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

952 Dokumente

Machine Learning for Trading

Dieses Dokument erläutert, wie ein bestehendes Modell und ein Kandidatenmodell vor einer Kapitalallokation in einer Shadow-Evaluierung verglichen werden. Rollen und Freigabeschwellen werden vorab festgelegt; anschließend wird der Kandidat anhand von fünf…

Maschinelles LernenStatistikRisikomanagementBacktesting
Machine Learning for Trading

Das Notebook stellt einen überwachten Autoencoder zur Modellierung von Aktienfaktoren vor. Anders als unüberwachte Autoencoder, die einen Engpass durch Rekonstruktion des Querschnitts erlernen, bezieht dieses Modell auch zukünftige Renditen in sein…

AktienMaschinelles LernenFaktorinvestierenStatistik
Machine Learning for Trading

Dieses explorative Notebook beschreibt Aufbau und Interpretation der vorab berechneten Felder in AlgoSeek-NASDAQ-100-Minutenbalken. Es ordnet sie in Quotepreise und -größen, Handelspreise, Spreads, Volumen, Handelsort-Kategorien, Tick-Richtung, Kauf- und…

AktienMarktmikrostrukturOrderausführungUS-Märkte
Machine Learning for Trading

Das Notebook erklärt, wie sich kontinuierliche Preisbewegungen von Sprüngen in Intraday-Aktienrenditen trennen lassen. Es schätzt die tägliche realisierte Varianz anhand quadrierter Renditen und verwendet Bipower Variation als sprungrobuste Schätzung der…

AktienVolatilitätStatistikMarktmikrostruktur
Machine Learning for Trading

Das Dokument zeigt einen Broker-Wrapper, der Orders und den Portfoliostatus prüft, bevor er Trades weiterleitet. Zu den Kontrollen gehören Obergrenzen für Stückzahl und Wert je Order, Positionslimits, Orderratenlimits, Positiv- und Sperrlisten für…

RisikomanagementPositionsgrößenbestimmungOrderausführungBacktesting
Machine Learning for Trading

Dieses Kapitel gibt einen Überblick über Darstellungen von Finanztexten: von Wörterbüchern und Worthäufigkeiten über TF-IDF und statische Einbettungen bis hin zu rekurrenten Netzwerken und Transformern. Es erläutert die Zielkonflikte: Einfachere Verfahren…

Maschinelles LernenMarktstimmungStatistikAktien
Machine Learning for Trading

Diese Fallstudie bewertet monatliche Long-Short-Dezilstrategien auf Basis von Unternehmensmerkmalen aus den US. Sie vergleicht lineare Modelle, Gradient Boosting und Ansätze mit latenten Faktoren unter Berücksichtigung zeitpunktbezogener Verzögerungen bei…

AktienUS-MärkteFaktorinvestierenMaschinelles Lernen
Machine Learning for Trading

Diese Analyse vergleicht drei Verfahren, um vorzeichenbehaftete Modellprognosen von Renditen in binäre Positionen umzuwandeln: einen festen Schwellenwert von null, ein nachlaufendes Perzentil je Symbol und ein Perzentil im Querschnitt der Symbole. Sie wendet…

Maschinelles LernenOrderausführungBacktestingKrypto
Machine Learning for Trading

Dieses Notebook wandelt die vorwärts gerichteten 21-Tagesrenditen von ETF in ein Aufwärts- oder Abwärtsziel um und bewertet die logistische Regression mit L1- und L2-Regularisierung auf chronologischen Walk-Forward-Folds. Es skaliert Merkmale anhand der…

Maschinelles LernenStatistikPositionsgrößenbestimmungAktien
Machine Learning for Trading

Dieses Notebook vergleicht Zielfunktionen für Gradient Boosting bei monatlichen Aktienrenditen aus den US und hält Merkmale, Zielvariable und Walk-Forward-Folds konstant. Es stellt den quadratischen Fehler dem absoluten Fehler und dem Huber-Verlust…

AktienMaschinelles LernenBacktestingStatistik
Machine Learning for Trading

Diese Implementierung beschreibt einen bedingten Autoencoder für das Asset Pricing. Ein Beta-Netzwerk ordnet den Merkmalen jeder Aktie latente Faktorladungen zu, während ein lineares Faktornetzwerk verwaltete Portfoliorenditen auf Faktorrenditen abbildet.…

AktienFaktorinvestierenMaschinelles Lernen
Machine Learning for Trading

Dieses Notebook untersucht, ob historische ETF-Daten eine monatliche Rangstrategie unterstützen können, bevor ein Modell oder eine Prognose erstellt wird. Es prüft die zeitpunktbezogene Eignung anhand der Liquidität des Vorjahres, zählt verfügbare Fonds an…

