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

139 Dokumente

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 stellt ein aktuelles Audit vor, das VectorBT Pro und VectorBT OSS anhand unterstützter Strategieaufgaben mit realen Daten mit ML4T vergleicht. Beide VectorBT-Editionen werden für ETF-Allokation, USD-notierte Devisenallokation und ein…

Multi-AssetAktienFuturesDevisenhandel
Machine Learning for Trading

Dieses Notebook vergleicht vier Methoden zur Erkennung von Beziehungen in einem Panel aus ETF-Renditen: NOTEARS für zeitgleiche lineare DAGs, VAR-LiNGAM für verzögerte und unmittelbare Strukturen, PCMCI für Tests auf bedingte Unabhängigkeit und Granger-Tests…

Maschinelles LernenStatistikBacktestingMulti-Asset
Machine Learning for Trading

Dieses Tutorial erklärt, wie sich Marktdaten über einmalige Downloads hinaus organisieren lassen. Es stellt eine einheitliche Verwaltung zum Abruf einzelner Symbole oder ganzer Gruppen, vordefinierter und eigener Symboluniversen sowie zur…

Multi-AssetAktienBacktestingOrderausführung
Machine Learning for Trading

Dieses Hilfsprogramm erstellt aus Asset-Gruppen und optionalen Verknüpfungen zwischen Gruppen eine boolesche Adjazenzmatrix. Assets derselben Makrogruppe werden miteinander verbunden. Jede angegebene gruppenübergreifende Kante verbindet alle Assets der…

Multi-AssetMaschinelles LernenPortfolio-Konstruktion
Machine Learning for Trading

Das Dokument beschreibt durchgängige Pipelines, die historische und aktuelle Aktiendaten zusammenführen und stündliche Daten zu Krypto-Perpetuals aufbereiten. Im zentralen Beispiel werden WikiPrices- und Yahoo-Beobachtungen an der Grenze ihrer Datenabdeckung…

Multi-AssetStatistikRisikomanagement
Machine Learning for Trading

Diese Prüfung vergleicht mehrere Backtesting-Engines mit gemeinsamen historischen Eingaben für ETF-Allokation, CME-Futures, Krypto-Perpetuals mit Funding, Devisen und US-Aktien. Jedes unterstützte Paar erhält dieselben inhaltsadressierten Marktdaten und…

BacktestingOrderausführungMulti-AssetFutures
Machine Learning for Trading

Diese Datensatznotiz beschreibt eine diversifizierte Sammlung börsengehandelter Fonds, die in einer Momentum-Strategie und einer Reihe weiterer Finanzforschungsbeispiele verwendet wird. Sie enthält tägliche Eröffnungs-, Höchst-, Tiefst- und Schlusskurse…

Multi-AssetAktienFestverzinsliche WertpapiereRohstoffe
Machine Learning for Trading

Dieses Notebook beschreibt einen überwachten Autoencoder, der ETF-Merkmalszeilen komprimiert und aus dieser niedrigdimensionalen Darstellung direkt zukünftige Renditen prognostiziert. Anders als ein bedingter Autoencoder setzt er nicht voraus, dass Renditen…

Multi-AssetMaschinelles LernenFaktorinvestierenStatistik
Machine Learning for Trading

Diese Analyse vergleicht registrierte ETF-Prognosemodelle verschiedener Familien auf einem gemeinsamen, anlageklassenübergreifenden Panel. Mithilfe von Informationskoeffizienten wird bewertet, wie gut jedes Modell Fonds nach ihren späteren Renditen ordnet.…

Multi-AssetMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Diese Analyse erklärt, wie CME-Futuresdaten in Produkte, auslaufende Kontrakte und nach Volumen gerollte fortlaufende Reihen gegliedert sind. Anhand von E-mini-S&P-500-Daten wird gezeigt, dass einzelne Kontrakte begrenzte Handelszeiträume haben, die sich…

FuturesRohstoffeMulti-AssetBacktesting
Machine Learning for Trading

Dieses Experiment kombiniert Validierungsprognosen eines Gradient-Boosted-Tree-Modells, eines tabellarischen neuronalen Netzes und eines latenten Faktormodells zur monatlichen ETF-Rangbildung. Zunächst werden die Prognosen querschnittlich mit z-Werten…

