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 Notebook erläutert instrumentierte Hauptkomponentenanalyse (IPCA) für ein Aktienpanel mit Optionsoberflächenmerkmalen. Anders als bei gewöhnlicher PCA, bei der die Exponierungen jeder Aktie anhand ihrer Renditehistorie geschätzt werden, modelliert…

AktienOptionenFaktorinvestierenMaschinelles Lernen
Machine Learning for Trading

Dieses Notebook beschreibt, wie sich Bruttorenditen in eine Nettoperformance überführen lassen, indem Handelsfriktionen, Finanzierung und Fondskosten getrennt modelliert werden. Das parametrisierte Kostenmodell berechnet Handelskosten anhand von…

AktienOrderausführungRisikomanagementBacktesting
Machine Learning for Trading

Diese Fallstudie erläutert, warum Stop-Losses, Trailing-Stops und andere Positions-Overlays für US-Portfolios aus Unternehmensmerkmalen, die auf Monatsbeobachtungen beruhen, nicht getestet werden können. Der vektorisierte Backtest wendet einen Gewichtsvektor…

AktienRisikomanagementBacktesting
Machine Learning for Trading

Dieses Notebook erläutert instrumentierte Hauptkomponentenanalyse (IPCA), die gemeinsame Faktoren schätzt und zugleich die Faktor-Exponierungen jeder Aktie als gemeinsame lineare Funktion ihrer tagesgleichen Optionsoberflächenmerkmale modelliert. Dazu zählen…

OptionenAktienFaktorinvestierenMaschinelles Lernen
Machine Learning for Trading

Das Dokument beschreibt, wie rollierende ETF-Renditefenster in Zweikanalbilder für ein herkömmliches faltendes neuronales Netz umgewandelt werden. Ein Gramian Angular Field bildet normalisierte Beobachtungen auf Winkel ab und hält paarweise Winkelbeziehungen…

AktienMaschinelles LernenTechnische IndikatorenStatistik
Machine Learning for Trading

Dieses Notebook erstellt preisbasierte Features, um ein breites US-Aktienuniversum zu ordnen. Es beschreibt Momentum-, Volatilitäts-, gleitende Durchschnitts- und technische Indikatorfamilien und bewertet sie anhand eines Labels für die Rendite der folgenden…

AktienUS-MärkteTechnische IndikatorenMomentum
Machine Learning for Trading

Dieses Notebook schätzt, wie Ausführungskosten hypothetische Intraday-Strategierenditen schmälern können. Zunächst misst es volumen­gewichtete notierte Spreads für die NASDAQ-100-Bestandteile anhand von Minutenbalken-Kursnotierungen und verwendet dann den…

AktienOrderausführungMarktmikrostrukturBacktesting
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

Dieser Datensatzleitfaden vergleicht zwei Quellen für US-Aktien-Tickdaten zur Orderbuch- und Markt-Mikrostruktur-Forschung. Die Market-by-Order-Datensätze von Databento liefern vorverarbeitete Hinzufügungs-, Änderungs-, Stornierungs- und Handelsereignisse,…

AktienMarktmikrostrukturOrderausführung
Machine Learning for Trading

Dieses Notebook zeigt, wie ein Transformer für die Erkennung benannter finanzieller Entitäten feinabgestimmt wird, um Textspannen in strukturierte Felder für Organisationen, Personen, Geldbeträge, Datumsangaben und Prozentsätze umzuwandeln. Es führt…

Maschinelles LernenStatistikMarktstimmungAktien
Machine Learning for Trading

Dieses Notebook erläutert drei Möglichkeiten, aus Minutendaten des NASDAQ-100 modellbasierte Features zu erstellen: eine rollierende HAR-Regression für Varianzprognosen und Prognosefehler, eine Fourier-Transformation für jüngste Volumenmuster und…

AktienVolatilitätMarktmikrostrukturStatistik
Machine Learning for Trading

Dieses Notebook vergleicht vier Verfahren zum Abruf von Textpassagen aus einem Korpus von Unternehmensberichten: BM25, dichte Embeddings, Reciprocal Rank Fusion (RRF) und einen Cross-Encoder-Reranker. RRF kombiniert Ranglisten statt Rohwerte und kann so…

Maschinelles LernenStatistikAktienUS-Märkte
Machine Learning for Trading

Diese Fallstudie bewertet tägliche querschnittliche Signale in einem breiten US-Aktienuniversum und beschreibt eine umfangreiche Forschungspipeline: von zeitpunktgenauen Daten und entwickelten Features über Modellvergleiche und Portfoliokonstruktion bis hin…

AktienMaschinelles LernenMomentumRückkehr zum Mittelwert
Machine Learning for Trading

Dieses Notebook vergleicht LightGBM mit einem MLP, TabM und, sofern verfügbar, TabPFN zur Prognose zukünftiger ETF-Renditen anhand tabellarischer Merkmale. Die Modelle werden über gemeinsame chronologische Walk-Forward-Falten bewertet;…

AktienMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht gewöhnliche kleinste Quadrate mit Ridge, LASSO und Elastic Net zur Prognose zukünftiger Renditen über 21 Tage anhand von ETFs. Die Modelle verwenden dieselben festgelegten Walk-Forward-Falten und eine an den Labelhorizont…

AktienMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook erläutert ein lokales lineares Trend-Zustandsraummodell, mit dem sich Finanzmerkmale aus Kursniveaus ableiten lassen. Der verborgene Zustand umfasst ein Kursniveau und seine Steigung; die beobachteten Schlusskurse sind verrauscht. In jedem…

AktienStatistikTechnische IndikatorenPairs-Trading
Machine Learning for Trading

Dieses Notebook trennt kontinuierliche Preisbewegungen von diskreten Sprüngen in Intraday-Aktienrenditen. Es schätzt die täglich realisierte Varianz anhand quadrierter Log-Renditen und nutzt die Bipower-Variation als gegenüber Sprüngen robuste Schätzung der…

AktienVolatilitätStatistikMarktmikrostruktur
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 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 stellt die Hauptkomponentenanalyse als unkonditionierte Basis latenter Faktoren für Aktienrenditeprognosen in einer Optionsanalyse vor. PCA nutzt das historische Renditepanel, um gemeinsame Bewegungen und die Faktorladungen der einzelnen…

AktienMaschinelles LernenStatistikFaktorinvestieren
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 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