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.
934 Dokumente
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…
Das Dokument erläutert ein temporales Faltungsnetzwerk zur Prognose von Funding-Prämien bei Krypto-Perpetuals anhand eines Fensters von 60 Abrechnungen. Vier kausale Faltungsblöcke verwenden einen Kernel der Größe drei und Dilatationen von 1, 2, 4 und 8. Ihr…
Dieses Notebook beschreibt eine von GT-GAN inspirierte Architektur zur Erzeugung von Zeitreihen mit tatsächlich unregelmäßigen Zeitstempeln, etwa Tick-, Volumen- oder Dollar-Bars. Ein GRU-ODE-Encoder bildet Beobachtungen auf latente Zustände ab, während…
Dieses Notebook vergleicht drei Möglichkeiten, Marktregime in einem Prognosemodell zu verwenden: Regimeinformationen weglassen, die gefilterte Wahrscheinlichkeit eines volatilen Zustands als Merkmal hinzufügen oder separate Experten für fest zugeordnete…
Diese Fallstudie verwendet lineare Modelle als Ausgangsbasis für die Prognose künftiger Renditen in einem breiten US-Aktienpanel. Sie erläutert, warum überlappende Kurs- und Volumenmerkmale Kollinearität verursachen und die Koeffizienten der gewöhnlichen…
Diese Analyse vergleicht registrierte kausale Behandlungseffekte, die mit Double Machine Learning geschätzt wurden, aus neun Trading-Fallstudien. Sie lädt die aktuellen Ergebnisse aus dem Register jeder Studie, prüft die Registerintegrität und doppelte…
Dieses Notebook erklärt, wie Modellunsicherheit über einen Punktschätzer hinaus zusätzliche Informationen liefern kann. Es schätzt ein stochastisches Volatilitätsmodell, in dem sich die latente logarithmierte Volatilität im Zeitverlauf entwickelt und…
Dieses Notebook stellt eine mehrstufige Debatte zwischen Bullen und Bären über eine umstrittene Wahrscheinlichkeitsprognose vor. Beide Seiten argumentieren auf Basis gemeinsamer Zusammenfassungen von Forschungs-KI-Agenten, sehen die vorherige Position der…
Dieses Notebook erstellt angepasste Modellmerkmale anhand von Wechselkursverläufen und ergänzt damit Indikatoren, die direkt aus vergangenen Preisen berechnet werden. Es beschreibt drei Ansätze: einen Zustandsraumfilter, der ein langsam veränderliches…
Dieses Notebook beschreibt einen Ablauf, um aus den vierteljährlichen MD&A-Angaben von S&P-500-Unternehmen Handelsmerkmale abzuleiten. Als zeitpunktgenauen Anker dienen die Annahmedaten der Meldungen. Mehrere Meldungen eines Unternehmens am selben Datum…
Dieses Kapitel gibt einen Überblick über Deep Learning für Zeitreihen anhand einer praktischen Frage: Wann enthält die Reihenfolge der Beobachtungen Informationen, die einer querschnittlichen Vorhersage entgehen, und welche Modellarchitekturen können diese…
Dieses Notebook wendet TabM an, eine neuronale Architektur für Tabellendaten, die ein zweischichtiges Merkmalsnetzwerk für alle Ensemble-Mitglieder gemeinsam nutzt. Jedes Mitglied skaliert die gemeinsame Repräsentation mit einem eigenen gelernten Vektor und…
Dieses Notebook verwendet SHAP, um Prognosen der Ridge-Regression für ETF-Renditen zu erklären. Bei einem linearen Modell besteht ein geschlossener Zusammenhang zwischen Merkmalsattributionen, angepassten Koeffizienten und Abweichungen von den…
Dieses Notebook stellt die instrumentierte Hauptkomponentenanalyse (IPCA) vor, einen Latent-Factor-Ansatz zur Prognose von Renditen anhand von Unternehmensmerkmalen. Statt jedem Merkmal direkt ein Renditegewicht zuzuweisen, modelliert IPCA die…
Diese Analyse vergleicht registrierte Modellfamilien anhand eines anlageklassenübergreifenden ETF-Panels mit Walk-Forward-Validierungsergebnissen. Die Modelle prognostizieren Renditen über 21 Handelstage und werden anhand querschnittlicher…
Dieses Notebook testet ein Zwei-Modell-Design für Ausstiege anhand stündlicher Perpetual-Daten von BTC, ETH und SOL. Ein Einstiegs-Klassifikator erkennt ungewöhnlich hohe zukünftige Renditen; seine vorhergesagte Wahrscheinlichkeit fließt anschließend…
Dieses Dokument beschreibt Datensatz-Hilfsprogramme zur Vorbereitung von Zeitreihenpanels für Modelltraining und gleitende Inferenz. Der Trainingsdatensatz gibt gleitende Sequenzen von Merkmalen, zukünftigen Renditen, Volatilitätsskalen und Masken mit…
Diese Analyse vergleicht Validierungsprognosen mehrerer Modellfamilien für das Funding von Perpetual-Futures. Sie erläutert, dass der Informationskoeffizient die Rangfolge späterer Renditen misst, AUC die Ordnung positiver und negativer Ergebnisse misst und…
Diese Fallstudie wendet Gradient-Boosting-Bäume auf NASDAQ-100-Mikrostrukturmerkmale an, um Renditen und Richtung über mehrere Intraday-Zeithorizonte vorherzusagen. Sie stellt Bäume linearen Modellen gegenüber: Bäume können bedingte Beziehungen erkennen,…
Dieses Notebook fügt ein Prognosesystem aus vier Phasen zusammen: einem Gremium aus Forschungsagenten, der Aggregation von Wahrscheinlichkeiten, einer adversarialen Debatte und einem Supervisor, der Meinungsverschiedenheiten erkennt, nach klärenden Belegen…
Dieses Notebook vergleicht deterministische relationale Suche mit Einbettungssuche in einem Bestand institutioneller 13F-Beteiligungen. Es erstellt eine zeitpunktbezogene Momentaufnahme, indem es für jede Institution die zuletzt gemeldete Position vor einem…
Dieses Notebook demonstriert das Training eines generativen adversarialen Netzwerks mit entwickelten ETF-Merkmalen unter differenzieller Privatsphäre. Es führt die Datenschutzparameter Epsilon und Delta ein, erläutert, warum DP-SGD den Gradienten jedes…
Dieses Notebook wendet klassische Inferenz mit gewöhnlicher Methode der kleinsten Quadrate auf ETF-Merkmale und zukünftige Renditen an. Es behandelt Koeffizientenschätzungen, Standardfehler, t-Statistiken, p-Werte sowie Tests auf Heteroskedastizität,…
Dieses Notebook verfolgt die ETF-Ranking-Signale von der Portfoliobildung bis zu einem vereinfachten Backtest. Ridge-Regression und logistische Klassifikation werden mit Walk-Forward-Aufteilungen trainiert und anschließend mit Momentum- und gleich…