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.
1,494 Dokumente
Dieses Notebook untersucht eine ausgewählte Devisenstrategie und die Herkunftskette ihrer Holdout-Artefakte anhand registrierter Forschungsartefakte. Es reproduziert die Auswahl aus einer eingefrorenen Validierungskandidatenmenge, indem es zulässige…
Dieses Notebook bildet beschreibende Marktregime aus monatlichen Wirtschaftsdaten der Federal Reserve: Arbeitslosigkeit, Federal Funds Rate, Treasury-Zinskurve und Inflation. Es erklärt, wie Reihen mit unterschiedlichen Veröffentlichungshäufigkeiten…
Dieses Dokument beschreibt Hilfsfunktionen zum Vergleich registrierter Handelsstrategien und zur Erstellung strukturierter Fallstudienbewertungen. Eine zentrale Rangordnungsmethode beschränkt Renditereihen vor der Berechnung von Portfoliokennzahlen auf exakt…
Dieses Kapitel behandelt Methoden, um gemeinsame Strukturen in Rendite- und Merkmals-Panels zu ermitteln, von PCA und Eigenportfolios über IPCA, risikoprämienbezogene PCA und bedingte Autoencoder bis hin zur Schätzung stochastischer Diskontfaktoren und…
Dieses Notebook vergleicht sklearn HistGradientBoosting, XGBoost, LightGBM und CatBoost bei einer ETF-Renditeprognose. Es misst den querschnittlichen Informationskoeffizienten, die Trainingszeit und den Prozessspeicherverbrauch bei CPU und, sofern…
Das Notebook zeigt eine Vorschau von S&P-100-Berichtsdaten der Formulare 10-K und 8-K, die für den Aufbau finanzieller Wissensgraphen vorgesehen sind. Es prüft die Vollständigkeit des Schemas, eindeutige Unternehmens- und Akzessionsschlüssel,…
Dieses Notebook stellt einen Merkmalsauswahl-Workflow für ETF-Forschung vor, der zahlreiche mögliche Transformationen und Rückblickfenster auf eine kleinere Auswahl für spätere Modellierung eingrenzt. Es berechnet querschnittliche…
Dieses Notebook bewertet Modellvorhersagen als NASDAQ-100-Handelsstrategien mit einer gemeinsamen Backtest-Engine. Zunächst führt es mit Zufallssignalen eine Funktionsprüfung durch: Anhaltende Gewinne nach Kosten würden auf Probleme wie Lookahead, nicht…
Das Dokument beschreibt Möglichkeiten, Strategierenditen mit zwei externen Benchmarks zu vergleichen: täglichen SPY-Gesamtrenditen und Fama-French-Marktrenditen, die sich aus der Addition von Marktrisikoprämie und risikofreiem Zinssatz ergeben. Es bietet…
Das Dokument beschreibt die Anpassung eines einfachen linearen Sequenzmodells an NASDAQ-100-Ein-Minuten-Merkmale, um zukünftige Renditen für mehrere Horizonte vorherzusagen. Jede Eingabe umfasst die vorangegangene Stunde für eine Aktie, ausgedrückt als…
Das Dokument beschreibt das Laden von ETF-Marktdaten mit optionalen Symbol- und Datumsfiltern sowie einer deterministischen Begrenzung der zurückgegebenen Symbole. Der zentrale analytische Punkt ist, die Kursreihe an die gemessene Größe anzupassen:…
Dieses Notebook erstellt modellbasierte bedingte Volatilitätsmerkmale für S&P-500-Aktien mit einem GJR-GARCH(1,1)-Modell. Anschließend vergleicht es einen optionsimpliziten Volatilitätsaufschlag gegenüber der realisierten Volatilität mit einem Aufschlag…
Diese CME-Futures-Studie variiert die Kapazität und Verlustfunktion von Gradient-Boosting-Bäumen und zeichnet Vorhersagen an mehreren Trainings-Checkpoints auf. Die Anzahl der Blätter bestimmt, wie fein ein Modell den Merkmalsraum aufteilt, während sich…
Dieses Notebook untersucht, wie sich Ridge-Regularisierungsentscheidungen auf den Informationskoeffizienten eines ETF-Panels auswirken und wie eine Hyperparametersuche die berichtete Performance überhöhen kann. Zunächst wertet es ein breites Alpha-Raster…
Dieses Notebook erläutert, wie sich künftige Spotrenditen über eine, fünf und 21 Sitzungen für ein festes Universum von FX-Paaren berechnen lassen. Zunächst ordnet es Vier-Stunden-Balken mithilfe eines New Yorker Tageswechselkalenders Handelssitzungen zu und…
Dieses Notebook passt ein latentes PCA-Faktormodell an ein Panel von Aktienrenditen an, ohne Optionsoberflächenmerkmale, andere Merkmale oder Zielinformationen zu verwenden. PCA extrahiert die führenden Richtungen der historischen querschnittlichen…
Dieses Notebook verwendet eine korrelationsbasierte Hauptkomponentenanalyse der Renditen von Sektor-ETF, um gemeinsame Risikofaktoren und Sektorrotation zu beschreiben. Durch die Standardisierung der Renditen erhält jeder Sektor vor der Zerlegung eine…
Dieses Notebook erstellt einen Retrieval-Augmented-Research-Assistenten auf Grundlage von Auszügen aus US-Unternehmensmeldungen nach 10-K. Es lädt Meldungen, zerlegt Texte in Satzfenster, bettet die Abschnitte mit einem lokalen Modell ein und erstellt einen…
Dieses Notebook demonstriert das Training eines generativen adversarialen Netzwerks mit täglichen ETF-Merkmalen und differenzieller Privatsphäre. Es erläutert die Datenschutzgarantie und das Budget und verwendet anschließend Opacus, um den…
Dieses Dokument beschreibt Umsetzungsprinzipien für einen gemeinsamen Backtest-Runner und konzentriert sich darauf, Renditeraster bei der Annualisierung der Performance korrekt zu interpretieren. Es schätzt die beobachtete Stichprobenfrequenz anhand…
Dieses Notebook rekonstruiert das jeweils beste nationale Geld- und Briefangebot (NBBO) für jeden AAPL-Trade während der regulären Sitzung am 16. März 2020. Es führt Quote- und Trade-Ereignisse chronologisch zusammen, übernimmt das jeweils letzte Geld- und…
Dieses Notebook erklärt TSMixer, ein neuronales Zeitreihenmodell, das zwei Operationen abwechselt: eine gemeinsame lineare Abbildung über zurückliegende Tage für jedes Merkmal und ein gemeinsames Merkmals-MLP, das unabhängig auf jeden Tag angewendet wird.…
Diese Analyse wählt eine Konfiguration aus einem eingefrorenen Pool von Krypto-Perpetual-Futures-Kandidaten mit vier Vorhersagelabels und mehreren Strategiestufen aus. Sie wählt den höchsten Validierungs-Sharpe und behandelt Label, Aufteilung und…
Dieses Notebook trainiert ein Long-Short-Term-Memory-Netzwerk mit NASDAQ-100-Mikrostrukturmerkmalen, um künftige Renditen über mehrere Horizonte im Minutenbereich vorherzusagen. Anders als ein abgeflachtes lineares Modell verarbeitet ein LSTM jede…