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

837 Dokumente

Machine Learning for Trading

Dieses Tutorial gibt einen Überblick über Features aus historischen Kurs- und Volumendaten von Vermögenswerten, darunter Renditen über verschiedene Horizonte, Trend- und Umkehrmaße, mehrere Volatilitätsschätzer, Volatilitätsregime, Liquidität, Tail-Risiko…

Technische IndikatorenMomentumVolatilitätMaschinelles Lernen
Machine Learning for Trading

Dieses Notebook misst, wie sich die Validierungsperformance einer S&P-500-Optionsstrategie unter verschiedenen angenommenen Anteilen des gezahlten notierten Spreads verändert. Es wählt eine Basisstrategie pro Modellfamilie aus und führt jede anschließend mit…

OptionenOrderausführungBacktestingRisikomanagement
Machine Learning for Trading

Dieses Dokument stellt eine wiederverwendbare Zustandsmaschine für automatisierte Handelsstopps mit den Zuständen geschlossen, offen und halb offen vor. Dieselbe Übergangslogik gilt für vier Risiken: Drawdown des Kontos, Tagesverlust, aufeinanderfolgende…

RisikomanagementOrderausführungBacktesting
Machine Learning for Trading

Dieses Notebook erzeugt Prognosen für ein zuvor unberührtes ETF-Holdout-Fenster anhand der Konfiguration, die auf Validierungsdaten ausgewählt wurde. Es erstellt die Trainingsspezifikation neu, sodass sie einen Labelhorizont vor Beginn des Fensters endet,…

BacktestingRisikomanagementStatistik
Machine Learning for Trading

Dieses Notebook beschreibt eine Pipeline, die Beziehungen zwischen Lieferanten, Kunden und Wettbewerbern aus den 10-K-Berichten von Unternehmen extrahiert und als Neo4j-Wissensgraph speichert. Ein lokales Sprachmodell schlägt strukturierte…

AktienMaschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook erläutert, warum ein allgemeines Risiko-Overlay mit Zielgewichtung die beschriebene S&P-500-Short-Straddle-Strategie nicht steuern kann. Die Options-Engine weist wöchentlichen Kohorten feste Kapitalanteile zu und normalisiert die Gewichte…

OptionenRisikomanagementBacktestingBewertung von Derivaten
Machine Learning for Trading

Dieses Dokument stellt eine durchgängige Prognosearchitektur vor, die ein Forschungs-Panel, eine aggregierte Prognose, eine kontroverse Debatte und eine Aufsicht kombiniert. Die Aufsicht erkennt Meinungsverschiedenheiten, sucht nach klärenden Belegen und…

Maschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Dieses Dokument beschreibt eine Gymnasium-Umgebung, in der ein Agent trainiert wird, eine Position über einen festen Zeitraum abzubauen. Die Beobachtung kombiniert Restbestand und verbleibende Zeit mit Spread, Markttiefe, Volatilität und einem normalen oder…

Maschinelles LernenOrderausführungMarktmikrostrukturVolatilität
Machine Learning for Trading

Das Dokument beschreibt einen Vergleich fester und nachgezogener Stop-Regeln für FX-Strategien in der Validierungsphase. Für jedes Rendite-Label wählt es eine übergeordnete Strategie aus einer abgeschlossenen Kohorte von Signal- und Allokationsergebnissen…

DevisenhandelRisikomanagementBacktestingPositionsgrößenbestimmung
Machine Learning for Trading

Dieses Notebook nutzt die Hauptkomponentenanalyse für eine liquide Teilmenge von US-Aktien, um latente Faktoren zu extrahieren und Long-Short-Eigenportfolios zu bilden. Es erläutert, wie standardisierte PCA-Vektoren in Gewichte auf Basis roher Renditen…

AktienFaktorinvestierenStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook untersucht, ob eine extreme Prämie bei Perpetual Futures nachfolgende BTC-Renditen oder eine Prämienumkehr beeinflusst. Als Behandlung definiert es einen Zustand mit hoher Prämie und vergleicht ein breites Marktergebnis, das von vielen…

KryptoPerpetual FuturesArbitrageStatistik
Machine Learning for Trading

Dieses Kapitel gibt einen Überblick darüber, wie sich angepasste statistische Verfahren in Merkmale für Handelsmodelle umwandeln lassen. Es behandelt Diagnostik und Stationarität, Strukturbrüche, fraktionale Differenzierung, Kalman-Filterung, Spektral- und…

StatistikVolatilitätMaschinelles LernenRisikomanagement
Machine Learning for Trading

