Wissensbibliothek

Dieses Notebook untersucht, wie sich mehrere Wahrscheinlichkeitsprognosen kombinieren lassen. Es stellt einfache Mittelwertbildung als Ausgangspunkt vor und erläutert die Neyman-Extremisierung, die den Panelmittelwert abhängig von der Zahl der Prognostiker…

Dieses Notebook wandelt Futures-Carry – die Preisdifferenz zwischen nahen Fälligkeiten – in modellbasierte Features um. Es beschreibt Ein-Schritt-ARIMA-Prognosen je Produkt, rollierende Fourier-Maße für die Stärke saisonaler Zyklen und ein…

Diese Übersicht erläutert eine Modellfamilie zur Prognose von Renditen anhand von Unternehmensmerkmalen. Statt jedes Merkmal als direkten Renditeprädiktor zu behandeln, nehmen die Modelle an, dass Renditen von einer kleinen Zahl unbeobachteter gemeinsamer…

Dieses Dokument stellt ein didaktisches selektives Zustandsraummodell im Mamba-Stil vor, das ETF-Renditen anhand von Sequenzen aus Momentum-Features prognostiziert. Anders als Attention und dichte zeitliche Mischung führt ein Zustandsraummodell einen Zustand…

Dieses Dokument beschreibt einen bedingten Autoencoder, der Unternehmens-Exposures gegenüber latenten Renditefaktoren als nichtlineare Funktion von Unternehmensmerkmalen modelliert. Wie IPCA schätzt er eine Faktorstruktur, in der prognostizierte Renditen…

Dieses Dokument erläutert ein TabM-neuronales Netz, das ETFs anhand tabellarischer Features einordnet. Ein gemeinsamer zweischichtiger Backbone versorgt mehrere Mitglieder, die jeweils über einen erlernten Skalierungsvektor und eine Ausgabeschicht verfügen.…

Diese Kapitelübersicht erläutert, wie Gradient-Boosted Trees für Finanzprognosen mit Tabellendaten auf Entscheidungsbäumen und Random Forests aufbauen. Beim Boosting werden Lernende nacheinander hinzugefügt, um frühere Fehler zu korrigieren. So lassen sich…

Dieses Notebook bewertet Sicherheitskontrollen für ein Frage-Antwort-System zu Finanzdokumenten anhand von sechs manuell erstellten Fällen. Die Fälle stellen indirekte Prompt-Injections, erfundene Daten in nicht vertrauenswürdigem Material, versuchte…

Dieses Notebook stellt ein veröffentlichtes Panel für die Machine-Learning-Forschung zu US-Aktien vor. Es enthält monatliche Beobachtungen mit 46 Unternehmensmerkmalen und Überschussrenditen des Folgemonats über mehrere Jahrzehnte. Die Merkmale werden nach…

Dieses Kapitel erläutert den Aufbau und Einsatz finanzieller Wissensgraphen für Fragen, bei denen Beziehungen wie Eigentumsverhältnisse, Lieferketten oder Ansteckungseffekte eine Rolle spielen. Es behandelt die Identität von Entitäten, typisierte…

Dieses Notebook vergleicht zwei Transformer-Architekturen zur Prognose von 21-Tagesrenditen von ETF anhand von acht Momentum-Features aus zurückliegenden Zeiträumen. PatchTST gruppiert aufeinanderfolgende Tage zu Patches, wodurch die Zahl der…

Dieses Dokument erläutert Fractional Differencing als Methode, eine Kursreihe stationärer zu machen und dabei einen Teil ihrer Niveauinformation zu erhalten. Es leitet die Lag-Gewichte aus der Binomialentwicklung einer fraktionalen Differenz ab und zeigt,…

Dieses Notebook vergleicht quadratischen Fehler, absoluten Fehler und Huber-Verlust für Gradient-Boosting-Modelle, die Renditen von Short-ATM-Straddles prognostizieren. Das Ziel hat einen begrenzten Gewinn, aber potenziell schwere Verluste. Daher kann der…

Dieses Notebook erklärt ein Modell mit stochastischem Diskontfaktor (SDF) zur Bewertung der Querschnittsrenditen von US-Unternehmen. Es lernt Gewichte, mit denen diskontierte Asset-Renditen No-Arbitrage-Momentbedingungen erfüllen, statt einen Verlust für die…

Diese Implementierung beschreibt ein neuronales Modell mit stochastischem Diskontfaktor sowie ein adversariales Momentennetzwerk zur Prüfung von Beziehungen in der Asset-Bewertung. Das SDF-Netzwerk bildet Asset-Merkmale, optional kombiniert mit einer…

Dieser Modelladapter verwendet PatchTST, eine Transformer-Architektur für langfristige Zeitreihenprognosen, für skalare Regression. Er akzeptiert nach Zeit und Merkmal angeordnete Sequenzen, ordnet sie für das Grundmodell um und verdichtet die Ausgaben je…

Das Dokument beschreibt eine Ablationsstudie zur Frage, ob gelernte Graph-Einbettungen die Prognose von Aktienrenditen über gewöhnliche Tabellenmerkmale hinaus verbessern. Es erstellt ein Netzwerk aus historischen Korrelationen von Aktienrenditen, berechnet…

Dieses Notebook vergleicht Random-Forest-Bagging mit XGBoost, LightGBM und CatBoost bei der Prognose von Aktienrenditen anhand anonymisierter Unternehmensmerkmale. Es verwendet vorab festgelegte zeitliche Trainings-, Validierungs- und Testaufteilungen, misst…

Das Notebook behandelt jedes Renditefenster als empirische Verteilung und clustert Fenster anhand der eindimensionalen Wasserstein-Distanz. Bei gleich großen Stichproben ergibt das Sortieren die optimale Zuordnung der Quantile. Die Distanz bildet daher…

Diese Kapitelübersicht ordnet die Forschungsschritte zwischen validierten Marktdaten und der Modellevaluation. Sie behandelt eine an Datensplits angepasste Vorverarbeitung, Kodierung und Entscheidungen zum Umgang mit fehlenden Daten sowie die ausführungsnahe…

Dieses Notebook erklärt ein didaktisches, auf Mamba basierendes selektives Zustandsraummodell und evaluiert es für die Prognose von ETF-Renditen. Anders als ein Zustandsraummodell mit festen Parametern leitet es den Eingabe-Zustands-Term, den…

Dieses Hilfsprogramm erstellt aus Asset-Gruppen und optionalen Verknüpfungen zwischen Gruppen eine boolesche Adjazenzmatrix. Assets derselben Makrogruppe werden miteinander verbunden. Jede angegebene gruppenübergreifende Kante verbindet alle Assets der…

Dieses Notebook erstellt eine Abrufpipeline für Auszüge aus Unternehmensberichten nach 10-K. Es lädt einen stabilen Satz von Berichten, teilt den Text in Satzfenster auf, erstellt lokale Einbettungen und indiziert die Abschnitte in einer Vektordatenbank. Der…

Diese Konfigurationsnotiz erläutert, warum eine mit L1 regularisierte logistische Regression mit drei Klassen SAGA und eine ausdrücklich verschärfte Toleranz verwendet. Sie vergleicht SAGA mit liblinear anhand eines…