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

7 Dokumente

Machine Learning for Trading

Dieses Notebook erläutert ein lokales lineares Trend-Zustandsraummodell, mit dem sich Finanzmerkmale aus Kursniveaus ableiten lassen. Der verborgene Zustand umfasst ein Kursniveau und seine Steigung; die beobachteten Schlusskurse sind verrauscht. In jedem…

AktienStatistikTechnische IndikatorenPairs-Trading
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 überführt Rangfolgen von Währungspaar-Prognosen in eine gehandelte Baseline. Zu jedem Entscheidungszeitpunkt bildet es Long- und Short-Portfolios mit gleicher Anzahl von Paaren aus den höchst- und niedrigstplatzierten Paaren und bewertet sie…

DevisenhandelPairs-TradingBacktestingPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook erklärt Kalman-Filter als Methode, um Merkmale aus Finanzpreisen abzuleiten. Ein lokaler linearer Trendzustand erfasst sowohl ein latentes Preisniveau als auch dessen Steigung, während ein Beobachtungsmodell verrauschte Schlusskurse…

AktienTechnische IndikatorenStatistikPairs-Trading
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