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

2,471 Dokumente

Machine Learning for Trading

Dieser Code beschreibt, wie Backtest-Einstellungen aus der Fallstudienkonfiguration abgeleitet werden und wie die Laufidentität Änderungen am gehandelten Universum und am Alter der Vorhersagen berücksichtigt. Die zentrale Erkenntnis: Jeder Filter, der das…

BacktestingOrderausführungRisikomanagementPositionsgrößenbestimmung
Machine Learning for Trading

Das Dokument beschreibt Möglichkeiten, Strategierenditen mit zwei externen Benchmarks zu vergleichen: täglichen SPY-Gesamtrenditen und Fama-French-Marktrenditen, die sich aus der Addition von Marktrisikoprämie und risikofreiem Zinssatz ergeben. Es bietet…

BacktestingStatistikRisikomanagementUS-Märkte
Machine Learning for Trading

Das Dokument beschreibt die Anpassung eines einfachen linearen Sequenzmodells an NASDAQ-100-Ein-Minuten-Merkmale, um zukünftige Renditen für mehrere Horizonte vorherzusagen. Jede Eingabe umfasst die vorangegangene Stunde für eine Aktie, ausgedrückt als…

AktienMaschinelles LernenMarktmikrostrukturBacktesting
Machine Learning for Trading

Das Dokument beschreibt einen Workflow für Machine-Learning-Handelsforschung, der Ideen von Daten und Merkmalskonstruktion über Modelltraining, Backtesting, Transaktionskosten, Portfolio- und Risikoentscheidungen bis hin zu Einsatz und Überwachung führt. Es…

Maschinelles LernenBacktestingRisikomanagementPortfolio-Konstruktion
Machine Learning for Trading

Das Dokument beschreibt das Laden von ETF-Marktdaten mit optionalen Symbol- und Datumsfiltern sowie einer deterministischen Begrenzung der zurückgegebenen Symbole. Der zentrale analytische Punkt ist, die Kursreihe an die gemessene Größe anzupassen:…

AktienMulti-AssetStatistik
Machine Learning for Trading

Dieses Notebook erstellt modellbasierte bedingte Volatilitätsmerkmale für S&P-500-Aktien mit einem GJR-GARCH(1,1)-Modell. Anschließend vergleicht es einen optionsimpliziten Volatilitätsaufschlag gegenüber der realisierten Volatilität mit einem Aufschlag…

AktienOptionenVolatilitätMaschinelles Lernen
Machine Learning for Trading

Diese CME-Futures-Studie variiert die Kapazität und Verlustfunktion von Gradient-Boosting-Bäumen und zeichnet Vorhersagen an mehreren Trainings-Checkpoints auf. Die Anzahl der Blätter bestimmt, wie fein ein Modell den Merkmalsraum aufteilt, während sich…

FuturesMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook erläutert, wie sich künftige Spotrenditen über eine, fünf und 21 Sitzungen für ein festes Universum von FX-Paaren berechnen lassen. Zunächst ordnet es Vier-Stunden-Balken mithilfe eines New Yorker Tageswechselkalenders Handelssitzungen zu und…

DevisenhandelSpotmärkteMomentumRückkehr zum Mittelwert
Machine Learning for Trading

Dieses Notebook führt die bereits ausgewählte Spezifikation einer FX-Strategie anhand registrierter Holdout-Prognosen aus. Es übernimmt Signal, Allokation, Risikokontrollen, Rebalancing-Regel, Kosten und Kontoeinstellungen der Strategie; Prognosemenge und…

DevisenhandelBacktestingRisikomanagementPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook passt ein latentes PCA-Faktormodell an ein Panel von Aktienrenditen an, ohne Optionsoberflächenmerkmale, andere Merkmale oder Zielinformationen zu verwenden. PCA extrahiert die führenden Richtungen der historischen querschnittlichen…

AktienOptionenMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook vergleicht Kommissions- und Slippage-Modelle für Aktien und Futures und untersucht anschließend, wie Kommissionsannahmen eine festgelegte ETF-Momentumstrategie beeinflussen. Es erläutert, wie prozentuale, je Aktie berechnete, Mindest-,…

BacktestingOrderausführungRisikomanagementMomentum
Machine Learning for Trading

Dieses Dokument beschreibt einen monatlichen US-Aktiendatensatz für Machine-Learning-Forschung im Asset Pricing. Er enthält 94 nach Rang transformierte Unternehmensmerkmale, darunter Rechnungslegungskennzahlen und technische Merkmale, sowie Renditen.…