Dieses Notebook erstellt Labels für zukünftige Aktienrenditen für eine Strategie, die gelistete Optionsdaten auswertet, um Aktien zu ordnen, und diese anschließend hält. Es erstellt eine angepasste Kursreihe, die Kapitalmaßnahmen berücksichtigt,…

AktienOptionenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook fasst einen übergeordneten Auftrag als Steuerungsproblem mit endlichem Zeithorizont auf. In jedem Intervall wählt tabellarisches Q-Learning einen Multiplikator für eine auf VWAP basierende Handelstranche. Dabei berücksichtigt es Zeit und…

AktienOrderausführungMaschinelles LernenMarktmikrostruktur
Machine Learning for Trading

Dieses Notebook nutzt historische Renditen von US-Aktien, um ein Korrelationsnetzwerk aufzubauen und die Portfoliokonstruktion zu untersuchen. Anhand von Daten aus dem Schätzfenster wählt es ein liquides Anlageuniversum aus, wandelt paarweise Korrelationen…

AktienUS-MärktePortfolio-KonstruktionRisikomanagement
Machine Learning for Trading

Dieses Notebook bewertet einen querschnittlichen Momentum-Faktor anhand von Informationskoeffizienten, Quantilrenditen, Spreads zwischen oberen und unteren Quantilen sowie Klassifikationsdiagnostik. Es führt Spearman-IC als tagweise Rangkorrelation zwischen…

MomentumFaktorinvestierenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook erläutert paarweise und querschnittliche Merkmale anhand von ETF-Panels. Es vergleicht die Kointegrationstests nach Engle–Granger und Johansen und unterscheidet einen stationären Spread von einfacher gemeinsamer Bewegung. Das Beispiel mit…

Pairs-TradingRückkehr zum MittelwertStatistikRisikomanagement
Machine Learning for Trading

Diese Fallstudie untersucht, ob Informationen aus börsennotierten Optionen bei der Auswahl von S&P-500-Aktien helfen können. Sie kombiniert tägliche Aktienkurse mit optionsimplizierten Volatilitätsniveaus, Schiefe, Laufzeitstruktur und Kennzahlen der…

AktienOptionenBacktestingRisikomanagement
Machine Learning for Trading

Dieses Modul definiert einen nutzerorientierten Ablauf für die Futures-Forschung zu CME. Er umfasst Modellanfragen, Prognose- und Backtest-Ausführung, Kandidatenpools und die endgültige Auswahl. Es übernimmt die konfigurierte Label-Suche aus einer…

FuturesMaschinelles LernenBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook nutzt die maximale günstige Kursbewegung (MFE) und die maximale ungünstige Kursbewegung (MAE), um die Breite der Triple-Barrier-Labels an beobachteten Kursverläufen auszurichten. Für eine Position, die zum Balkenschluss eröffnet wird, misst…

AktienFuturesKryptoVolatilität
Machine Learning for Trading

Dieses Notebook zeigt einen operativen Ablauf für eine ETF-Aktienstrategie: Marktdaten aktualisieren, Finanzmerkmale berechnen, ein Ridge-Modell neu trainieren, aktuelle querschnittliche Prognosen erstellen, sie durch eine Backtest-Engine abspielen und einen…

AktienMaschinelles LernenOrderausführungBacktesting
Machine Learning for Trading

Das Dokument beschreibt eine Allokationsstudie für ein FX-Portfolio, die Positionsgrößen von der Signalauswahl isolieren soll. Sie beginnt mit eingefrorenen, gleich gewichteten Basiskandidaten, die nach der Backtest-Leistung in der Validierung geordnet sind,…

DevisenhandelPortfolio-KonstruktionBacktestingRisikomanagement
Machine Learning for Trading

Das Dokument erläutert, wie Modellunsicherheit zusätzliche Informationen über die Punktschätzung hinaus liefern kann. Es stellt GARCH, das Volatilität aus vergangenen Renditen ableitet, einem stochastischen Volatilitätsmodell gegenüber, das Volatilität als…

VolatilitätStatistikMaschinelles LernenRisikomanagement
Machine Learning for Trading

Dieses Notebook bewertet Sicherheitsregeln für einen auf Dokumenten beruhenden Finanzassistenten anhand von sechs manuell erstellten Fällen. Die Fälle behandeln Prompt-Injection, erfundene Zahlen in nicht vertrauenswürdigem Material, versuchte Aktionen und…

Maschinelles LernenRisikomanagementMarktstimmungStatistik