Multi-AssetMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook stellt PCMCI als Methode vor, mit der sich verzögerte Beziehungen in multivariaten Finanzzeitreihen erkennen lassen, ohne vorab einen Kausalgraphen festzulegen. Es wendet die Methode auf Renditen von ETF und Volatilitätsindizes an, vergleicht…

Maschinelles LernenStatistikMulti-AssetAktien
Machine Learning for Trading

Dieses Audit vergleicht Trading-Engines, die dieselben eingefrorenen Modellziele und inhaltsadressierten historischen Eingaben für die ETF-Allokation, Futures, die Finanzierung von Krypto-Perpetuals, Devisen und US-Aktien wiedergeben. Es bewertet die…

BacktestingOrderausführungMulti-AssetFutures
Machine Learning for Trading

Dieses Notebook vergleicht Portfolioallokationen von PyPortfolioOpt, Riskfolio-Lib und skfolio anhand desselben ETF-Renditepanels. Es passt Allokatoren auf einem Trainingszeitraum an, prüft, ob gleichwertige Zielfunktionen und ausgerichtete Gewichte…

Multi-AssetPortfolio-KonstruktionBacktestingOrderausführung
Machine Learning for Trading

Dieses Notebook isoliert die Ergebnisse für die LEAN-Engine aus einer Prüfung, die beibehaltene Läufe realer Strategien mit passenden ML4T-Backtest-Profilen vergleicht. Es identifiziert vier unterstützte Arbeitslasten: ETF-Allokation, die Finanzierung von…

Multi-AssetBacktestingOrderausführungKrypto
Machine Learning for Trading

Dieses Notebook stellt eine fallstudienübergreifende Übersicht konstruierter Finanzmerkmale sowie den höchsten registrierten Informationskoeffizienten für jede Marktstudie vor. Es zählt Merkmale und Namensfamilien, vergleicht die Größe der Merkmalsräume und…

Multi-AssetStatistikMaschinelles LernenPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook vergleicht vier Referenzallokationen für ETF anhand historischer Krisenphasen, manuell festgelegter gleichzeitiger Schocks auf mehrere Anlageklassen, Student-t-Monte-Carlo-Simulationen und Marktregimestatistiken. Es erläutert das Maß für den…

Multi-AssetRisikomanagementPortfolio-KonstruktionVolatilität
Machine Learning for Trading

Dieses Notebook erstellt einen LSTM-Allokator, der jüngste ETF-Rendite- und Volatilitätsmerkmale direkt auf Long-only-Portfoliogewichte abbildet. Eine Softmax-Ausgabe hält die Gewichte nichtnegativ und das Portfolio voll investiert. Eine differenzierbare…

Maschinelles LernenPortfolio-KonstruktionBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook beschreibt DeePM, eine durchgängige ETF-Portfolio-Policy, die die Wertentwicklung unter wechselnden Marktbedingungen verbessern soll. Zu ihren Bestandteilen gehören volatilitätsnormalisierte Rendite- und Trendmerkmale, ein auf LSTM…

Multi-AssetPortfolio-KonstruktionMaschinelles LernenRisikomanagement
Machine Learning for Trading

Das Dokument überführt eine Cross-Asset-Momentumhypothese in einen monatlichen explorativen Test mit einem Universum von 100-ETF. Es erstellt angepasste Monatsendkurse, misst Momentum von 12 bis -1 Monaten, teilt anschließend geeignete ETFs in fünf gleich…

Multi-AssetMomentumTrendfolgeStatistik
Machine Learning for Trading

Dieses Notebook zeigt eine einheitliche OHLCV-Schnittstelle für Yahoo Finance, WikiPrices und FRED und nutzt die Quellen anschließend für aktuelle ETF-Daten, Aktien mit langen Historien und makroökonomische Zeitreihen. Es beschreibt einen nach Priorität…

AktienMulti-AssetMarktmikrostrukturBacktesting
Machine Learning for Trading

Dieses Notebook fragt Register für mehrere Handelsfallstudien ab und erstellt fallübergreifende Tabellen zum Vergleich von Signalen, Allokation, Kosten und Risiko. Es berichtet Diagnosen zum nach Validierung gereihten Konfigurationscluster, darunter die…

BacktestingStatistikMulti-AssetRisikomanagement