AktienMaschinelles LernenFaktorinvestierenUS-Märkte
Machine Learning for Trading

Dieses Notebook fasst die Ausführung einer übergeordneten Order als Steuerungsproblem mit endlichem Zeithorizont auf. Ein tabellarischer Q-Learning-Agent wählt einen Multiplikator für eine auf VWAP basierende Handelsrate anhand der verbleibenden Zeit, des…

OrderausführungMaschinelles LernenMarktmikrostrukturRisikomanagement
Machine Learning for Trading

Dieses Notebook erläutert, wie sich ein Quartalspanel mit Fundamentaldaten von US-Aktien aus SEC-XBRL-Daten erstellen und prüfen lässt, wobei sowohl der Zeitraum, auf den sich eine Angabe bezieht, als auch das Datum ihrer Veröffentlichung erhalten bleiben.…

AktienFaktorinvestierenBacktestingUS-Märkte
Machine Learning for Trading

Dieses Notebook verwendet eine korrelationsbasierte Hauptkomponentenanalyse der Renditen von Sektor-ETF, um gemeinsame Risikofaktoren und Sektorrotation zu beschreiben. Durch die Standardisierung der Renditen erhält jeder Sektor vor der Zerlegung eine…

AktienFaktorinvestierenStatistikPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook erstellt einen Retrieval-Augmented-Research-Assistenten auf Grundlage von Auszügen aus US-Unternehmensmeldungen nach 10-K. Es lädt Meldungen, zerlegt Texte in Satzfenster, bettet die Abschnitte mit einem lokalen Modell ein und erstellt einen…

Maschinelles LernenAktienStatistik
Machine Learning for Trading

Dieses Notebook demonstriert das Training eines generativen adversarialen Netzwerks mit täglichen ETF-Merkmalen und differenzieller Privatsphäre. Es erläutert die Datenschutzgarantie und das Budget und verwendet anschließend Opacus, um den…

Maschinelles LernenStatistikAktienRisikomanagement
Machine Learning for Trading

Dieses Dokument beschreibt Umsetzungsprinzipien für einen gemeinsamen Backtest-Runner und konzentriert sich darauf, Renditeraster bei der Annualisierung der Performance korrekt zu interpretieren. Es schätzt die beobachtete Stichprobenfrequenz anhand…

BacktestingRisikomanagementStatistikPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook rekonstruiert das jeweils beste nationale Geld- und Briefangebot (NBBO) für jeden AAPL-Trade während der regulären Sitzung am 16. März 2020. Es führt Quote- und Trade-Ereignisse chronologisch zusammen, übernimmt das jeweils letzte Geld- und…

AktienMarktmikrostrukturOrderausführungStatistik
Machine Learning for Trading

Dieses Notebook erklärt TSMixer, ein neuronales Zeitreihenmodell, das zwei Operationen abwechselt: eine gemeinsame lineare Abbildung über zurückliegende Tage für jedes Merkmal und ein gemeinsames Merkmals-MLP, das unabhängig auf jeden Tag angewendet wird.…

Maschinelles LernenMomentumStatistikBacktesting
Machine Learning for Trading

Diese Analyse wählt eine Konfiguration aus einem eingefrorenen Pool von Krypto-Perpetual-Futures-Kandidaten mit vier Vorhersagelabels und mehreren Strategiestufen aus. Sie wählt den höchsten Validierungs-Sharpe und behandelt Label, Aufteilung und…

KryptoPerpetual FuturesStatistikBacktesting
Machine Learning for Trading

Dieses Notebook trainiert ein Long-Short-Term-Memory-Netzwerk mit NASDAQ-100-Mikrostrukturmerkmalen, um künftige Renditen über mehrere Horizonte im Minutenbereich vorherzusagen. Anders als ein abgeflachtes lineares Modell verarbeitet ein LSTM jede…

Maschinelles LernenMarktmikrostrukturAktienBacktesting
Machine Learning for Trading

Dieses Notebook zeigt, wie sich aus dem MD&A-Text quartalsweiser SEC 10-Q zwei mögliche Aktiensignale ableiten lassen. FinBERT bewertet Textabschnitte nach positiver, neutraler oder negativer Tonalität; die Abschnittswerte werden zu einer durchschnittlichen…

AktienMaschinelles LernenMarktstimmungStatistik