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 zeigt einen operativen Ablauf für eine ETF-Aktienstrategie: Marktdaten aktualisieren, Finanzmerkmale berechnen, ein Ridge-Modell neu trainieren, aktuelle querschnittliche Prognosen erstellen, sie durch eine Backtest-Engine abspielen und einen…

AktienMaschinelles LernenOrderausführungBacktesting
Machine Learning for Trading

Das Dokument stellt GReaT vor: ein Framework, das Zeilen mit gemischten numerischen und kategorialen Finanzdaten als Text serialisiert, ein Sprachmodell anhand dieser Datensätze feinabstimmt und generierten Text wieder in Tabellen umwandelt. Im Beispiel…

Maschinelles LernenAktienStatistikBacktesting
Machine Learning for Trading

Dieses Notebook verwendet die Hauptkomponentenanalyse, um gemeinsame Bewegungen in einem breiten Aktienpanel aus US abzubilden. PCA extrahiert Richtungen, die gemeinsame Schwankungen der Renditen erklären; die Faktorladung jeder Aktie misst ihre Exponierung…

AktienUS-MärkteMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook stellt ein zeitliches Faltungsnetz (TCN) vor, das anhand von Sequenzen vergangener Renditemerkmale zukünftige ETF-Renditen prognostiziert. Kausale Faltungen stellen sicher, dass eine Ausgabe nur Beobachtungen bis zu ihrem Datum verwendet.…

AktienMaschinelles LernenBacktestingStatistik
Machine Learning for Trading

Dieses Notebook erläutert Tick- und Volumen-Imbalance-Balken und vergleicht anschließend adaptive Schwellenwerte, feste Schwellen und gleitende Fenster anhand von NVDA-Handelsdaten. Bei Tick-Imbalance-Balken werden vorzeichenbehaftete Handelsrichtungen…

AktienMarktmikrostrukturStatistikBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht zwei Transformer-Architekturen zur Prognose von 21-Tage-ETF-Renditen anhand zurückliegender Momentum-Merkmale. PatchTST gruppiert aufeinanderfolgende Tage zu Patches und ordnet kurze Sequenzen lokaler Formen jeweils einem Token zu.…

AktienMaschinelles LernenMomentumBacktesting
Machine Learning for Trading

Dieses Notebook analysiert rekonstruierte NASDAQ-Orderbücher, um Intraday-Spreads und die Tiefe am besten Geld- und Briefkurs zu beschreiben. Anschließend untersucht es, ob die Orderflow-Imbalance mit der Rendite des nächsten Zeitintervalls zusammenhängt.…

AktienMarktmikrostrukturOrderausführungStatistik
Machine Learning for Trading

Dieses Notebook erläutert, wie ein bedingter Autoencoder die instrumentierte PCA für die Modellierung von ETF-Renditen erweitert. Beide Methoden bilden Fondsmerkmale auf Faktor-Engagements ab und kombinieren diese mit Faktorrenditen; der Autoencoder ersetzt…

AktienFaktorinvestierenMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook nutzt lineare Regression als Baseline zur Prognose von NASDAQ-100-Renditen anhand von Intraday-Mikrostrukturmerkmalen auf Minutenebene. Da sich Spread- und Order-Imbalance-Messungen über verschiedene Rückblickzeiträume überschneiden, ist die…

AktienMarktmikrostrukturMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook zeigt einen Arbeitsablauf, mit dem sich die Modellierung finanzieller Zeitreihen beurteilen lässt. Es beginnt mit Diagrammen zu Kursen und Renditen von SPY, den Niveaus von VIX und der Renditeverteilung, um driftende Niveaus, gehäufte…

StatistikVolatilitätTechnische IndikatorenAktien
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

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

Dieser Benchmark vergleicht CSV, Parquet, Feather (Arrow IPC) und HDF5 anhand desselben deterministischen OHLCV-Panels. Gemessen werden Schreibzeit, materialisierte Lesezeit, Dateigröße und die Auswirkungen, wenn nur ausgewählte Spalten gelesen werden. Für…

AktienBacktestingOrderausführung
Machine Learning for Trading

Diese ETF-Merkmalsstudie erstellt drei modellbasierte Eingaben: ein Hidden-Markov-Modell (HMM) zur Schätzung des Marktregimes, fraktional differenzierte Kurse von Referenzfonds und die bedingte Volatilität je ETF anhand von GARCH(1,1). Um Look-ahead zu…

AktienVolatilitätMaschinelles LernenStatistik
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 Notebook überträgt Word2Vec Skip-gram auf institutionelle Aktienbestände. Es behandelt das Portfolio jeder Institution als Satz, Aktienkennungen als Token und nach gemeldetem Bestandswert geordnete Positionen als Wortreihenfolge. Aktien, die…

AktienMaschinelles LernenPortfolio-KonstruktionStatistik
Machine Learning for Trading

Dieses Notebook erklärt, warum unveränderte Aktienkurse irreführende Renditen ergeben können, wenn sie Aktiensplits oder Bardividendentermine umfassen. Es beschreibt die rückwirkende Bereinigung, bei der historische Preise anhand späterer Kapitalmaßnahmen…

AktienStatistikBacktestingUS-Märkte
Machine Learning for Trading

Dieses Notebook prüft, ob eine modellbasierte Positionsgröße eine Gleichgewichtung in einer US-Strategie mit Unternehmensmerkmalen verbessert. Es vergleicht Score-Gewichtung, bei der Wertpapieren mit höheren prognostizierten Scores mehr Kapital zugewiesen…

AktienPositionsgrößenbestimmungPortfolio-KonstruktionBacktesting
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 Notebook behandelt ARIMA-Prognosen als Eingabespalten für nachgelagerte Modelle statt als eigenständige Prognosen. Es passt Modelle an ETF-Renditen an, nutzt Stationaritätsprüfungen und Autokorrelationsdiagnostik zur Auswahl möglicher Ordnungen und…

AktienMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Dokument stellt das monatliche US-Aktienpanel von Chen, Pelger und Zhu vor, das zum Benchmarking von Asset-Pricing-Modellen verwendet wird. Es beschreibt 46 Unternehmensmerkmale, geordnet nach wirtschaftlichem Thema, Überschussrenditen für den…

AktienUS-MärkteFaktorinvestierenStatistik
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 nutzt tägliche Renditen von SPY, um die Frequenzbereichsanalyse und ihre Grenzen als Quelle von Trading-Merkmalen zu erläutern. Eine Wavelet-Zerlegung trennt Schwankungen in Bänder mit zunehmend langsameren Zeitskalen, während…

AktienStatistikVolatilitätTechnische Indikatoren