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.
2,471 Dokumente
Dieses Notebook zeigt zwei sequenzielle Überwachungsverfahren für Validierungsprognosefehler aus zwei linearen Aktienmodellkonfigurationen: einen Mittelwertverschiebungsdetektor mit zwei Fenstern und einen Monitor für die Häufigkeit schlechter Tage. Jeder…
Dieses Notebook bewertet vier aus Nachrichtentext abgeleitete Signale: gewichtete Überraschung, durchschnittliche Stimmung, Stimmungsdynamik und Artikelabdeckung. Es verwendet zukünftige Renditen, die in einem früheren Schritt zur Merkmalsbildung vorbereitet…
Dieses Kapitel behandelt Transaktionskosten als Einschränkung während der gesamten Strategieentwicklung und -umsetzung – von der Faktorevaluierung und dem Backtesting über die Portfoliozusammenstellung und Risikoüberwachung bis zur Produktionskontrolle. Es…
Dieses Notebook wendet Double Machine Learning (DML) an, um den Effekt von Skip-Recenter-Momentum auf zukünftige ETF-Renditen zu schätzen – eine Kausalfrage, die sich von der Prognose von Renditen unterscheidet. Es modelliert das Ergebnis und die…
Das Notebook demonstriert die Abstimmung von LightGBM für die Prognose von ETF-Renditen mit Optunas TPE-Sampler. Es durchsucht Einstellungen für Baumstruktur, Stichprobenziehung und Regularisierung, wählt mithilfe vorzeitigen Abbruchs die Boosting-Runden aus…
Dieses Kapitel stellt einen Forschungsablauf für den Einsatz von Prognosemodellen im Trading vor, bei dem stabile Prognosen außerhalb der Stichprobe wichtiger sein können als unverzerrte Koeffizientenschätzungen. Es behandelt regularisierte…
Dieses Notebook wandelt institutionelle 13F-Bestände in einen bipartiten Graphen von Institutionen und Aktien um und leitet daraus Forschungsmerkmale ab, darunter Ähnlichkeit gemeinsamer Aktienbestände, Breite und Konzentration des Eigentums sowie…
Dieses Notebook erläutert, wann eine Handelsstrategie klarer Balken für Balken mit sich veränderndem Zustand simuliert werden kann, statt sie als vorab berechnete Signale oder Gewichtungen auszudrücken. Es vergleicht arraybasierte Backtests, die schnell und…
Dieses Notebook vergleicht eine vollständige Gittersuche mit Optunas TPE-Bayes-Sampler, um ein LightGBM-Modell für die Prognose künftiger ETF-Renditen abzustimmen. Zunächst erhalten beide Methoden dasselbe Versuchskontingent für ein kleines kategoriales…
Dieses Notebook untersucht, wie Zeit-, Tick-, Volumen-, Dollar- und Imbalance-Bars anhand mehrerer Handelssitzungen mit NVDA-Handelsdaten auf Auftragsebene kalibriert werden. Es filtert die Trades auf die regulären Handelszeiten, verwendet die…
Dieses Notebook definiert Labels für künftige Renditen in einem US-Aktienpanel und erläutert, warum ihre Konstruktion alle nachgelagerten Modelle und Backtests beeinflusst. Es legt Renditefenster anhand bereinigter Preise und Handelssitzungen fest, prüft, ob…
Dieses Notebook erstellt modellbasierte Merkmale für die Optionsforschung zum S&P-500 anhand der Renditen des Basiswerts. Es passt GJR-GARCH an, das negativen Renditeschocks zusätzliches Gewicht verleiht, sowie ein stochastisches Volatilitätsmodell, dessen…
Dieses Notebook trainiert TabM-neuronale Netze, um ETFs anhand derselben flachen Merkmalstabelle wie lineare und Boosting-Modelle zu ordnen. Jedes Ensemblemitglied teilt sich ein zweischichtiges Backbone, verfügt aber über einen eigenen Skalierungsvektor und…
Dieses Notebook erläutert, wie sich Renditen und Risiken von ETF anhand von CAPM- und Fama-French-Faktorregressionen zerlegen lassen. Es schätzt Engagements über die gesamte Stichprobe mit robusten Standardfehlern gegen Heteroskedastizität und…
Dieses Notebook passt Skip-Gram-Word2Vec an institutionelle Bestände an: Jedes 13F-Portfolio wird als Satz behandelt, jede Aktienkennung als Token und der Rang der Positionsgröße als Tokenreihenfolge. Benachbarte Positionen bilden den Kontext. So können…
Dieses Notebook stellt ein von GT-GAN inspiriertes generatives Modell für Finanzzeitreihen vor, die in unregelmäßigen Abständen erfasst werden, etwa Tick-, Volumen- oder Dollar-Balken. Encoder, Generator, Diskriminator und Decoder verwenden kontinuierliche…
Dieses Notebook beschreibt die Anpassung von PatchTST an Minutendaten des NASDAQ-100, um Renditen über mehrere künftige Horizonte vorherzusagen. Das Modell gruppiert aufeinanderfolgende Beobachtungen in Abschnitte und wendet Aufmerksamkeit auf diese an. So…
Dieses Notebook prüft, ob historische ETF-Daten eine monatliche Rangfolgestrategie unterstützen können, bevor ein Modell angepasst oder Prognosen erstellt werden. Es prüft das handelbare Universum anhand der Liquidität des Vorjahres, zählt die zulässigen…
Dieses Notebook vergleicht Methoden zur Kapitalallokation auf US-Aktienpositionen, während Modell, Checkpoint, Rebalancing-Termine und ausgewählte Aktien konstant bleiben. Es untersucht Gewichtungen anhand der Prognosestärke, der Breite des…
Dieses Notebook vergleicht in Kryptowährung abgerechnete Ereigniskontrakte von Polymarket mit der regulierten Handelsplattform Kalshi als alternative Datenquellen. Es erläutert, wie Zugangsregeln, Abrechnungswerte, Positionslimits und Listing-Richtlinien…
Dieses Notebook erläutert ein unbedingtes, signaturbasiertes Wasserstein-GAN zur Erzeugung finanzieller Zeitreihen. Es transformiert Renditen in erweiterte Pfade, berechnet gekürzte Pfadsignaturen und trainiert einen durch Brownsches Rauschen gesteuerten…
Dieser Datensatzleitfaden stellt Preis- und Volumendaten zu Binance-Perpetual-Futures zusammen mit einem achtstündlichen Prämienindex vor. Stündliche OHLCV-Datensätze beschreiben die Marktaktivität, während die Prämie die Differenz zwischen Perpetual- und…
Dieses Notebook bewertet Stop-Loss, Trailing-Stop und Ausstiege nach fester Haltedauer bei ausgewählten US-Aktienstrategien. Ein Stop-Loss reagiert auf Verluste seit dem Einstieg, ein Trailing-Stop auf Rückgänge vom Höchststand einer Position und ein…
Dieses Notebook bewertet TSMixer als globales Sequenzmodell für ein ETF-Panel. Das Modell verwendet fondsübergreifend gemeinsame Parameter, greift aber auf den eigenen Verlauf und die Kovariaten jedes Fonds zurück. Seine Mischschichten lernen zeitliche…