Dieses Tutorial führt die Maximum-Likelihood-Schätzung anhand von Normal- und Exponentialverteilungen ein. Für eine Normalstichprobe leitet es Schätzwerte für Mittelwert und Standardabweichung her und vergleicht sie mit den Schätzwerten einer Bibliothek. Bei…
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
44 Dokumente
Dieses Tutorial erklärt, wie ein Modell historische Beobachtungen genau abbilden kann, indem es das Rauschen statt des zugrunde liegenden Prozesses lernt. Es nennt kleine Stichproben und übermäßige Modellkomplexität als häufige Ursachen. Anhand einer…
Dieses Tutorial erklärt, wie bedingte Volatilität in einem ARCH- oder GARCH-Prozess Renditereihen mit schwereren Verteilungsschwänzen als eine Normalverteilung erzeugen kann. Es simuliert eine GARCH(1,1)-Reihe, vergleicht deren Randverhalten mit…
Dieses Einführungstutorial zeigt, wie Sie Jupyter-Notebooks für quantitative Analysen nutzen. Es erklärt den Unterschied zwischen Code- und Textzellen, das Ausführen von Zellen und die Ausgabe von Ergebnissen, das Importieren gängiger Analyse- und…
Die Vorlesung beschreibt, wie Transaktionskosten die Strategieperformance beeinflussen und wie institutionelle Handelsteams die Ausführung beurteilen. Sie unterscheidet explizite Provisionen und Gebühren von indirekten Kosten wie Spread und Marktauswirkung.…
Das Dokument erklärt die multiple lineare Regression als Methode, ein Ergebnis mithilfe mehrerer Einflussgrößen zu modellieren. Die Methode der kleinsten Quadrate wählt Koeffizienten, indem sie die quadrierten Vorhersagefehler minimiert. Jeder Koeffizient…
Dieses Tutorial führt NumPy-Arrays und lineare Algebraoperationen ein, die in der quantitativen Finanzanalyse verwendet werden. Es erklärt Array-Dimensionen und -Formen, Indizierung, Slicing und elementweise Funktionen und wendet sie anschließend auf…
Diese Lektion nutzt ein Faktormodell, um das Portfoliorisiko in gemeinsame Faktorrisiken und anlagenspezifische Risiken aufzuteilen. Sie erstellt Renditen für Markt-, Größen- und Value-Faktoren, schätzt mithilfe einer Regression die Faktorengagements jeder…
Diese Lektion führt Pairs Trading als Ansatz ein, um eine vermutete wirtschaftliche Beziehung zwischen zwei Wertpapieren zu handeln. Sie unterscheidet Kointegration von Korrelation, veranschaulicht beide Konzepte anhand simulierter Reihen und beschreibt, wie…
Diese Einführung erklärt grundlegende Python-Konzepte, die Ihnen helfen, Code für quantitative Finanzen zu verstehen. Sie behandelt Kommentare, Variablen und gängige Datentypen, einfache Arithmetik, Listen und Tupel, Indizierung und Slicing sowie den…
Die Vorlesung erklärt, wie Regressionsresiduen – die Differenzen zwischen beobachteten und prognostizierten Werten – Aufschluss darüber geben können, ob die Annahmen eines linearen Modells plausibel sind. Ein Residuenplot sollte eine strukturlose Wolke um…
Die Vorlesung stellt einen Ablauf vor, mit dem sich prüfen lässt, ob ein Aktienfaktor die Aktien nach ihrer künftigen relativen Wertentwicklung einordnet. Im Momentum-Beispiel wird die Kursveränderung über einen langen Rückblickzeitraum gemessen, wobei der…
Die Vorlesung stellt die Hauptkomponentenanalyse als Methode vor, eine große Matrix mit einer kleineren Zahl orthogonaler Komponenten zusammenzufassen, die einen großen Teil ihrer Variation erfassen. Ein synthetisches Bild veranschaulicht die Zerlegung der…
Diese Vorlesung behandelt Parameterschätzungen als unsichere Größen, die sich mit neuen Beobachtungen oder je nach Stichprobenzeitraum verändern können. Sie schlägt vor, diese Instabilität zu messen, indem eine Statistik für mehrere Teildatensätze geschätzt…
Diese Vorlesung erklärt, wie Verletzungen von Regressionsannahmen Parameterschätzungen und statistische Schlussfolgerungen beeinflussen und warum Residuenanalysen auch bei komplexen Modellen hilfreich sind. Sie behandelt nicht normalverteilte Residuen und…
Diese Vorlesung gibt einen Überblick darüber, wie ein Regressionsmodell falsch spezifiziert werden kann und wie sich diese Entscheidungen auf Schätzungen und Prognosen auswirken. Wird eine mit den enthaltenen Einflussgrößen korrelierte Variable ausgelassen,…
Diese Vorlesung erklärt, warum Mittelwert und Varianz allein eine Renditeverteilung nicht beschreiben. Die Schiefe erfasst die Asymmetrie und Richtung eines längeren Verteilungsschwanzes; die Kurtosis beschreibt im Vergleich zu einer Normalverteilung die…
Diese Vorlesung erklärt, wie ein Stichprobenmittelwert den Populationsmittelwert schätzen kann und wie ein Konfidenzintervall dessen Unsicherheit ausdrückt. Sie leitet den Standardfehler aus der Streuung und Größe der Stichprobe ab und beschreibt…
Diese Vorlesung stellt lineare Regression als Verfahren vor, um zu schätzen, wie sich eine Ergebnisvariable mit einer oder mehreren erklärenden Variablen verändert. Im Marktbeispiel werden die täglichen Renditen einer Aktie auf die einer anderen regressiert;…
Dieses Tutorial führt pandas Series und DataFrames als Strukturen zum Organisieren, Filtern, Transformieren und Analysieren von Finanzdaten ein. Series enthalten beschriftete eindimensionale Daten; DataFrames ordnen mehrere Spalten einem gemeinsamen Index…
Diese Vorlesung erklärt, wie Zufallsvariablen unsichere Ergebnisse darstellen und wie Wahrscheinlichkeitsverteilungen ihr Verhalten beschreiben. Sie unterscheidet diskrete Ergebnisse, die durch eine Wahrscheinlichkeitsfunktion zusammengefasst werden, von…
Diese Vorlesung untersucht, warum sich Regressionskoeffizienten zwischen Stichproben deutlich verändern können und dadurch die Zuverlässigkeit eines Modells für neue Daten begrenzt ist. Anhand einfacher Beispiele zur linearen Regression zeigt sie, wie kleine…
Diese Vorlesung führt Faktormodelle als Regressionen ein, die Renditen eines Vermögenswerts mithilfe anderer Renditezeitreihen erklären. Sie schätzt das Beta eines Vermögenswerts gegenüber einer Benchmark anhand historischer Renditen. Anschließend nutzt sie…
Diese Vorlesung erklärt Hebelwirkung als Kreditaufnahme, um das in einer Handelsstrategie eingesetzte Kapital zu erhöhen. Sie definiert die Hebelquote und zeigt anhand von Einperiodenbeispielen, wie geliehene Mittel Gewinne verstärken können, während Zinsen…