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.
934 Dokumente
Dieses Kapitel stellt Reinforcement Learning als Werkzeug für sequenzielle Steuerung dar und grenzt es von überwachter Prognose ab. Im Mittelpunkt stehen Aufgaben, bei denen Aktionen spätere Ergebnisse beeinflussen und Belohnungen vergleichsweise konkret…
Dieses ETF-Merkmals-Notebook erläutert, wie angepasste statistische Modelle über ihre geschätzten Parameter Zukunftsinformationen einfließen lassen können, selbst wenn ihre Formeln vergangene Beobachtungen verwenden. Abhilfe schafft ein Walk-Forward-Zeitplan…
Dieses Notebook untersucht Gradient Boosting für ein US-Aktienpanel und variiert Baumkapazität, Zielfunktion und Trainings-Checkpoint über drei Horizonte für Forward-Renditen. Es erläutert, wie flache Bäume Merkmalsinteraktionen lernen können und wie mit…
Dieses Notebook zeigt SHAP-Erklärungen für ein LightGBM-Modell, das ETF-Forward-Renditen prognostiziert. TreeSHAP liefert Merkmalsbeiträge für einzelne Prognosen und zusammengefasste Wichtigkeitswerte. Beeswarm- und Abhängigkeitsdiagramme zeigen, wie…
Dieses Notebook beschreibt, wie Holdout-Prognosen für eine Krypto-Perpetual-Funding-Strategie erstellt werden, nachdem ihre Konfiguration anhand von Validierungsergebnissen ausgewählt wurde. Es ermittelt den zulässigen Validierungs-Backtest mit der höchsten…
Dieses gemeinsam genutzte Hilfsmodul unterstützt Kausalanalysen von Handelsdaten mit Double Machine Learning (DML) für Zeitreihen. Zu den dokumentierten Werkzeugen zählen Walk-Forward-Schätzungen mit Embargo, Nuisance-Modelle und Refutationstests.…
Diese Fallstudie erläutert, wie Prognosen für einen Holdout-Zeitraum erstellt werden, nachdem Modell und Strategie anhand von Validierungsdaten ausgewählt wurden. Sie lädt die zuvor gewählte Konfiguration, rekonstruiert deren Trainingsspezifikation und…
Dieses Notebook erstellt einen LSTM-Allokator, der jüngste ETF-Rendite- und Volatilitätsmerkmale direkt auf Long-only-Portfoliogewichte abbildet. Eine Softmax-Ausgabe hält die Gewichte nichtnegativ und das Portfolio voll investiert. Eine differenzierbare…
Dieses Notebook beschreibt ein LSTM-Sequenzmodell, das Aktienrenditen anhand geordneter Fenster jüngster Merkmale vorhersagt. Jedes Beispiel verwendet 60 aufeinanderfolgende Sitzungen für eine Aktie; Fenster, die Listungslücken, Handelsaussetzungen oder…
Dieses Notebook fasst registrierte Validierungsergebnisse von fünf Schätzern latenter Faktoren – PCA, IPCA, CAE, SDF und SAE – über neun Fallstudien hinweg zusammen. Zunächst wird berichtet, für welche Schätzer Ergebnisse in den einzelnen Panels vorliegen;…
Dieses Notebook wendet TabM, ein neuronales Ensemble mit gemeinsam genutzten Gewichten, auf ein US-Aktienpanel an, das pro Aktie und Sitzung eine Merkmalszeile enthält. Ein gemeinsam genutzter zweischichtiger Backbone speist mehrere Mitglieder, die jeweils…
Dieses Notebook wendet die Hauptkomponentenanalyse auf ein Panel aus US-Aktienrenditen an, um breite gemeinsame Bewegungen mit einer kleineren Zahl von Faktoren darzustellen. Jeder Faktor ist eine Richtung gemeinsamer Variation; die Ladung jeder Aktie…
Dieses Notebook vergleicht Gradient-Boosting-Konfigurationen für Krypto-Perpetual-Futures anhand von Merkmalen, die auf dem Aufschlag der Perpetual-Kontrakte gegenüber dem Kassamarkt beruhen. Es variiert die Baumkapazität und die Verlustfunktion, darunter…
Dieses Notebook nutzt Double Machine Learning, um zu schätzen, ob Futures-Carry nach Berücksichtigung von Volatilität, Momentum und dem querschnittlichen Carry-Rang nachfolgende Renditen vorhersagt. Mithilfe flexibler Modelle und Cross-Fitting werden Carry…
Dieses Notebook entwickelt modellbasierte Merkmale für Krypto-Perpetual-Futures: bedingte Volatilitätsprognosen pro Anlage aus GJR-GARCH und eine marktweite Wahrscheinlichkeit für ein Stressregime aus einem Gaußschen Hidden-Markov-Modell mit zwei Zuständen,…
Diese Fallstudie skizziert eine Forschungspipeline für Krypto-Perpetual-Futures. Dabei werden Funding-Zahlungen, die bei regelmäßigen Abrechnungen zwischen Long- und Short-Positionen ausgetauscht werden, als mögliche Renditequelle betrachtet. Beschrieben…
Diese Analyse vergleicht die Ergebnisse der Merkmalsprüfung aus neun Trading-Fallstudien und untersucht, ob Merkmale, die das Screening bestehen, stärkere Strategien vorhersagen. Das Screening kombiniert die Kontrolle der Falschentdeckungsrate nach…
Dieses Notebook beschreibt DeePM, eine durchgängige ETF-Portfolio-Policy, die die Wertentwicklung unter wechselnden Marktbedingungen verbessern soll. Zu ihren Bestandteilen gehören volatilitätsnormalisierte Rendite- und Trendmerkmale, ein auf LSTM…
Diese Fallstudie wendet kausale Schätzverfahren auf das Momentum von ETF an und untersucht, ob dessen Effekt auf zukünftige Renditen je nach Marktvolatilität variiert. Sie verwendet ein kontinuierliches Momentum-Treatment, eine Zielgröße für die Rendite über…
Dieses Notebook stellt NLinear als einfache Baseline für Sequenzmodelle zur Vorhersage von Renditen bei US-Aktien vor. Jedes Beispiel verwendet ein Fenster aus 60 aufeinanderfolgenden Sitzungen für eine Aktie, wobei die Merkmale zeitlich geordnet sind. Für…
Dieses Notebook wendet das vortrainierte FinBERT auf Finanznachrichten von FinMarBa an und untersucht, warum seine Genauigkeit deutlich unter den für die Auswertung anhand der Financial PhraseBank berichteten Werten liegt. Die zentrale Diagnose betrifft die…
Dieses Notebook bewertet NLinear, ein minimales Sequenzmodell, das von jedem Wert im Rückblickfenster das zuletzt beobachtete Niveau abzieht und die verbleibenden Werte auf eine Prognose abbildet. Seine Einfachheit macht es zu einer nützlichen Benchmark für…
Das Dokument beschreibt eine Walk-Forward-Studie mit TabM-Neuronalen-Netzen, die Monatsrenditen anhand von Unternehmensmerkmalen prognostizieren. Da der gemeinsame Trainingslauf für die Regression den quadratischen Fehler als Optimierungsziel und für die…
Das Dokument stellt einen Workflow vor, der standardisierte Marktdatenlader, ein Register vorgefertigter Merkmale und Signalanalysen verbindet. Die Merkmalsberechnung kann über Namen, Parameterzuordnungen oder YAML festgelegt werden und unterstützt…