bibliothek wird die Verlustfunktion – mittlerer quadratischer Fehler oder mittlerer absoluter…
Dieses Notebook erläutert eine Familie von ETF-Modellen, die Renditen anhand gemeinsamer latenter Richtungen darstellt und schätzt, wie Fondsmerkmale auf Exposures abgebildet werden. Es unterscheidet fünf Ansätze: unbedingte Hauptkomponenten, Instrumented…
Dieses Notebook veranschaulicht Instrumented PCA anhand eines synthetischen Anlagepanel. Dabei hängen Faktorladungen linear von Merkmalen ab, die vor den Renditen beobachtet werden. Abwechselnde Kleinste-Quadrate-Schätzungen ermitteln die Abbildung von…
Diese Referenz beschreibt akademische Faktor-Renditedatensätze aus der Fama-French-Bibliothek und von AQR für Strategieanalysen und Faktormodellierung. Zu den Daten von Fama-French gehören Reihen zu Markt, Größe, Value, Profitabilität, Investitionen und…
Dieses Notebook erläutert PCA als Basismodell latenter Faktoren zur Prognose von ETF-Renditen. Es zerlegt ein Trainingspanel zukünftiger Renditen in die führenden Richtungen und schätzt das Exposure jedes Fonds sowie die Faktorprämien. Der Schätzer ignoriert…
Dieses Notebook erläutert, wie ein bedingter Autoencoder die instrumentierte Hauptkomponentenanalyse (IPCA) erweitert: Er behält die zweistufige Struktur bei, in der Fondsmerkmale auf latente Faktorbelastungen abgebildet und diese mit Faktorrenditen…
Dieses Notebook ordnet eine Familie von ETF-Renditemodellen ein, die gemeinsame latente Richtungen in einem Panel ableiten und Merkmale zur Schätzung von Fondsrisiken verwenden. Es unterscheidet fünf Ansätze: unbedingte Hauptkomponenten; instrumentierte PCA…
Dieses Notebook zeigt, warum die Suche über viele Signale oder Strategien das beste beobachtete Ergebnis stärker erscheinen lässt, als es seinem tatsächlichen Prognosewert entspricht. Eine Simulation mit Faktoren ohne echte Information veranschaulicht, wie…
Dieses Notebook erläutert, wie ein veröffentlichtes, querschnittlich rangiertes US-Unternehmensmerkmal-Panel in eine Feature-Matrix mit Schlüsseln für eine Faktorenstudie überführt wird. Es gruppiert Eingaben in festgelegte Familien, kombiniert Merkmale und…
Das Dokument beschreibt, wie eine Trading-Forschungspipeline prüft, ob Anpassungen von Modellen mit latenten Faktoren in einem verwendbaren Zustand abgeschlossen wurden. Bei Modellen, die mit Gradientenabstieg trainiert wurden, wird geprüft, ob das zuletzt…
Dieses Notebook beschreibt ein Modell mit stochastischem Diskontierungsfaktor (SDF) zur Bewertung der Querschnittsrenditen von US-Unternehmen. Statt zunächst Faktoren zu schätzen und anschließend anzuwenden, lernt es direkt Gewichte für Unternehmen und…
Dieses Notebook bewertet vier aus Nachrichten abgeleitete Signale – gewichtete Überraschung, durchschnittliche Stimmung, Stimmungsänderung und Artikelabdeckung – anhand künftiger Aktienrenditen. Es berechnet täglich einen Spearman-Informationskoeffizienten…
Diese Analyse vergleicht Prognosen verschiedener Modellfamilien, die mit monatlichen Merkmalen von US-Aktien trainiert wurden, um Renditen für den Folgemonat vorherzusagen. Im Mittelpunkt steht der Informationskoeffizient im Querschnitt, der misst, wie gut…
Dieses Notebook vereint fünf Ansätze mit latenten Faktoren zur Modellierung des Querschnitts der Aktienrenditen in der S&P 500-Optionsfallstudie. PCA schätzt gemeinsame Bewegungen allein anhand der Renditen; IPCA bildet Merkmale linear auf Exposures ab; ein…
Dieses Notebook prüft, ob Finanz- und modellbasierte Merkmale Aktien nach Zukunftsrenditen ordnen können. Es berechnet täglich querschnittliche Information Coefficients, schätzt Unsicherheit unter Berücksichtigung serieller Abhängigkeiten, korrigiert die…
Dieses Notebook bewertet vier aus Nachrichtentext abgeleitete Signale: gewichtete Überraschung, durchschnittliche Stimmung, Stimmungsdynamik und Artikelabdeckung. Es verwendet zukünftige Renditen, die in einem früheren Schritt zur Merkmalsbildung vorbereitet…
Dieses Notebook erläutert, wie sich Renditen und Risiken von ETF anhand von CAPM- und Fama-French-Faktorregressionen zerlegen lassen. Es schätzt Engagements über die gesamte Stichprobe mit robusten Standardfehlern gegen Heteroskedastizität und…
Dieses Dokument erläutert ein überwachtes Autoencoder-Faktormodell zur Vorhersage von Aktienrenditen in einem Forschungsumfeld zur Analyse von Aktienoptionen. Anders als PCA, IPCA und ein unüberwachter bedingter Autoencoder kombiniert sein Trainingsziel die…
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…
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…
Dieses Notebook untersucht, ob veröffentlichte Investmentfaktoren glaubwürdige Renditeprämien bieten und einander diversifizieren. Es nutzt lange historische und anlageklassenübergreifende Reihen von AQR sowie Aktienfaktoren von Fama und French. Dabei kommen…
Dieses Notebook implementiert eine didaktische Anpassung eines adversativen stochastischen Diskontfaktormodells auf Tagesbasis. Ein Portfolio-Gewichtungsnetzwerk konstruiert anhand von Merkmalen und Marktinformationen, die zum vorherigen Börsenschluss…
Dieses Notebook führt eine festgelegte Strategie mit Aktienmerkmalen auf einem reservierten Holdout-Zeitraum aus und verwendet dabei zuvor ausgewählte Prognosen und einen Portfolio-Allokator. Konfiguration, Positionsgröße, Konzentration, Rebalancing-Takt und…