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 Notebook passt die bereits durch Validierung ausgewählte FX-Konfiguration neu an und registriert ihre Prognosen für einen späteren Holdout-Backtest. Die Auswahl wird anhand gültiger Validierungs-Backtests aufgelöst und auf eine eingefrorene…

DevisenhandelBacktestingMaschinelles LernenRisikomanagement
Machine Learning for Trading

Diese Fallstudie vergleicht alternative Methoden zur Positionsgrößenbestimmung für CME-Futures mit einer Gleichgewichtung als Basis. Sie erläutert, wie die inverse Volatilitätsgewichtung die Volatilität jedes Kontrakts nutzt, während kovarianzbasierte…

FuturesPositionsgrößenbestimmungPortfolio-KonstruktionRisikomanagement
Machine Learning for Trading

Dieses Notebook gibt einen Überblick über Methoden, um Veränderungen im Prozess zu finden, der eine Finanzzeitreihe erzeugt, und verwendet dazu tägliche SPY-Daten. Es stellt den Zivot–Andrews-Test, der einen Bruch schätzt und zugleich auf eine Einheitswurzel…

StatistikMaschinelles LernenTechnische IndikatorenRisikomanagement
Machine Learning for Trading

Dieses Prüfskript erprobt einen reduzierten CME-Futures-Research-Ablauf – von Modellprognosen über Portfoliogewichte bis zum Backtesting. Es prüft, ob die Prognosen genau die erwarteten Produkt-, Zeitstempel- und Fold-Schlüssel abdecken, ob trainierte…

FuturesBacktestingOrderausführungRisikomanagement
Machine Learning for Trading

Dieses Dokument beschreibt einen Arbeitsablauf, der FRED-Treasury-Renditen und Wirtschaftsindikatoren sammelt, Reihen mit unterschiedlichen Meldefrequenzen an einen Tageskalender anpasst und den resultierenden Datensatz lädt oder filtert. Zu den Indikatoren…

Festverzinsliche WertpapiereMulti-AssetRisikomanagementStatistik
Machine Learning for Trading

Dieses Modul beschreibt eine Suchoberfläche für Research-Agenten mit einem Live-Anbieter und einem deterministischen Mock-Anbieter. Bei Suchanfragen lassen sich die Trefferzahl begrenzen und ein Veröffentlichungsdatum als Stichtag festlegen. So wird…

Maschinelles LernenEreignisgesteuertBacktestingRisikomanagement
Machine Learning for Trading

Dieses Modul definiert eine differenzierbare Zielfunktion für das End-to-End-Portfolio-Lernen. Es wandelt begrenzte Risikogewichte auf Anlagenebene mithilfe der Volatilitätsskalierung in Portfolio-Engagements um, berechnet die durchschnittlichen…

Maschinelles LernenPortfolio-KonstruktionRisikomanagementOrderausführung
Machine Learning for Trading

Diese Konfiguration legt ein Experiment zur Rangfolge und Neugewichtung eines ausschließlich long ausgerichteten ETF-Universums fest. Sie definiert ein breites Universum aus 100 bis ETF ETFs mit Engagements in Aktien, Anleihen, Rohstoffen und verschiedenen…

AktienMulti-AssetBacktestingOrderausführung
Machine Learning for Trading

Dieses Notebook bildet Vorhersageintervalle um Prognosen mit Gradient Boosting und vergleicht Split Conformal Prediction mit Quantilregression, Conformalized Quantile Regression und adaptiver konformer Inferenz. Split Conformal verwendet eine chronologische…

Maschinelles LernenStatistikRisikomanagementPositionsgrößenbestimmung
Machine Learning for Trading

Diese Panelstudie zu US-Aktien nutzt ein regularisiertes lineares Modell als Baseline, um anhand von Merkmalen zum Börsenschluss zukünftige Renditen vorherzusagen. Die Merkmale umfassen überlappende Momentum- und Volatilitätsmessungen, wodurch…

AktienFaktorinvestierenStatistikRisikomanagement
Machine Learning for Trading

Dieses Tutorial vergleicht feste Stop-Loss- und Take-Profit-Barrieren, nachlaufende Stopps, ATR-skalierte Ausstiege, ein Machine-Learning-Ausstiegssignal und Kombinationen dieser Ansätze anhand täglicher SPY-Daten. Feste Barrieren werden ausgehend von…

AktienRisikomanagementTechnische IndikatorenBacktesting
Machine Learning for Trading

Dieses operative Tutorial demonstriert Laufzeitsicherungen für ein Live-Trading-System mit einem synthetischen Broker. Es zeigt, wie SafeBroker Aufträge ablehnt, wenn Marktdaten zu alt sind oder Tagesverluste ein konfiguriertes Limit überschreiten, und wie…

