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

75 Dokumente

Machine Learning for Trading

Dieses Notebook beschreibt einen Backtest außerhalb der Stichprobe für eine ausgewählte Krypto-Perpetual-Funding-Strategie. Es verwendet Prognosen aus einer Trainingshistorie, die vor dem Holdout-Zeitraum endet, und wendet anschließend die gewählte…

KryptoPerpetual FuturesCarryBacktesting
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 untersucht, wie Ridge, Lasso und Elastic Net wirken, wenn eine Merkmalsmatrix für Krypto-Perpetuals eine ökonomische Größe – die Prämie – auf viele verschiedene Arten misst. Die Eingaben werden von Prämienniveaus, Änderungen, Volatilität,…

KryptoPerpetual FuturesMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Dokument beschreibt den Datenzugriff und die Konventionen zur zeitlichen Ausrichtung für Krypto-Perpetual-Futures und zugehörige On-Chain-Reihen. Es erläutert, dass Premium-Index-Balken mit ihrem Eröffnungszeitpunkt als Zeitstempel versehen sind: Ein…

KryptoPerpetual FuturesOn-Chain-DatenDeFi
Machine Learning for Trading

Dieses Notebook entwickelt eine Ausstiegsstrategie mit zwei Modellen für stündliche Krypto-Perpetuals. Ein Einstiegsklassifikator erkennt ungewöhnlich starke zukunftsgerichtete Renditen, während ein Ausstiegsklassifikator prognostiziert, ob die nächste…

KryptoPerpetual FuturesMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook erstellt eine simulierte Market-Making-Aufgabe, in der ein Proximal-Policy-Optimization-Agent Quote-Skew und Spread-Breite wählt. Die Umgebung nutzt einen GARCH-Volatilitätsprozess, der auf stündliche Renditen von Krypto-Perpetual-Futures…

Market-MakingMaschinelles LernenKryptoPerpetual Futures
Machine Learning for Trading

Dieses Dokument beschreibt ein Nebenbuch zur Verbuchung von Funding-Zahlungsströmen für Positionen in Perpetual Futures während eines Backtests. Zu jedem Funding-Zeitstempel berechnet es anhand der vorzeichenbehafteten Positionsmenge, des aktuellen…

Perpetual FuturesBacktestingBewertung von DerivatenRisikomanagement
Machine Learning for Trading

Diese Datenanalyse untersucht achtstündige Beobachtungen eines Prämienindex für USDT-besicherte Krypto-Perpetual-Kontrakte und erläutert den Zusammenhang zwischen Prämie und Funding-Zahlungen. Der Index verwendet ausführbare Impact-Bid- und -Ask-Kurse im…

KryptoPerpetual FuturesArbitrageCarry
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 Fallstudie schätzt lineare Modelle zur Vorhersage von Renditen und Richtung bei Krypto-Perpetual-Futures. Die Merkmalsmatrix wird von Varianten des Perpetual-Aufschlags dominiert, der Differenz zwischen Kontrakt- und Kassakurs, die Funding-Zahlungen…

KryptoPerpetual FuturesMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook prüft Finanz- und modellbasierte Merkmale auf ihren Zusammenhang mit der Rendite der nächsten acht Stunden bei Krypto-Perpetual-Kontrakten. Für jeden Abrechnungstermin berechnet es querschnittliche Spearman-Korrelationen über geeignete…

KryptoPerpetual FuturesMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook trainiert einen einfachen Autoencoder mit stündlichen Renditen eines Korbs von Krypto-Perpetual-Märkten. Die Renditen werden anhand des Trainingszeitraums standardisiert, und ein neuronales Netz komprimiert die Eingabe mit mehreren Assets vor…

KryptoMaschinelles LernenStatistikVolatilität
Machine Learning for Trading

Dieser Prüfdatensatz legt fest, wie mehrere Backtesting-Frameworks mit ML4T anhand realer Strategiefallstudien und eines synthetischen Stresstests verglichen werden. Er definiert Vergleichsregeln für geordnete Ausführungen, Zeitstempel, Kontogeldwerte,…

BacktestingOrderausführungMarktmikrostrukturFutures
Machine Learning for Trading

Dieses Notebook definiert zukunftsgerichtete Preisrenditelabels für ein festes Panel von Krypto-Perpetual-Kontrakten und erläutert, wie die Labelkonstruktion jedes spätere Modell und jeden Backtest beeinflusst. Es verschiebt Zeitstempel des Balkenbeginns auf…

KryptoPerpetual FuturesBacktestingStatistik
Machine Learning for Trading

Dieses Notebook untersucht, ob Sequenzmodelle handgefertigte Zusammenfassungen der Funding-Prämienhistorie bei Perpetual Futures verbessern können. Es vergleicht NLinear, ein einfaches lineares Modell, das ein geordnetes Fenster verarbeitet, mit einem…

KryptoMaschinelles LernenPerpetual FuturesBacktesting
Machine Learning for Trading

Diese Analyse wählt eine Konfiguration aus einem eingefrorenen Pool von Krypto-Perpetual-Futures-Kandidaten mit vier Vorhersagelabels und mehreren Strategiestufen aus. Sie wählt den höchsten Validierungs-Sharpe und behandelt Label, Aufteilung und…

KryptoPerpetual FuturesStatistikBacktesting
Machine Learning for Trading

Dieses Notebook untersucht sechs Allokationsmethoden für ausgewählte Konfigurationen von Krypto-Perpetual-Strategien. Rangfolgen und Einstiegsregeln bleiben fest, während sich das den einzelnen Positionen zugewiesene Kapital ändert. Die Methoden verwenden…

KryptoPerpetual FuturesPositionsgrößenbestimmungPortfolio-Konstruktion
Machine Learning for Trading

Diese Analyse erklärt, wie der Premium-Index von Binance für Perpetual-Futures mit Spotpreisen zusammenhängt und wie die Börse diese Prämie in regelmäßige Funding-Zahlungen umwandelt. Der Index verwendet ausführbare Impact-Bid- und Ask-Preise im Verhältnis…

KryptoPerpetual FuturesCarryArbitrage
Machine Learning for Trading

Dieses Notebook beschreibt, wie eine ausgewählte Funding-Strategie für Krypto-Perpetuals in einem späteren Holdout-Zeitraum bewertet wird. Es verwendet Prognosen wieder, die mit vor dem Holdout endenden Trainingsdaten erzeugt wurden, führt das gewählte…

KryptoPerpetual FuturesCarryBacktesting
Machine Learning for Trading

Das Notebook trainiert einen einfachen Autoencoder mit standardisierten Stundenrenditen einer Gruppe von Krypto-Perpetual-Märkten. Der Encoder komprimiert den anlageklassenübergreifenden Renditevektor in eine zweidimensionale latente Darstellung, und der…

KryptoPerpetual FuturesMaschinelles LernenVolatilität
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

Diese Fallstudie wählt eine Konfiguration aus einem eingefrorenen Pool von Krypto-Perpetual-Futures-Strategien aus, der verschiedene Rendite- und Richtungslabels, Methoden zur Portfolioallokation und Risiko-Overlays umfasst. Sie wählt die höchste…

KryptoPerpetual FuturesBacktestingStatistik