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

424 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 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 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

Diese Fallstudie beschreibt die Erstellung eines Prognosedatensatzes außerhalb der Stichprobe für ein bereits ausgewähltes Modell für S&P-500-Optionen. Die Konfiguration für die Testperiode wird anhand von Validierungsergebnissen festgelegt und anschließend…

OptionenMaschinelles LernenBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook stellt einfache Falsifikationsdiagnosen zur Prüfung von Merkmalen vor und unterscheidet ausdrücklich zwischen der Vereinbarkeit mit einem Mechanismus und kausaler Identifikation. Zunächst prüft es ETF-Merkmale über Horizonte zukünftiger…

Maschinelles LernenStatistikMomentumVolatilität
Machine Learning for Trading

Dieses Notebook untersucht Labels für überwachtes Lernen anhand von ETF-Kursdaten. Es behandelt Renditen über feste Horizonte für Regression oder Richtungsklassifikation, rollierende Zeitreihenperzentile, querschnittliche Perzentil-Labels,…

Maschinelles LernenAktienVolatilitätRisikomanagement
Machine Learning for Trading

Dieses Notebook vergleicht gelernte und analytische Absicherungen für einen leerverkauften europäischen Call bei diskretem Rebalancing und proportionalen Handelskosten. Es definiert den selbstfinanzierenden End-P&L aus Absicherungsgewinnen,…

OptionenBewertung von DerivatenVolatilitätRisikomanagement
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 zeigt, wie makroökonomische Beobachtungen den Daten zugeordnet werden, an denen Händler tatsächlich darüber verfügen konnten. Es unterscheidet den Zeitraum, den ein Wert misst, von seinem Veröffentlichungsdatum, schätzt Veröffentlichungsdaten…

Multi-AssetBacktestingStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook schätzt mithilfe von Double Machine Learning den bereinigten Effekt eines kontinuierlichen ETF-Momentummaßes auf zukünftige Renditen. Es vergleicht eine unbereinigte Regression mit DML-Schätzungen, die jüngere und längerfristige Volatilität,…

AktienMomentumMaschinelles LernenStatistik
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 Hilfsprogramm erstellt Label-Artefakte für 500-Optionsstraddles, wobei bei Einstieg und Ausstieg dasselbe Symbol, derselbe Strike und derselbe Verfall verwendet werden. Es ordnet Merkmalsdaten den folgenden Marktsitzungen zu, legt Ausstiegstermine…

OptionenBewertung von DerivatenBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook wendet positionsbezogene Risikokontrollen auf führende ETF-Allokationskombinationen an und hält dabei jede zugrunde liegende Prognose, Konzentration und Allokationsmethode konstant. Es vergleicht Stop-Losses, Trailing Stops und zeitbasierte…

AktienRisikomanagementBacktestingPositionsgrößenbestimmung
Machine Learning for Trading

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…

Maschinelles LernenFaktorinvestierenRisikomanagement
Machine Learning for Trading

Dieses Notebook fragt Backtest-Register aus neun Fallstudien ab und erstellt vergleichbare Tabellen für nachgelagerte Analysen. Es ordnet Ergebnisse nach Anlageklasse und Datenfrequenz und erfasst die Performance über die Phasen Signal, Allokation, Kosten…

BacktestingStatistikPortfolio-KonstruktionRisikomanagement
Machine Learning for Trading

Dieses Dokument beschreibt einen einjährigen Out-of-Sample-Backtest von S&P-500-Options-Straddles. Verwendet werden Prognosen eines auf Daten vor dem Holdout erneut trainierten Modells sowie die zuvor ausgewählte Strategie, Allokation, Konzentration, der…

OptionenBacktestingRisikomanagementUS-Märkte
Machine Learning for Trading

Dieses Notebook spezifiziert und führt eine Double-Machine-Learning-Analyse zum Effekt der Varianzrisikoprämie auf Renditen von Short-Optionen bis zum Verfall durch. Vor der Ausführung legt es Behandlung, Ergebnisgröße, Störfaktoren, Zeitablauf, Störmodell,…

OptionenVolatilitätMaschinelles LernenStatistik
Machine Learning for Trading

Das Dokument erläutert, wie ein Experimentregister ein Modell von seiner Trainingskonfiguration über Prognosen bis zu Backtestergebnissen nachverfolgen kann. Jede Phase erhält eine Kennung, die aus einer kanonisierten Spezifikation abgeleitet wird. So…

Maschinelles LernenStatistikBacktestingRisikomanagement
Machine Learning for Trading

Dieses Kapitel beschreibt den Portfolioaufbau als Umwandlung von Renditeprognosen, Risikoschätzungen und Beschränkungen in Gewichtungen, Hebel und Rebalancing-Entscheidungen. Es skizziert einen Forschungsablauf, der Allokationsentscheidungen dokumentiert,…

Portfolio-KonstruktionRisikomanagementPositionsgrößenbestimmungBacktesting
Machine Learning for Trading

Dieses Notebook erläutert, wie sich Ausstiege auf Positionsebene bewerten und mit portfolioweiten Kontrollen kombinieren lassen. Feste Stop-Loss-, Take-Profit- und zeitbasierte Ausstiege werden mit nachziehenden und enger werdenden Stops verglichen; ein…

RisikomanagementPositionsgrößenbestimmungBacktestingPortfolio-Konstruktion
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

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 zeigt das Rademacher-Anti-Serum-Protokoll, mit dem sich berücksichtigen lässt, dass aus einer Klasse getesteter Strategien ein Gewinner ausgewählt wird. Es schätzt die empirische Komplexität anhand der Performance-Pfade der Kandidaten und…

BacktestingStatistikRisikomanagement