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

478 Dokumente

Machine Learning for Trading

Dieses Notebook untersucht Tickdaten zu Trades und Quotes von AlgoSeek für AAPL während des Marktcrashs am 16. März 2020. Es beschränkt die Daten auf reguläre Handelszeiten, trennt Trade-Meldungen von NBBO-Updates und analysiert die Intraday-Aktivität,…

AktienMarktmikrostrukturOrderausführungVolatilität
Machine Learning for Trading

Diese Analyse rekonstruiert einzelne NASDAQ-Limit-Orders aus ITCH-Nachrichten zu Hinzufügungen, Löschungen, Teilstornierungen, Ersetzungen und Ausführungen. Sie misst, ob Orders storniert oder ausgeführt werden und wie lange es bis zu diesen Ereignissen…

AktienMarktmikrostrukturOrderausführungHochfrequenzhandel
Machine Learning for Trading

Dieses Dokument beschreibt einen Benchmark für Datenbank-Engines zur Verarbeitung von Finanzzeitreihen. Verglichen werden Massenschreibvorgänge, vollständige Scans, Zeitbereichsabfragen, OHLCV-Aggregation und As-of-Verknüpfungen für Handels- und…

MarktmikrostrukturOrderausführungBacktestingStatistik
Machine Learning for Trading

Dieses Modul definiert eine monatliche ETF-Allokationsbaseline anhand eines risikoadjustierten Momentum-Scores: der kumulierten Rendite des Rückblickzeitraums geteilt durch die annualisierte realisierte Volatilität. Überschreitet die Steigung der Zinskurve…

AktienMulti-AssetMomentumVolatilität
Machine Learning for Trading

Diese Demonstration beschreibt den Betrieb einer kontinuierlich laufenden Krypto-Strategie, die mit einem USD-Spot-Broker verbunden ist. Sie überträgt ein größeres Universum aus einer Perpetual-Futures-Fallstudie auf die kleinere Auswahl verfügbarer…

KryptoPerpetual FuturesSpotmärkteMomentum
Machine Learning for Trading

Diese NASDAQ-100-Fallstudie untersucht, ob 15-Minuten-Mikrostruktursignale Handelskosten überstehen können. Der Ablauf bewertet Orderfluss, veraltete Quotierungen und relative Spreads und vergleicht dann eine Strategie für das gesamte Universum mit einer,…

AktienUS-MärkteMarktmikrostrukturOrderausführung
Machine Learning for Trading

Dieses Notebook prüft, ob eine tägliche US-Aktien-Rankingstrategie vor dem Anpassen eines Modells über genügend nutzbare Daten für eine faire Bewertung verfügt. Es erklärt, wie sich mit historischen Indexmitgliedern ein zeitpunktbezogenes Universum bilden…

AktienUS-MärkteBacktestingOrderausführung
Machine Learning for Trading

Dieses Notebook zeigt, wie eine Broker-Wrapper-Komponente unsichere Aufträge anhand von Größen- und Positionslimits, Auftragsratenbegrenzungen, Asset-Beschränkungen und einem dauerhaften Kill-Switch ablehnen kann. Ein synthetischer Broker macht die…

RisikomanagementPositionsgrößenbestimmungOrderausführung
Machine Learning for Trading

Dieses Notebook bewertet Validierungsvorhersagen als reine Long-Aktienportfolios mit gleich gewichteter Top-K-Auswahl und einem Entscheidungsrhythmus, der durch die Frequenz der Labels bestimmt wird. Es prüft die zeitliche Reihenfolge von Schlusskurs und…

AktienOptionenBacktestingPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook zeigt die Abgrenzung zwischen einer Offline-Pipeline für maschinelles Lernen und der LEAN-Engine von QuantConnect. Es wählt über das ETF-Fallstudienregister eine Prognosemenge aus, prüft die Herkunft von Training und Prognosen und exportiert…

Maschinelles LernenOrderausführungBacktestingPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook vergleicht die Auswirkungen angenommener Trading-Kosten auf Strategien aus mehreren Fallstudien. Es liest Backtests zur Kostensensitivität für jede eingesetzte Strategiekonfiguration ein, vergleicht den Brutto-Sharpe mit dem Netto-Sharpe bei…

BacktestingRisikomanagementOrderausführungStatistik
Machine Learning for Trading

Dieses Notebook vergleicht die Übereinstimmung von Backtrader, Zipline Reloaded und einem internen Trading-Framework anhand ausgewählter realer Strategien aus Fallstudien. Es umfasst ETF und US-Vergleiche mit US-Aktienpanels für beide externen Engines sowie…

