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

1,494 Dokumente

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 aggregiert bestehende Walk-Forward-Modellergebnisse aus Finanzfallstudien und vergleicht LSTM, NLinear, TSMixer, TCN und PatchTST mit linearen, Gradient-Boosting- und neuronalen Netzwerk-Baselines für Tabellendaten. Die Hauptkennzahl ist der…

Maschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook untersucht, ob veröffentlichte Investmentfaktoren glaubwürdige Renditeprämien bieten und einander diversifizieren. Es nutzt lange historische und anlageklassenübergreifende Reihen von AQR sowie Aktienfaktoren von Fama und French. Dabei kommen…

FaktorinvestierenStatistikPortfolio-KonstruktionRisikomanagement
Machine Learning for Trading

Dieses Notebook behandelt Total Value Locked als alternative Datenquelle und prüft die Hypothese, dass Kapitalbedingungen in DeFi Ether-Renditen vorhersagen können. Es definiert TVL als Dollarwert der in Protokollen hinterlegten Krypto-Assets und betont,…

KryptoOn-Chain-DatenDeFiStatistik
Machine Learning for Trading

Dieses Notebook untersucht, warum der Informationskoeffizient eines Modells die Sharpe Ratio einer darauf aufgebauten Strategie nicht bestimmt. Anhand mehrerer Fallstudien vergleicht es Signalrangfolgen mit Backtest-Ergebnissen und untersucht, wie…

BacktestingMaschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook implementiert eine didaktische Anpassung eines adversativen stochastischen Diskontfaktormodells auf Tagesbasis. Ein Portfolio-Gewichtungsnetzwerk konstruiert anhand von Merkmalen und Marktinformationen, die zum vorherigen Börsenschluss…

AktienMaschinelles LernenStatistikFaktorinvestieren
Machine Learning for Trading

Diese Analyse beurteilt die Zuverlässigkeit ausgewählter Handelssignale, indem sie Evidenz zum Informationskoeffizienten (IC) mit den Sharpe Ratios vergleicht, die entstehen, wenn Prognosen in Positionen umgesetzt werden. Sie aggregiert Ergebnisse von…

Maschinelles LernenStatistikBacktestingPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook aggregiert bereits berechnete Walk-Forward-Ergebnisse, um LSTM, NLinear, TSMixer, TCN und PatchTST in Fallstudien mit linearen, Gradient-Boosting- und TabM-Baselines zu vergleichen. Es berichtet durchschnittliche tägliche…

Maschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses explorative Notebook untersucht stündliche CME-Futuresdaten über Produkte und Anlageklassen hinweg und verwendet den E-mini S&P 500 als Beispiel. Es erläutert die Hierarchie von Produkt über auslaufenden Kontrakt bis zur fortlaufenden Reihe, fasst…

FuturesStatistikBacktestingMarktmikrostruktur
Machine Learning for Trading

Dieses Notebook gibt eine Vorschau auf 100 10-K- und 8-K-Meldungen, die als Eingaben für einen Finanzwissensgraphen vorgesehen sind. Es beschreibt Schema-Prüfungen auf Pflichtfelder, eindeutige Unternehmens- und Zugangsnummern, konsistente…

AktienMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Dokument beschreibt eine Benutzeroberfläche zur Untersuchung von Backtest-Ergebnissen, die in einem Register gespeichert sind. Sie unterstützt Zusammenfassungen der Anzahl von Läufen, die Prüfung von Spezifikationen und einzelnen Läufen, das Sortieren…

BacktestingStatistikPortfolio-KonstruktionMaschinelles Lernen
Machine Learning for Trading

Dieses Notebook analysiert mit Zeitstempeln versehene Finanzereignis-Kanten eines Wissensgraphen und unterscheidet, wann ein Ereignis stattfand, wann es öffentlich wurde und wann die Extraktionspipeline die Kante erzeugte. Es berechnet Verzögerungen bei…

