Wissensbibliothek

Dieses Notebook vergleicht einen Random Forest mit XGBoost, LightGBM und CatBoost anhand eines Panels anonymisierter Unternehmensmerkmale und Renditen. Der Datensatz enthält zeitlich getrennte Trainings-, Validierungs- und Testdaten. Als Hauptmaß für die…

Dieses Notebook beschreibt, wie Holdout-Prognosen für eine ausgewählte Finanzierungsstrategie mit unbefristeten Kryptokontrakten erstellt werden. Es leitet die Konfiguration aus den Validierungsergebnissen ab, übernimmt die Auswahl des Checkpoints und…

Dieses Notebook stellt eine fallstudienübergreifende Übersicht konstruierter Finanzmerkmale sowie den höchsten registrierten Informationskoeffizienten für jede Marktstudie vor. Es zählt Merkmale und Namensfamilien, vergleicht die Größe der Merkmalsräume und…

Das Dokument erläutert, wie sich Marktregime identifizieren lassen, indem Renditen in überlappende Fenster unterteilt und die Fenster jeweils als empirische Verteilung behandelt werden. Der Abstand zwischen Fenstern wird anhand einander zugeordneter,…

Dieses Notebook stellt einen bedingten Autoencoder vor, der die Struktur eines instrumentierten latenten Faktormodells beibehält, aber die lineare Abbildung von Unternehmensmerkmalen auf Faktor-Exponierungen durch ein neuronales Netz ersetzt. Monatliche…

Diese Fallstudie trainiert regularisierte lineare Modelle auf den Renditen von Short-At-the-Money-Straddles, die bis zum Verfall gehalten werden. Da die Prämieneinnahmen den Gewinn begrenzen, während Verluste unbegrenzt wachsen können, dominieren einige…

Dieses Notebook vergleicht zwei lokal ausgeführte Embedding-Modelle mit offenen Gewichten bei einer Retrieval-Aufgabe anhand von Passagen aus aktuellen 10-Berichten einer kleinen Auswahl großer US-Unternehmen. Beide Modelle erhalten dieselben Passagen aus…

Dieses Dokument trainiert TabM, ein neuronales Ensemble mit gemeinsam genutzten Gewichten, mit optionsbasierten Merkmalen zur Prognose zukünftiger Aktienrenditen und risikobereinigter Renditen. Die Modelle verwenden ein gemeinsames zweischichtiges Netz mit…

Dieses Dokument stellt einen strukturierten Zustandsdatensatz für Forschungsagenten vor, der getrennt vom Gesprächsprotokoll geführt wird. Der Datensatz enthält die Frage und den Stichtag, gesammelte Belege, offene Fragen, den Verlauf der Werkzeugaufrufe,…

Dieses Dokument erklärt, wie die Suchschnittstelle eines Prognoseagenten die verwendeten Belege einschränken und seine Aktivitäten nachvollziehbar machen kann. Ein anbieterneutrales Protokoll gibt typisierte Ergebnisse mit Quelle, Veröffentlichungsdatum,…

Dieses Notebook untersucht die Regularisierung linearer Modelle zur Prognose von Renditen bei Währungspaaren. Es unterscheidet zwischen Multikollinearität der Eingabemerkmale und Abhängigkeit zwischen den Assets: Währungspaare teilen sich zugrunde liegende…

Diese Konfigurationsnotiz erläutert die Wahl des SAGA-Solvers und einer strengeren Konvergenztoleranz für die L1-logistische Regression mit drei Klassen. Sie vergleicht SAGA mit LIBLINEAR und führt Laufzeitmessungen für ein Nasdaq-Mikrostruktur-Panel sowie…

Dieses Notebook untersucht einen überwachten Autoencoder, der anhand von Unternehmensmerkmalen zukünftige Renditen prognostiziert. Es behält einen schmalen Engpass im neuronalen Netz bei, entfernt jedoch die bedingte Faktormodell-Interpretation und die…

Dieses Notebook unterscheidet die Prognose von Renditen von der Behauptung, Momentum verursache sie. Als Behandlung dient die Rendite einer Aktie im Vorjahr ohne den jüngsten Monat; die Zielgröße ist die künftige Rendite. Jüngste Volatilität, Rang der…

Dieses Notebook trainiert PatchTST als ein Modell aus der festgelegten Sequenzmodellgruppe für S&P-500-Optionen. PatchTST unterteilt ein Rückblickfenster in gleich große Abschnitte, bildet diese als Tokens ab und nutzt Attention, um Beziehungen zwischen…

Dieses Notebook fasst LightGBM-Ergebnisse aus mehreren Trading-Fallstudien zusammen und vergleicht sie mit linearen Referenzmodellen und TabM. Für jede Fallstudie wird die Konfiguration mit dem besten IC-Wert untersucht; zudem werden Intervalle mit Korrektur…

Dieses Notebook prüft, ob gelernte Graph-Embeddings einem tabellarischen Modell für US-Aktien zusätzliche Prognoseinformationen liefern. Es erstellt ein Netzwerk anhand absoluter Renditekorrelationen, die vor dem Zielzeitraum gemessen wurden, konstruiert…

Dieses Dokument beschreibt ein LSTM-Sequenzmodell für eine Optionsstudie zum S&P 500. Anders als Querschnittsmodelle, die den Verlauf eines Symbols mit konstruierten Merkmalen zusammenfassen, erhält das LSTM chronologische Zeitfenster und lernt, welche…

Das Notebook erstellt mit einem Split-Conformal-Verfahren Prognoseintervalle um Gradient-Boosting-Prognosen. Es passt ein Modell an einem früheren Trainingsabschnitt an, misst absolute Residuen in einem späteren Kalibrierungsabschnitt und legt die…

Dieses Notebook zeigt eine Pipeline, die Finanznachrichten-Schlagzeilen in aktienbezogene Signale umwandelt. Sie bereinigt und vereinheitlicht einen Nachrichtenkorpus, entfernt exakte Duplikate und Duplikate mit übereinstimmendem Präfix innerhalb von Gruppen…

Dieses Notebook beschreibt, wie Holdout-Prognosen für eine FX-Strategie erstellt werden, nachdem ihre Konfiguration bereits anhand von Validierungsergebnissen ausgewählt wurde. Unter den zugelassenen Kandidaten, die nicht insolvent geworden sind, wird der…

Dieses Notebook vergleicht DQN, PPO und A2C in einer simulierten Umgebung für den Kryptowährungshandel. Es kalibriert einen GARCH(1,1)-Volatilitätsprozess anhand stündlicher Renditen von Bitcoin-Perpetual-Futures und simuliert dann Pfade, die…

Dieses Notebook entwickelt einen Prognoseagenten, der zwischen Websuchen und Wahrscheinlichkeitsprognosen wechselt. Eine schlanke Sprachmodell-Schnittstelle mit zwei Methoden ermöglicht es, dieselbe Schleife mit einem Mock-Anbieter, einem lokalen oder einem…

Dieses Notebook beschreibt einen gepatchten Transformer für Sequenzprognosen in einer Studie zu S&P-500-Aktien und -Optionen. Er teilt ein Zeitfenster in zusammenhängende Blöcke und bildet jeden Block als Token ab. So kann die Attention weit voneinander…