AktienBacktestingOrderausführungStatistik
Machine Learning for Trading

Dieses Notebook prüft potenzielle Merkmale für eine Strategie, die auf dieselbe Aktie Call- und Put-Optionen am Geld mit identischem Verfallsdatum verkauft und den Straddle bis zum Verfall hält. Für jedes Merkmal wird gemessen, ob es die verfügbaren Titel in…

OptionenAktienStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook vergleicht die BM25-Schlüsselwortsuche, dichte Einbettungen, Reciprocal Rank Fusion (RRF) und das Reranking durch Cross-Encoder anhand von Passagen aus 10-K-Meldungen von Unternehmen. Es erstellt jeden Suchansatz und bewertet die Rangfolge…

Maschinelles LernenStatistikAktien
Machine Learning for Trading

Dieses Notebook vergleicht LightGBM-Modelle in einem Panel mit US-Aktien über drei Renditehorizonte. Das Raster variiert die Anzahl der Baumblätter und die Verlustfunktionen; anschließend bewertet es jede Konfiguration bei mehreren Baumzahl-Prüfpunkten. Die…

AktienMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook verarbeitet die vierteljährlichen Massendaten zu 13F-Beständen der SEC, um institutionelle Beteiligungen, Manager-Rangfolgen und Netzwerke gemeinsamer Beteiligungen zu untersuchen. Es wählt für jeden Manager anhand der Meldedaten die jüngste…

AktienUS-MärkteStatistikMarktmikrostruktur
Machine Learning for Trading

Dieses Notebook nutzt aus NASDAQ ITCH abgeleitete Trades und Auftragsmeldungen, um Muster der Markt-Mikrostruktur zu veranschaulichen. Es untersucht eine negative Autokorrelation erster Ordnung bei Renditen aus Tick-Handelspreisen und erläutert, wie…

AktienMarktmikrostrukturOrderausführungStatistik
Machine Learning for Trading

Dieses Hilfsmodul stellt statistische Funktionen zur Diagnose von Panels mit Trading-Daten bereit. Seine Autokorrelationsmethode berechnet die Kurve zunächst für jede Einheit einzeln und bündelt die Ergebnisse erst danach, um eine scheinbare Abhängigkeit…

StatistikBacktestingMarktmikrostrukturAktien
Machine Learning for Trading

Diese Fallstudie zu US-Aktien unterscheidet zwischen der Prognose künftiger Renditen und der Behauptung, Momentum verursache diese Renditen. Als Behandlung verwendet sie die Rendite einer Aktie im Vorjahr ohne den jüngsten Monat, als Ergebnis die…

AktienMomentumMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Lehr-Notebook vergleicht Methoden zur Erstellung von Ziel-Labels für überwachte Trading-Modelle anhand von ETF-Daten. Es behandelt Renditen und Richtungs-Labels mit festem Horizont, rollierende Zeitreihen-Perzentile, querschnittliche Perzentile,…

Maschinelles LernenStatistikBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook zeigt Prüfungen auf Lookahead-Bias anhand von ETF-Kursen und makroökonomischen Zeitreihen. Es zeigt, dass ein zentrierter gleitender Durchschnitt zukünftige Beobachtungen einschließt, Kurswendepunkte zu genau nachzeichnen kann und am jüngsten…

AktienStatistikBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook vergleicht drei Möglichkeiten, Marktregime für Prognosen zu nutzen: ein Basismodell ohne Regimeeingabe, ein einzelnes Modell mit der gefilterten Wahrscheinlichkeit eines volatilen Zustands und separate Modelle, die innerhalb fest zugeordneter…

AktienMaschinelles LernenStatistikVolatilität
Machine Learning for Trading

Dieses Notebook schätzt, ob der Anteil des vorzeichenbehafteten, käuferinitiierten Volumens mit künftigen 15-Minuten-Renditen zusammenhängt, nachdem relativer Spread, jüngste realisierte Volatilität und die Rendite des Vormonats berücksichtigt wurden. Double…

AktienMarktmikrostrukturMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook verwendet Double Machine Learning (DML), um den adjustierten Effekt eines kontinuierlichen ETF-Momentummaßes auf nachfolgende Renditen zu schätzen. Dabei kontrolliert es für jüngere und längerfristige Volatilität, Marktregime und die Steigung…

Maschinelles LernenStatistikAktienMomentum