Maschinelles LernenStatistikBacktestingEreignisgesteuert
Machine Learning for Trading

Diese Kapitelbesprechung beschreibt einen hypothesengeleiteten Prozess zur Definition von Handelsstrategien vor dem Backtesting. Sie verbindet dokumentierte Datenannahmen und unveränderliche Konfigurationen mit explorativer Analyse, Ereignisstudien und einem…

MomentumRückkehr zum MittelwertStatistikBacktesting
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

Das Dokument beschreibt einen gemeinsamen Analyseablauf zum Vergleich von Modellkonfigurationen über Fallstudien hinweg. Zunächst wählt es eine Konfiguration je Fallstudie aus und erstellt anschließend Fold- und fallstudienübergreifende Zusammenfassungen auf…

Maschinelles LernenStatistikBacktesting
Machine Learning for Trading

Diese Analyse rekonstruiert Lebenszyklen von NASDAQ-Limitaufträgen anhand von ITCH-Nachrichten. Sie verfolgt Aufträge von der Übermittlung bis zum ersten stornierungsbezogenen Ereignis oder zur Ausführung. Sie unterscheidet Hinzufügungen, Löschungen,…

MarktmikrostrukturOrderausführungAktienStatistik
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 Quellmodul erstellt Katalogtabellen aus Experimentregistern für Modellprognosen und Backtests. Es definiert reservierte Felder für Herkunft, Identität, Abschlussstatus, Verfügbarkeit von Artefakten und Kennzahlen. Der Katalog enthält mehrere Maße für…

BacktestingStatistikRisikomanagementPortfolio-Konstruktion
Machine Learning for Trading

Dieses Abschlussprojekt erläutert, wie sich Wahrscheinlichkeitsprognosen mit Brier-Score, Log-Score, erwarteter Kalibrierungsabweichung und Schärfe bewerten lassen und wie Zuverlässigkeitsdiagramme über- oder unterkonfidente Prognosen sichtbar machen. Es…

StatistikMaschinelles LernenRisikomanagement
Machine Learning for Trading

Dieses Notebook bewertet Sequenzkonfigurationen von LSTM und NLinear für CME-Futures. Sequenzmodelle verarbeiten geordnete Beobachtungsfenster und prüfen, ob der jüngste Verlauf zusätzliche Informationen gegenüber konstruierten Zusammenfassungsmerkmalen…

FuturesMaschinelles LernenBacktestingStatistik
Machine Learning for Trading

Dieses Notebook wendet SHAP auf Tokenebene auf ein festgelegtes FinBERT-Modell an, das Finanztexte als negativ, neutral oder positiv klassifiziert. Es kapselt die Modellinferenz, um die Label-Reihenfolge des Checkpoints beizubehalten, und erklärt…

Maschinelles LernenMarktstimmungStatistik
Machine Learning for Trading

Dieses Notebook erläutert, warum die beobachtete Sharpe-Ratio einer Strategie angepasst werden muss, wenn sie aus vielen Tests ausgewählt wurde. Es stellt die Deflated Sharpe Ratio (DSR) vor, die das ausgewählte Ergebnis mit einem Referenzwert vergleicht,…

BacktestingStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook erläutert, wie ein Transformer für die finanzielle Named-Entity-Erkennung feinabgestimmt wird, die Textstellen wie Organisationen, Personen, Beträge, Daten und Prozentangaben identifiziert. Es konzentriert sich auf BIO-Grenzlabels und das…

Maschinelles LernenAktienStatistik
Machine Learning for Trading

Dieses Notebook passt einen überwachten Autoencoder an tägliche US-Aktien an. Das Modell rekonstruiert rangtransformierte Preis- und Volumenmerkmale, während zusätzliche und zentrale Klassifikationsköpfe gemeinsam eine latente Darstellung trainieren, um über…

AktienMaschinelles LernenBacktestingStatistik