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 Notebook untersucht Gradient Boosting für querschnittliche Prognosen von CME-Futures-Renditen. Es variiert die Baumkapazität anhand von Blattzahlprofilen und vergleicht quadratische, absolute und Huber-Verlustfunktionen, die extreme Residuen…

FuturesRohstoffeMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook ergänzt einen Vergleich von Sequenzmodellen zur Prognose von Funding-Aufschlägen bei Krypto-Perpetuals um ein zeitliches Faltungsnetz (TCN). Kausales Padding stellt sicher, dass jede Position nur aktuelle und frühere Beobachtungen verwendet,…

KryptoPerpetual FuturesMaschinelles LernenBacktesting
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

Dieses Dokument stellt eine durchgängige Prognosearchitektur vor, die ein Forschungs-Panel, eine aggregierte Prognose, eine kontroverse Debatte und eine Aufsicht kombiniert. Die Aufsicht erkennt Meinungsverschiedenheiten, sucht nach klärenden Belegen und…

Maschinelles LernenStatistikRisikomanagement
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 Dokument beschreibt eine Gymnasium-Umgebung, in der ein Agent trainiert wird, eine Position über einen festen Zeitraum abzubauen. Die Beobachtung kombiniert Restbestand und verbleibende Zeit mit Spread, Markttiefe, Volatilität und einem normalen oder…

Maschinelles LernenOrderausführungMarktmikrostrukturVolatilität
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

Das Dokument untersucht die Kausalentdeckungsaufgabe von ADIA Lab als überwachte Inferenz innerhalb einer bekannten synthetischen Datengenerierungsfamilie. Die Aufgabe weist Variablen acht Rollen rund um eine Behandlung und ein Ergebnis zu und nutzt dafür…

Maschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Modul erstellt ein Ensemble mittlerer Prognosen aus registrierten Vorhersagemengen und legt besonderen Wert auf Reproduzierbarkeit sowie die Vermeidung von Auswahlverzerrungen. Es ermittelt geeignete Modellkonfigurationen aus dem Register, statt eine…

Maschinelles LernenStatistikBacktestingPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook setzt einen vierphasigen Prognoseablauf mit einfacher Python-Orchestrierung, CrewAI und LangGraph um. Es vergleicht, wo der Zustand gehalten wird, wie sich Fehler untersuchen oder beheben lassen, welche Abhängigkeiten die Ansätze mitbringen…

Maschinelles LernenStatistikOrderausführungBacktesting
Machine Learning for Trading

Dieses Notebook untersucht die Regularisierung linearer Modelle für ein Universum von Währungspaaren, deren Renditen miteinander verbunden sind, weil jedes Paar einen Kurs zwischen gemeinsamen Währungen darstellt. Es unterscheidet die Merkmalskollinearität,…

DevisenhandelStatistikMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Kapitel gibt einen Überblick darüber, wie sich angepasste statistische Verfahren in Merkmale für Handelsmodelle umwandeln lassen. Es behandelt Diagnostik und Stationarität, Strukturbrüche, fraktionale Differenzierung, Kalman-Filterung, Spektral- und…

StatistikVolatilitätMaschinelles LernenRisikomanagement
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 beschreibt einen Screen, der Kandidatensignale über 20 Währungspaare hinweg jeweils einzeln bewertet. Für jedes Merkmal berechnet es anhand ausschließlich Walk-Forward-validierter Zeitfenster die tägliche querschnittliche Rangübereinstimmung…

DevisenhandelStatistikMaschinelles LernenBacktesting
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

Dieses Notebook vergleicht eine vollständige Grid Search mit Optunas TPE-Sampler zur Abstimmung eines LightGBM-Modells für Renditeprognosen. Zunächst erhalten beide Methoden dasselbe Versuchskontingent im selben diskreten Parametergitter: Die Aufzählung…

Maschinelles LernenBacktestingStatistik
Machine Learning for Trading

Dieses Modul definiert einen nutzerorientierten Ablauf für die Futures-Forschung zu CME. Er umfasst Modellanfragen, Prognose- und Backtest-Ausführung, Kandidatenpools und die endgültige Auswahl. Es übernimmt die konfigurierte Label-Suche aus einer…

FuturesMaschinelles LernenBacktestingRisikomanagement
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

Das Dokument erläutert, wie Modellunsicherheit zusätzliche Informationen über die Punktschätzung hinaus liefern kann. Es stellt GARCH, das Volatilität aus vergangenen Renditen ableitet, einem stochastischen Volatilitätsmodell gegenüber, das Volatilität als…

VolatilitätStatistikMaschinelles LernenRisikomanagement
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 bewertet Sicherheitsregeln für einen auf Dokumenten beruhenden Finanzassistenten anhand von sechs manuell erstellten Fällen. Die Fälle behandeln Prompt-Injection, erfundene Zahlen in nicht vertrauenswürdigem Material, versuchte Aktionen und…

Maschinelles LernenRisikomanagementMarktstimmungStatistik
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