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

934 Dokumente

Machine Learning for Trading

Diese Einsatzdemonstration trainiert ein Ridge-Modell mit historischen Tagesdaten für einen Querschnitt wichtiger FX-Paare neu, ruft aktuelle Balken über eine Paper-Sitzung von Interactive Brokers ab, ordnet die Paare und erstellt ein Long-Portfolio. Sie…

DevisenhandelOrderausführungMaschinelles LernenMarktmikrostruktur
Machine Learning for Trading

Dieses Tutorial wandelt ETF-Querschnittssignale in Long-only-Portfolios mit gleicher Gewichtung der zehn Spitzenwerte um. Es vergleicht Ridge-Regression und logistische Klassifikation mit Momentum- und Gleichgewichtungs-Benchmarks. Die Modelle werden in…

AktienBacktestingOrderausführungPortfolio-Konstruktion
Machine Learning for Trading

Diese Studie prüft, ob die schlechte Anpassung eines linearen Modells an monatliche US-Aktienrenditen auf dessen quadratische Fehlerfunktion zurückzuführen ist. Zielvariable für die zukünftigen Renditen, Merkmale und Walk-Forward-Folds bleiben unverändert;…

AktienUS-MärkteMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook trainiert einen Proximal-Policy-Optimization-Agenten, der eine feste Order über einen festgelegten Zeitraum liquidiert. Es vergleicht die erlernte zeitliche Ausführung mit TWAP und einem Almgren–Chriss-Zeitplan, misst den Implementation…

KryptoPerpetual FuturesOrderausführungMaschinelles Lernen
Machine Learning for Trading

Dieses Notebook stellt das Rademacher-Anti-Serum-Protokoll (RAS) vor, mit dem sich Leistungsschätzungen bei der Auswahl aus einer endlichen Klasse von Strategien oder Signalen anpassen lassen. Die empirische Rademacher-Komplexität schätzt, wie gut sich die…

StatistikBacktestingRisikomanagementMaschinelles Lernen
Machine Learning for Trading

Dieses Notebook führt NLinear als Basismodell zur Prognose von Aktienrenditen anhand geordneter Merkmalsfenster ein. Jedes Beispiel umfasst 60 aufeinanderfolgende Handelssitzungen für eine Aktie. Für jedes Merkmal zieht das Modell den jüngsten Wert ab,…

AktienMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook passt neuronale TabM-Modelle an ein Renditeziel für einen Short Straddle auf Optionen des S&P 500 an und vergleicht drei Modellkapazitäten anhand desselben Merkmalsdatenbestands wie bei linearen und Boosting-Ansätzen. TabM nutzt einen…

OptionenAktienMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook veranschaulicht Deep Hedging für einen leerverkauften europäischen Call. Es simuliert Pfade der geometrischen Brownschen Bewegung, verwendet Delta-Hedging nach Black-Scholes als Referenz und trainiert ein halb-rekurrentes neuronales Netz.…

OptionenBewertung von DerivatenMaschinelles LernenRisikomanagement
Machine Learning for Trading

Dieses Dokument veranschaulicht instrumentierte PCA, bei der Faktorladungen von Anlagen als lineare Funktionen von Merkmalen modelliert werden, die vor der Rendite beobachtet wurden. Wechselseitige kleinste Quadrate schätzen die Abbildung von Merkmalen auf…

AktienFaktorinvestierenMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Dokument beschreibt einen reproduzierbaren US-Aktienbenchmark aus dem Replikationsarchiv zur Anlagebewertung von Chen, Pelger und Zhu. Er enthält rund 1.2 Millionen monatliche Aktienbeobachtungen von 1967 bis 2016, 46 Unternehmensmerkmale,…

AktienFaktorinvestierenMaschinelles LernenUS-Märkte
Machine Learning for Trading

Dieses Dokument erläutert, wie TSMixer die jüngste Merkmalsgeschichte einer Aktie als Matrix aus Handelssitzungen und Merkmalen verarbeitet. Seine Blöcke mischen Informationen entlang der Merkmalsspalten über die Zeit und anschließend zwischen Merkmalen…

AktienMaschinelles LernenMomentumBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht Zero-Shot-Prognosen von Chronos und TinyTimeMixer mit einem LSTM und einem regularisierten linearen Modell auf einem ETF-Panel. Alle Modelle erhalten denselben univariaten historischen Kontext; die vortrainierten Modelle…

AktienMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook schätzt, ob ein z-Wert der Prämie von Krypto-Perpetuals unter einer Intervention mit den anschließenden Acht-Stunden-Renditen zusammenhängt. Dabei werden Preisvolatilität, Finanzierungssatz und die Abweichung der Prämie von ihrem jüngsten…

KryptoPerpetual FuturesMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook prüft, ob Kennzahlen aus dem Optionsmarkt künftige Renditen über Aktien hinweg ordnen können. Es passt festgelegte lineare Modelle an aus Optionen abgeleitete Merkmale an, verwendet Walk-Forward-Validierung und vergleicht die Stärke der…

OptionenAktienVolatilitätMaschinelles Lernen
Machine Learning for Trading

Dieses Notebook zeigt einen schreibgeschützten Frage-Antwort-Ablauf für einen Graphen institutioneller Beteiligungen aus 13F-Einreichungen. Statt Datenbankabfragen aus natürlicher Sprache zu erzeugen, leitet es genau unterstützte Fragen an handgeschriebene…

AktienMaschinelles LernenOrderausführungRisikomanagement
Machine Learning for Trading

Dieses Notebook erläutert die instrumentierte Hauptkomponentenanalyse (IPCA) für ein veränderliches US-Aktienpanel. Die herkömmliche Hauptkomponentenanalyse (PCA) weist jeder Aktie eine angepasste Ladung zu. Damit lassen sich im Trainingsdatensatz fehlende…

AktienFaktorinvestierenMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook erstellt Labels für Forward-Renditen einer Strategie, die Signale aus börsennotierten Optionen auswertet und die zugrunde liegenden Aktien handelt. Es passt tägliche Aktienkurse um Splits und Dividenden an, verwendet eine dauerhafte…

AktienOptionenMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook erstellt ein Evaluierungsgerüst für finanzielle Retrieval-Augmented-Generation-Systeme mit getrennten Kennzahlen für Suchabdeckung, Antworttreue, angemessene Nichtbeantwortung und Sicherheitsverhalten. Es verwendet sechs handgeschriebene…

Maschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Diese Fallstudie konfiguriert ein LSTM-Modell zur Prognose von FX-Paar-Labels. Sie stellt den fortgeschriebenen verborgenen Zustand des rekurrenten Modells festen Lookback-Transformationen und Faltungs-Rezeptionsfeldern gegenüber; Vergleiche mit anderen…

DevisenhandelMaschinelles LernenBacktesting
Machine Learning for Trading

Diese Studie untersucht, ob Größen aus dem Optionsmarkt zukünftige Aktienrenditen in eine Rangfolge bringen können. Zu den Merkmalen gehören die implizite Volatilität über verschiedene Laufzeiten, die Put-Call-Skew, die Steigung der Laufzeitenstruktur und…

OptionenAktienVolatilitätMaschinelles Lernen
Machine Learning for Trading

Dieses Notebook überträgt ein adversariales Design stochastischer Diskontfaktoren auf tägliche US-Aktien. Ein Netzwerk für Portfoliogewichte bildet aus Überschussrenditen des nächsten Tages einen Faktor, während ein konkurrierendes Momentnetzwerk beim…

AktienFaktorinvestierenMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook wandelt einen realen Lieferketten-Wissensgraphen und institutionelle 13F-Beteiligungen in Merkmale für maschinelles Lernen um. Es leitet Netzwerkmaße wie Zentralität und Abhängigkeitsindikatoren ab, schätzt die Lieferantenkonzentration und…

Maschinelles LernenAktienPortfolio-KonstruktionStatistik
Machine Learning for Trading

Dieses Notebook zeigt einen operativen Zyklus für eine ETF-Prognosestrategie: Marktdaten aktualisieren, Finanzmerkmale neu berechnen, ein Ridge-Modell neu trainieren, Betriebsartefakte speichern, aktuelle Querschnittsprognosen erstellen, sie durch eine…

AktienMaschinelles LernenOrderausführungBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht LightGBM mit einem einfachen mehrschichtigen Perzeptron, TabM und optional TabPFN zur Vorhersage von Querschnittsrenditen für ETF. Die Modelle werden auf gemeinsamen Walk-Forward-Folds anhand des Rang-Informationskoeffizienten…

Maschinelles LernenAktienStatistikBacktesting