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 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…
Dieses Notebook richtet Feast als Feature-Store für Finanz- und Modelldaten ein und vergleicht anschließend historische und zeitpunktbezogene Abrufe mit einem transparenten, manuell erstellten Join. Es definiert Entitäten, zeitgestempelte Quellen,…
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…
Dieses Modul koordiniert Walk-Forward-Anpassung und -Bewertung für mehrere latente Faktormodelle, darunter Hauptkomponenten, instrumentierte Hauptkomponenten und neuronale Autoencoder. Es bereitet Paneldaten und Folds vor, ruft modellspezifische Abläufe auf…
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.…
Diese Referenz beschreibt die Financial Phrasebank, eine Sammlung gekennzeichneter Finanznachrichtensätze, die zum Trainieren oder Bewerten von Modellen zur Verarbeitung natürlicher Sprache verwendet wird. Menschliche Annotatoren weisen positive, neutrale…
Diese Analyse erläutert, wie Informationskoeffizienten (ICs) im Querschnitt für CME-Futuresmodelle zu lesen sind und wie sie mit späteren Portfoliotests zusammenhängen. Sie berechnet für jedes Datum die Rangkorrelation zwischen prognostizierten und…
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…
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…
Dieses Notebook vergleicht Gleichgewichtung, inverse Volatilität, Minimum-Varianz und hierarchische Risikoparität mit demselben ETF-Universum, denselben Prognosen, demselben Umschichtungsplan und demselben Backtestverfahren. Ein rollierendes Ridge-Modell…
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…
Dieses Notebook entwickelt eine simulierte Market-Making-Aufgabe, in der ein PPO-Agent Quotierungsverschiebung und Spannenbreite wählt. Die Ausführungswahrscheinlichkeit sinkt, je weiter sich die Quotierungen vom Mittelkurs entfernen, während das…
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,…
Dieses gemeinsame Modellierungsmodul unterstützt quantitative Forschungsabläufe, indem es Merkmale, Labels, Zeitdaten und Konfigurationen lädt und anschließend Walk-Forward-Cross-Validation-Folds vorbereitet. Das Design legt Wert auf Reproduzierbarkeit und…
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…
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…
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…
Dieses Notebook richtet einen Prognoselauf mit LSTM für eine Fallstudie zu FX-Paaren ein. Das Modell trägt einen verborgenen Zustand durch eine Rückblicksequenz weiter. Architektur- und Trainingseinstellungen werden mithilfe gemeinsamer Konfigurations- und…
Dieses Notebook untersucht, wie Renditeprognosen für ETFs Unsicherheit ausdrücken können, und vergleicht Monte-Carlo-Dropout mit tiefen Ensembles. Dropout bleibt bei wiederholten Inferenzdurchläufen aktiv, während ein Ensemble die Abweichungen zwischen…
Dieses Notebook sammelt registrierte Schätzungen aus dem Double Machine Learning mehrerer Trading-Fallstudien und vergleicht ihre Unsicherheit und Diagnosen. Es lädt aktuelle Zeilen aus dem Register jeder Studie, prüft die Registerintegrität und die…
Dieses Notebook passt ein festgelegtes LSTM-Modell für Prognosen in einer S&P-500-Optionsstudie an. Das Netzwerk erhält chronologische Zeitfenster der Historie jedes Symbols und verwendet einen gesteuerten rekurrenten Zustand, um Informationen über mehrere…
Dieses Notebook vergleicht drei Verfahren zur Klassifizierung von Sätzen aus Finanznachrichten als positiv, neutral oder negativ: TF-IDF-Wort- und Phrasenmerkmale mit logistischer Regression, gemittelte statische Wortvektoren mit einem Klassifikator und ein…
Dieses Notebook bewertet bilanz- und preisbasierte Merkmale als eigenständige Prognosefaktoren für die Renditen von US-Aktien im Folgemonat. Es berechnet monatliche querschnittliche Rangkorrelationen zwischen jedem Merkmal und dem Rendite-Label und fasst sie…
Dieses Notebook prüft mögliche Merkmale für eine CME-Futures-Fallstudie anhand künftiger Renditen. Für jedes Merkmal berechnet es querschnittliche Rangkorrelationen zwischen Merkmalswerten und nachfolgenden Renditen, fasst die Korrelation über Zeitpunkte…