Wissensbibliothek

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.…

Dieses Notebook erklärt, wie angepasste GJR-GARCH- und Hidden-Markov-Modelle in Handelsmerkmale umgewandelt werden, während Look-ahead-Bias kontrolliert wird. GJR-GARCH schätzt die bedingte Volatilität und erfasst die stärkere Wirkung negativer…

Dieses Notebook gibt einen Überblick über Methoden, um Veränderungen im Prozess zu finden, der eine Finanzzeitreihe erzeugt, und verwendet dazu tägliche SPY-Daten. Es stellt den Zivot–Andrews-Test, der einen Bruch schätzt und zugleich auf eine Einheitswurzel…

Dieses Hilfsprogramm bereitet Prognoseartefakte für Live-Demo-Notebooks vor, indem es unterschiedliche Spaltennamen und Datumsformate in eine einheitliche Struktur aus Zeitstempel, Anlage und Prognose überführt. Es gruppiert doppelte…

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.…

Dieses Notebook trainiert ein Skip-gram-Word2Vec-Modell mit einem kleinen, nach Sentiment gekennzeichneten Finanznachrichtenkorpus und untersucht, was dessen nächste Nachbarn zeigen. Die Methode bildet Wörter anhand der Kontexte ab, in denen sie auftreten.…

Dieses Modul beschreibt eine Suchoberfläche für Research-Agenten mit einem Live-Anbieter und einem deterministischen Mock-Anbieter. Bei Suchanfragen lassen sich die Trefferzahl begrenzen und ein Veröffentlichungsdatum als Stichtag festlegen. So wird…

Dieses Modul definiert eine differenzierbare Zielfunktion für das End-to-End-Portfolio-Lernen. Es wandelt begrenzte Risikogewichte auf Anlagenebene mithilfe der Volatilitätsskalierung in Portfolio-Engagements um, berechnet die durchschnittlichen…

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…

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…

Dieses Notebook bildet Vorhersageintervalle um Prognosen mit Gradient Boosting und vergleicht Split Conformal Prediction mit Quantilregression, Conformalized Quantile Regression und adaptiver konformer Inferenz. Split Conformal verwendet eine chronologische…

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…

Diese Studie vergleicht Gradient-Boosted Trees mit einem regularisierten linearen Modell, um Währungspaare nach künftigen Renditen zu ordnen. Bäume können bedingte Beziehungen darstellen, etwa Momentum in einem Marktregime und Carry in einem anderen, während…

Dieses Notebook setzt einen Prognoseagenten aus einem Sprachmodell-Client, einem Suchwerkzeug und einer begrenzten Zugfolge zusammen. Der Agent sucht nach Belegen und gibt eine binäre Wahrscheinlichkeit mit Begründung zurück. Sein Antwortparser behandelt…

Dieses Notebook nutzt bayessche Ereignisstudien mit strukturellen Zeitreihen, um die Wirkung von Mitteilungen der Federal Reserve auf einen Anleihen-ETF zu schätzen. Es erstellt ein Gegenfaktum aus Beziehungen vor dem Ereignis zwischen den täglichen…

Dieses Notebook vergleicht DQN, PPO und A2C in einer gemeinsamen simulierten Trading-Umgebung, die auf stündliche Renditen von Bitcoin-Perpetual-Futures kalibriert ist. Ein GARCH(1,1)-Modell erzeugt Volatilitätscluster. Die Umgebung berechnet Kosten für…

Dieses Notebook prüft, ob vier Strategien verwalteter Portfolios SPY-Renditen erklären, wenn die gemeinsame Bewegung breiter ETF kontrolliert wird. Die Strategien ordnen ETFs anhand verzögerten Momentums, der Volatilität oder jüngster Renditen. Zehn…

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…

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…

Dieses Notebook prüft, ob sich der Information Coefficient (IC) eines Signals von Rauschen unterscheiden lässt, wenn aufeinanderfolgende Beobachtungen abhängig sind. Anhand eines Momentum-Signals und von ETF-Daten wird veranschaulicht, wie überlappende…

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…

Dieses Notebook beschreibt, wie NLinear-Prognosen für FX-Labels vorbereitet und registriert werden. NLinear zieht den zuletzt beobachteten Wert von jeder Eingabehistorie fester Länge ab und konzentriert das Modell so auf Veränderungen innerhalb des…

Dieses gemeinsame Analysewerkzeug unterstützt den Vergleich von Trading-Modellprognosen anhand von Registry-Metriken und Diagnosen auf Prognoseebene. Es lädt vorab berechnete Information-Coefficient-Ergebnisse, kann optional nach Label oder Modellfamilie…

Das Dokument beschreibt drei modellbasierte Merkmale aus dem Carry von Futures: eine ARIMA-Prognose des Carry der nächsten Sitzung, rollierende Fourier-Maße ausgewählter Zykluslängen und ein Hidden-Markov-Modell mit zwei Zuständen, das das Marktregime anhand…