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

934 Dokumente

Machine Learning for Trading

Dieses Notizbuch clustert monatliche makroökonomische Indikatoren, um Marktbedingungen unabhängig von Aktienrenditen zu beschreiben. Es ordnet FRED-Reihen den Monatsendständen zu, standardisiert Arbeitslosigkeit, den Leitzins der US-Notenbank, den…

Maschinelles LernenStatistikVolatilitätUS-Märkte
Machine Learning for Trading

Dieses Notebook passt Diffusion-TS an, um synthetische tägliche ETF-Renditereihen zu erzeugen. Der Denoiser prognostiziert die ursprüngliche Reihe und zerlegt diese Prognose in einen polynomialen Trend, ausgewählte Fourier-Komponenten und einen Rest. Eine…

Maschinelles LernenVolatilitätStatistikMulti-Asset
Machine Learning for Trading

Dieses Notebook erstellt einen Überwachungsablauf für ein eingesetztes Finanzmodell anhand realer Holdout-Artefakte. Bevor Drift gemessen wird, prüft es, ob eingehende Merkmalsdaten ausgefüllt und strukturell gültig sind; anschließend vergleicht es Referenz-…

Maschinelles LernenStatistikRisikomanagementAktien
Machine Learning for Trading

Dieses Notebook erläutert, wie Ridge-Regressionsprognosen für ein ETF-Panel mit SHAP interpretiert werden. Bei einem linearen Modell entspricht der Beitrag jedes Merkmals seinem Koeffizienten multipliziert mit der Abweichung des Merkmals vom…

Maschinelles LernenStatistikAktienBacktesting
Machine Learning for Trading

Dieses Notebook erklärt, wie ein bedingter Autoencoder ein instrumentiertes Hauptkomponentenmodell erweitert: Ein neuronales Netz ordnet Aktienmerkmalen Faktor-Exposures zu, während das Modell dieselbe Struktur aus Exposure mal Faktorrendite beibehält. Es…

AktienFaktorinvestierenMaschinelles LernenBacktesting
Machine Learning for Trading

Diese Studie prüft finanzielle und GJR-GARCH-Volatilitätsmerkmale anhand zukünftiger Aktienrenditen. Für jede Sitzung berechnet sie die Rangkorrelation zwischen einem Merkmal und den nachfolgenden Renditen über Aktien hinweg. Anschließend bewertet sie den…

AktienOptionenStatistikMaschinelles Lernen
Machine Learning for Trading

Diese Referenz beschreibt zwei Korpora mit Finanznachrichten für Sentimentanalysen, die Entwicklung von Textmerkmalen und Experimente zum Zusammenhang zwischen Nachrichten und Renditen. FNSPID verknüpft Schlagzeilen mit Aktientickern und deckt einen langen…

AktienMarktstimmungMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook demonstriert Deep Hedging für einen leerverkauften europäischen Call. Es simuliert Kursverläufe des Basiswerts mit geometrischer Brownscher Bewegung, berechnet die Black-Scholes-Delta als Benchmark und trainiert ein teilweise rekurrentes…

OptionenMaschinelles LernenRisikomanagementBewertung von Derivaten
Machine Learning for Trading

Dieses Notebook zeigt, wie sich prüfen lässt, ob vier Strategien für verwaltete Portfolios nach Kontrolle der durch zehn Hauptkomponenten erfassten breiten Bewegungen zusätzliche Erklärungskraft für SPY-Renditen liefern. Die Kandidatenportfolios ordnen ETFs…

AktienMaschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Das Dokument erklärt die instrumentierte Hauptkomponentenanalyse zur Modellierung von ETF-Renditen. Anders als die gewöhnliche PCA, die jedem Fonds feste Faktor-Exposures zuweist, modelliert IPCA die Exposures jedes Fonds als gemeinsame lineare Funktion…

AktienFaktorinvestierenMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook vergleicht Prognosemodelle, die NASDAQ-100-Aktien nach ihrer Rendite in den nächsten 15 Minuten ordnen, anhand von Intraday-Mikrostrukturinformationen wie Spreads, Ungleichgewichten in der Markttiefe, vorzeichenbehaftetem Volumen und…

AktienMaschinelles LernenStatistikMarktmikrostruktur
Machine Learning for Trading

Diese Evaluation prüft Merkmale aus Optionsoberflächen, preisbasierte Merkmale und bedingte Volatilitätsmerkmale anhand künftiger Aktienrenditen. Für jede Sitzung berechnet sie eine Querschnitts-Rangkorrelation zwischen Merkmalswerten und nachfolgenden…

AktienOptionenStatistikMaschinelles Lernen
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 strukturiert fallstudienübergreifende Vergleiche von LightGBM-Modellen und nutzt lineare Modelle und TabM, sofern verfügbar, als Referenzfamilien. Es bewertet Konfigurationen mit unterschiedlichen Baumgrößen, Regressionsverlusten, Checkpoints…

Maschinelles LernenStatistikBacktesting
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 beschreibt ein Verfahren zur Bewertung eines Herausforderermodells im Shadow-Modus, bevor es Kapital erhält. Es vergleicht gespeicherte Prognosen eines festen Bestandsmodells und eines Kandidaten, erstellt gleich gewichtete, nach Rang…

Maschinelles LernenRisikomanagementBacktestingPortfolio-Konstruktion
Machine Learning for Trading

Dieses Evaluierungsframework unterscheidet vier Arten von Fehlern in einer Finanzpipeline mit Retrieval-Augmented Generation: relevante Belege abrufen, Antworten auf diese Belege stützen, unbeantwortbare Fragen ablehnen und unsicheren Anweisungen in…

Maschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook trainiert PatchTST, ein Sequenzmodell im Transformer-Stil, als Teil einer vorab festgelegten Modellpopulation für die Optionsforschung zum S&P 500. Es unterteilt eine Rückblick-Zeitreihe in Patches fester Länge, bettet diese als Tokens ein…

OptionenMaschinelles LernenBacktestingStatistik
Machine Learning for Trading

Diese Analyse bewertet, ob Signale aus mehreren Trading-Fallstudien zuverlässig genug für die weitere Verwendung erscheinen. Sie vergleicht Informationskoeffizienten (IC) aus der Validierung mit Holdout-Evidenz, untersucht Stabilität und Reproduzierbarkeit…

Maschinelles LernenStatistikBacktestingRisikomanagement
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 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 Dokument beschreibt Registry-Prüfungen, mit denen entschieden wird, ob Modelltraining und Backtests wiederverwendet oder erneut ausgeführt werden. Läufe werden anhand von Hashes identifiziert, die aus ihren Spezifikationen abgeleitet werden; ein Lauf…

BacktestingMaschinelles LernenStatistik
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