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

23 Dokumente

Machine Learning for Trading

Dieses Notebook erstellt ein tägliches Merkmals-Panel für eine Long-Short-Rangstrategie über zwanzig FX-Paare. Es fasst vierstündige Kassakursbalken zu Sitzungen zusammen, die mit dem Rollover um 5 PM in New York enden, und erstellt daraus nachlaufende…

DevisenhandelSpotmärkteRückkehr zum MittelwertMomentum
Machine Learning for Trading

Dieser Datensatzleitfaden stellt Preis- und Volumendaten zu Binance-Perpetual-Futures zusammen mit einem achtstündlichen Prämienindex vor. Stündliche OHLCV-Datensätze beschreiben die Marktaktivität, während die Prämie die Differenz zwischen Perpetual- und…

KryptoPerpetual FuturesSpotmärkteCarry
Machine Learning for Trading

Diese Kapitelbesprechung beschreibt einen hypothesengeleiteten Prozess zur Definition von Handelsstrategien vor dem Backtesting. Sie verbindet dokumentierte Datenannahmen und unveränderliche Konfigurationen mit explorativer Analyse, Ereignisstudien und einem…

MomentumRückkehr zum MittelwertStatistikBacktesting
Machine Learning for Trading

Dieses Notebook erläutert, wie sich künftige Spotrenditen über eine, fünf und 21 Sitzungen für ein festes Universum von FX-Paaren berechnen lassen. Zunächst ordnet es Vier-Stunden-Balken mithilfe eines New Yorker Tageswechselkalenders Handelssitzungen zu und…

DevisenhandelSpotmärkteMomentumRückkehr zum Mittelwert
Machine Learning for Trading

Das Notebook stellt eine Berichtsmethode für eine Long-only-RSI-Mean-Reversion-Strategie auf BTC vor. Es vergleicht Brutto- und Nettoperformance und misst die Strategie anschließend an Buy-and-Hold mit denselben Handelstagen, demselben Exposure, derselben…

KryptoRückkehr zum MittelwertTechnische IndikatorenBacktesting
Machine Learning for Trading

Diese Konfiguration beschreibt eine tägliche Long-Short-Strategie über 20 FX-Paare. Sie legt einen Entscheidungszeitpunkt zum New Yorker Börsenschluss, Ausführung am nächsten Balken, gleich gewichtete Positionsgrößen und Rangfolgesignale auf Basis von…

DevisenhandelMomentumCarryRückkehr zum Mittelwert
Machine Learning for Trading

Das Dokument zeigt einen VectorBT-Ablauf für eine Long-only-Bitcoin-RSI-Mean-Reversion-Regel. Es berechnet RSI anhand täglicher Schlusskurse, eröffnet eine Position, wenn der Wert des Vortags unter einen unteren Schwellenwert fällt, und schließt sie, wenn er…

KryptoRückkehr zum MittelwertTechnische IndikatorenBacktesting
Machine Learning for Trading

Dieses Notebook implementiert eine Long-only-RSI-Mean-Reversion-Regel für BTC/USDT-Perpetuals mit einer ereignisgesteuerten Backtesting-Engine. Es fasst untertägige Balken zu täglichen OHLCV-Daten in UTC zusammen, berechnet einen rollierenden RSI aus…

KryptoPerpetual FuturesRückkehr zum MittelwertTechnische Indikatoren
Machine Learning for Trading

Dieses Notebook erklärt, wie Labels für zukünftige Kursrenditen in einem Panel aus Krypto-Perpetuals mit achtstündigen Intervallen erstellt werden. Es verschiebt die Zeitstempel der Balkenöffnung auf den Zeitpunkt, zu dem Daten eines abgeschlossenen Balkens…

KryptoPerpetual FuturesRückkehr zum MittelwertStatistik
Machine Learning for Trading

Dieses Dokument entwickelt ein tägliches Merkmals-Panel zur Rangordnung von zwanzig Währungspaaren zum New Yorker Schlusskurs um 5 PM. Es unterscheidet rangfähige Signale wie standardisierte Renditen über mehrere Zeithorizonte und die Kanalposition von…

DevisenhandelRückkehr zum MittelwertMomentumVolatilität
Machine Learning for Trading

Dieses Notebook erweitert eine Merkmalsbewertung für ETF von einem einzelnen Renditehorizont auf eine Untersuchung von zehn Merkmalen und drei Horizonten und korrigiert für Mehrfachtests. Anschließend wendet es mechanismusbasierte Diagnosen auf Momentum mit…