RisikomanagementOrderausführungMarktmikrostruktur
Machine Learning for Trading

Dieses Notebook setzt einen Prognoseagenten aus einem Sprachmodell-Client, einem Suchwerkzeug und einer begrenzten Zugfolge zusammen. Der Agent sucht nach Belegen und gibt eine binäre Wahrscheinlichkeit mit Begründung zurück. Sein Antwortparser behandelt…

Maschinelles LernenStatistikMarktstimmungBacktesting
Machine Learning for Trading

Dieses Notebook prüft, ob sich der Information Coefficient (IC) eines Signals von Rauschen unterscheiden lässt, wenn aufeinanderfolgende Beobachtungen abhängig sind. Anhand eines Momentum-Signals und von ETF-Daten wird veranschaulicht, wie überlappende…

StatistikMaschinelles LernenMomentumBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht Ausstiege aus Long-Positionen in ETF: feste Gewinnziele und Stopps, nachlaufende Stopps, ATR-skalierte Barrieren, Machine-Learning-Signale und Kombinationen. Es erstellt Indikatoren und Handelssimulationen und fasst anschließend…

AktienRisikomanagementPositionsgrößenbestimmungVolatilität
Machine Learning for Trading

Dieses Dokument erläutert eine Validierungsbaseline für Modellprognosen zu CME-Futures. Bei jeder wöchentlichen Entscheidung werden die Produkte nach prognostizierter Rendite geordnet; die oberste Gruppe wird long und die unterste short gehalten, wobei beide…

FuturesBacktestingPortfolio-KonstruktionRisikomanagement
Machine Learning for Trading

Dieses Notebook stellt einen Arbeitsablauf zur Charakterisierung von Marktzeitreihen vor einer Modellierung vor. Es beginnt mit Diagrammen zu Kursen und Renditen von SPY, VIX-Niveaus und der Renditeverteilung, um Trends, Volatilitätscluster und fette…

AktienStatistikVolatilitätRisikomanagement
Machine Learning for Trading

Dieses Notebook beschreibt einen operativen Ablauf, um eine Strategie über TWS oder Gateway mit Interactive Brokers zu verbinden. Es prüft, ob es sich um ein Paper-Konto handelt, liest Kontowerte und Positionen aus und ruft historische Bars ab, um den…

OrderausführungRisikomanagementMomentumAktien
Machine Learning for Trading

Dieses Notebook stellt einen Rahmen zur Bewertung eines ETF-Allokations-Backtests anhand täglicher Portfoliorenditen und einer passenden SPY-Benchmark vor. Es behandelt Risiko- und Renditemaße wie Sharpe, Sortino, Calmar und maximalen Drawdown, rollierende…

BacktestingPortfolio-KonstruktionRisikomanagementStatistik
Machine Learning for Trading

Dieses Notebook erklärt, wie Modellunsicherheit über einen Punktschätzer hinaus zusätzliche Informationen liefern kann. Es schätzt ein stochastisches Volatilitätsmodell, in dem sich die latente logarithmierte Volatilität im Zeitverlauf entwickelt und…

VolatilitätMaschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Diese Analyse wertet eine registrierte Backtesting-Pipeline für eine monatliche US-Aktienstrategie auf Basis von Unternehmensmerkmalen aus. Sie berichtet die Unsicherheit des Sharpe-Werts, die Wahrscheinlichkeit eines positiven Sharpe-Werts und…

AktienFaktorinvestierenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook bewertet positionsbezogene Stop-Losses, Trailing-Stops und zeitbasierte Ausstiege für die Allokationslinie, die unter geeigneten Kandidaten mit vollständiger Abdeckung den höchsten Validierungs-Sharpe aufweist. Jedes Overlay wird mit seiner…

AktienOptionenRisikomanagementBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht Gewichtungsregeln für ein S&P-500-Optionsmodell, das Straddles verkauft. Die ausgewählten Symbole und die übrigen Strategieeinstellungen bleiben unverändert. Die Gleichgewichtungs-Baseline wird durch Allokatoren ersetzt, die…

OptionenAktienPortfolio-KonstruktionPositionsgrößenbestimmung
Machine Learning for Trading

Dieses Notebook misst, wie sich Ausführungskosten auf eine bereits ausgewählte Konfiguration für Krypto-Perpetuals auswirken. Modell, Checkpoint, Einstiegsregel, Allokator und Risikokontrolle bleiben unverändert. Anschließend wird die Strategie mit einem…

KryptoPerpetual FuturesBacktestingOrderausführung