BacktestingOrderausführungMarktmikrostrukturAktien
Machine Learning for Trading

Diese Übersicht fasst Konfigurationsdaten aus neun Trading-Fallstudien zu Aktien, Kryptowährungen, Devisen, Futures, Optionen und Multi-Asset-Portfolios zusammen. Sie vergleicht Anlageuniversum, Datenfrequenz, Entscheidungsrhythmus, Kostenmodell und die…

Multi-AssetBacktestingRisikomanagementOrderausführung
Machine Learning for Trading

Dieses Notebook stellt einen deterministischen Rahmen zur Prüfung vor, ob Backtest- und Live-Trading-Pipelines konsistent arbeiten. Es vergleicht die Schritte, die aus Kursbalken Entscheidungen machen: Merkmalsberechnungen, Prognosen, Signale und…

BacktestingOrderausführungMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook trainiert einen Reinforcement-Learning-Agenten, eine feste Verkaufsorder über stündliche Balken eines Krypto-Perpetual-Futures-Marktes zu verteilen. Sein Zustand umfasst verzögerte Renditen, Volatilität, Volumen der vorherigen Stunde, den…

KryptoPerpetual FuturesOrderausführungMaschinelles Lernen
Machine Learning for Trading

Dieses Notebook verwendet aus NASDAQ ITCH abgeleitete Handels- und Orderdaten, um Mikrostrukturmuster zu veranschaulichen. Es untersucht die negative Autokorrelation erster Ordnung bei Tick-Renditen und vergleicht sie mit dem Effekt bei Mittelkursrenditen.…

AktienMarktmikrostrukturStatistikOrderausführung
Machine Learning for Trading

Diese Demonstration erweitert einen Ablauf für Einzelorders zu einem täglichen Rebalancing für ein festes Universum großkapitalisierter US-Aktien. Sie erklärt, wie aktuelle Brokerpositionen mit Modellzielen verglichen, Orders für die Differenzen erstellt und…

AktienOrderausführungRisikomanagementMarktmikrostruktur
Machine Learning for Trading

Diese Fallstudie bewertet wöchentlich eröffnete, am Geld liegende Short Straddles auf Bestandteile des S&P 500, die bis zur Fälligkeit gehalten und täglich delta-gehedgt werden. Die zentrale methodische Entscheidung ist, Renditen bis zur Fälligkeit zu…

OptionenVolatilitätBacktestingOrderausführung
Machine Learning for Trading

Dieses Notebook untersucht, wie Annahmen zu Transaktionskosten den Validierungs-Sharpe einer ausgewählten Aktien- und Optionsallokation des S&P 500 beeinflussen. Wenn verfügbar, übernimmt es die Konfiguration, die anhand einer eingefrorenen Kandidatenmenge…

AktienOptionenOrderausführungBacktesting
Machine Learning for Trading

Dieses Dokument stellt eine Kostensensitivitätsanalyse für eine feste ETF-Momentumstrategie vor. Universum, Gewichtungen, Zeitplan und Simulator bleiben unverändert, während der Backtest mit einer Reihe von Gebühren pro Handelsseite erneut ausgeführt wird.…

AktienMomentumBacktestingOrderausführung
Machine Learning for Trading

Diese Analyse profiliert ein festes Universum aus 100 ETFs in neun Anlagegruppen. Sie prüft die Abdeckung nach Fonds und Jahr, bestätigt, dass das Preispanel zur Gruppenkonfiguration passt, überprüft fehlende Werte und die OHLC-Reihenfolge und vergleicht das…

Multi-AssetStatistikRisikomanagementBacktesting
Machine Learning for Trading

Dieses Notebook erklärt, wie sich ein Limit-Orderbuch der NASDAQ für ein einzelnes Symbol aus Nachrichten zu einzelnen Aufträgen rekonstruieren lässt. Es verarbeitet Hinzufügungen, Ausführungen, Stornierungen, Löschungen und Ersetzungen und verfolgt dabei…

AktienMarktmikrostrukturOrderausführungStatistik
Machine Learning for Trading

Dieses Quellmodul enthält Loader für US-Aktienkurse, Indexdaten, Optionen, Markt-Mikrostruktur, Fundamentaldaten und institutionelle Beteiligungen. Das wichtigste methodische Detail betrifft die Resampling-Aggregation untertägiger Handelsdaten: Eröffnung,…

AktienMarktmikrostrukturOrderausführungUS-Märkte