Multi-AssetMomentumRückkehr zum MittelwertStatistik
Machine Learning for Trading

Dieses Notebook führt vektorisiertes Backtesting mit VectorBT anhand einer Long-only-Mean-Reversion-Regel RSI auf Marktdaten zu Bitcoin-Perpetuals ein. Es berechnet einen auf Schlusskursen basierenden RSI, eröffnet Positionen, wenn der Wert des Vortags unter…

KryptoPerpetual FuturesRückkehr zum MittelwertTechnische Indikatoren
Machine Learning for Trading

Diese Fallstudie bewertet tägliche querschnittliche Signale in einem breiten US-Aktienuniversum und beschreibt eine umfangreiche Forschungspipeline: von zeitpunktgenauen Daten und entwickelten Features über Modellvergleiche und Portfoliokonstruktion bis hin…

AktienMaschinelles LernenMomentumRückkehr zum Mittelwert
Machine Learning for Trading

Dieses Notebook erläutert paarweise und querschnittliche Merkmale anhand von ETF-Panels. Es vergleicht die Kointegrationstests nach Engle–Granger und Johansen und unterscheidet einen stationären Spread von einfacher gemeinsamer Bewegung. Das Beispiel mit…

Pairs-TradingRückkehr zum MittelwertStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook prüft, ob vier Strategien verwalteter Portfolios SPY-Renditen erklären, wenn die gemeinsame Bewegung breiter ETF kontrolliert wird. Die Strategien ordnen ETFs anhand verzögerten Momentums, der Volatilität oder jüngster Renditen. Zehn…

FaktorinvestierenMaschinelles LernenStatistikMomentum
Machine Learning for Trading

Das Dokument erläutert ein temporales Faltungsnetzwerk zur Prognose von Funding-Prämien bei Krypto-Perpetuals anhand eines Fensters von 60 Abrechnungen. Vier kausale Faltungsblöcke verwenden einen Kernel der Größe drei und Dilatationen von 1, 2, 4 und 8. Ihr…

KryptoPerpetual FuturesMaschinelles LernenRückkehr zum Mittelwert
Machine Learning for Trading

Dieses Dokument beschreibt einen Datensatz und Ablauf zur Untersuchung von Kryptowährungs-Perpetual-Futures zusammen mit ihrem Prämienindex. Es umfasst stündliche OHLCV-Beobachtungen und Prämienmessungen im Acht-Stunden-Takt für ein festgelegtes Universum…

KryptoPerpetual FuturesFuturesArbitrage
Machine Learning for Trading

Diese Konfiguration legt einen Research-Workflow für eine Long-Short-Strategie mit Krypto-Perpetual-Futures fest. Sie definiert ein nach Volumen ausgewähltes Anlageuniversum mit 19 Assets, Entscheidungen im Rhythmus der achtstündigen Funding-Abrechnungen und…

KryptoPerpetual FuturesCarryRückkehr zum Mittelwert
Machine Learning for Trading

Dieses Notebook wendet konfigurierte Stop-Loss-, Trailing-Stop- und zeitbasierte Ausstiegsregeln auf das stärkste nach Validierung gereihte Signal oder die stärkste Allokationsstrategie für jeden Futures-Renditehorizont an. Jede Regel wird für sich auf ihrer…

FuturesCarryRückkehr zum MittelwertRisikomanagement
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 Fallstudie erklärt, wie Forward-Return-Labels für eine querschnittliche Devisenstrategie erstellt werden, die Währungspaare ordnet und entsprechend ihrer relativen Platzierung kauft oder verkauft. Zunächst ordnet sie Vier-Stunden-Spot-Bars anhand der…

DevisenhandelSpotmärkteMomentumRückkehr zum Mittelwert
Machine Learning for Trading

Dieses Notebook implementiert eine ausschließlich long ausgerichtete RSI-Mean-Reversion-Regel für unbefristete BTC/USDT-Kontrakte auf Basis eines ereignisgesteuerten Backtesting-Systems. Es fasst untertägige Beobachtungen zu täglichen UTC-Balken zusammen,…

KryptoPerpetual FuturesRückkehr zum MittelwertTechnische Indikatoren
Machine Learning for Trading

Dieses Notebook entwickelt Merkmale, die mehrere Asset-Zeitreihen erfordern. Es vergleicht Engle-Granger- und Johansen-Tests auf Kointegration, erläutert, warum gemeinsame Bewegung allein keinen stationären Spread bedeutet, und schätzt Hedge Ratios sowohl…

Multi-AssetPairs-TradingRückkehr zum MittelwertStatistik