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

952 Dokumente

Machine Learning for Trading

Diese Demonstration erweitert einen Ablauf für Einzelorders zu einem täglichen Rebalancing für ein festes Universum großkapitalisierter US-Aktien. Sie erklärt, wie aktuelle Brokerpositionen mit Modellzielen verglichen, Orders für die Differenzen erstellt und…

AktienOrderausführungRisikomanagementMarktmikrostruktur
Machine Learning for Trading

Dieses Lehr-Notebook gibt einen Überblick über Preis- und Volumenmerkmale für quantitative Forschung. Es behandelt einfache und logarithmische Renditen über verschiedene Horizonte, Momentum mit Auslassung der jüngsten Periode, Übernacht- und…

AktienTechnische IndikatorenVolatilitätMomentum
Machine Learning for Trading

Dieses Notebook stellt einen Ablauf vor, um zu untersuchen, ob Momentum mit Auslassung der jüngsten Periode über sechs Monate die Forward-Renditen über 21 Tage beeinflusst und ob sich der Effekt mit der Marktvolatilität verändert. Es schätzt Effekte auf…

AktienMomentumMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook vergleicht zwei vortrainierte Zeitreihen-Grundmodelle, Chronos und TinyTimeMixer, mit einem LSTM und einer regularisierten linearen Basislinie auf einem ETF-Panel. Jedes Modell erhält einen univariaten historischen Kontext; die vortrainierten…

Maschinelles LernenAktienMomentumBacktesting
Machine Learning for Trading

Dieses Kapitel stellt einen Rahmen zur Bewertung kausaler Aussagen in der quantitativen Trading-Forschung vor. Es beginnt mit klaren Definitionen von Behandlung, Ergebnis, Estimand, Gegenfaktum und Adjustierungsmenge und ordnet Forschungsfragen anschließend…

Maschinelles LernenStatistikBacktestingFaktorinvestieren
Machine Learning for Trading

Dieses Notebook passt lineare Modelle an NASDAQ-100-Mikrostrukturmerkmale an, die in Ein-Minuten-Intervallen beobachtet werden, um Renditen über mehrere zukünftige Horizonte zu prognostizieren. Es soll eine einfache Basislinie vor ausdrucksstärkeren Modellen…

AktienMaschinelles LernenStatistikTechnische Indikatoren
Machine Learning for Trading

Dieses Dokument beschreibt einen täglichen US-Aktienmarktdatensatz mit rund 3,200 Unternehmen von 1962 bis März 2018. Er umfasst auch dekotierte Emittenten und eignet sich damit für historische Forschung, bei der der Ausschluss gescheiterter oder dekotierter…

AktienUS-MärkteBacktesting
Machine Learning for Trading

Dieses Notebook untersucht, wie Annahmen zu Transaktionskosten den Validierungs-Sharpe einer ausgewählten Aktien- und Optionsallokation des S&P 500 beeinflussen. Wenn verfügbar, übernimmt es die Konfiguration, die anhand einer eingefrorenen Kandidatenmenge…

AktienOptionenOrderausführungBacktesting
Machine Learning for Trading

Dieses Notebook führt eine zuvor ausgewählte Konfiguration für US-Aktien mit Holdout-Prognosen aus. Das ausgewählte Modell, die Prognosen, der Allokator, die Konzentration, das Risiko-Overlay, der Rebalancing-Takt und die Annahmen zu Transaktionskosten…

AktienUS-MärkteBacktestingRisikomanagement
Machine Learning for Trading

Dieses Dokument stellt eine Kostensensitivitätsanalyse für eine feste ETF-Momentumstrategie vor. Universum, Gewichtungen, Zeitplan und Simulator bleiben unverändert, während der Backtest mit einer Reihe von Gebühren pro Handelsseite erneut ausgeführt wird.…

AktienMomentumBacktestingOrderausführung
Machine Learning for Trading

Dieses Notebook modelliert institutionelle Aktienbestände aus SEC 13F-Meldungen als Graph, der Fondsmanager mit Wertpapieren verknüpft und Sektorbeziehungen zur Aggregation enthält. Das Schema bewahrt sowohl das Berichtsdatum zum Quartalsende als auch das…

AktienStatistikMarktmikrostruktur
Machine Learning for Trading

Dieses Notebook wendet eine zuvor ausgewählte ETF-Konfiguration auf ihren reservierten Holdout-Zeitraum an. Es leitet die passenden Holdout-Prognosen aus der ausgewählten Trainingsidentität und dem Prüfpunkt ab und verwendet dann Konzentration, Allokation,…

AktienBacktestingPortfolio-KonstruktionRisikomanagement
Machine Learning for Trading

Dieser Evaluierungsablauf prüft Finanz- und modellbasierte Merkmale anhand zukünftiger Renditen für ein NASDAQ-100-Intraday-Panel. Zunächst wird der abschließende Testzeitraum reserviert; Beobachtungen, deren zukünftige Labels innerhalb dieses Zeitraums…

AktienStatistikMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Dokument beschreibt einen täglichen Datensatz zu US-Aktien aus dem Wiki-Prices-Archiv von NASDAQ Data Link. Er umfasst Tausende Unternehmen von 1962 bis März 2018 und enthält dekotierte Unternehmen, wodurch er sich für historische Forschung eignet,…

AktienUS-MärkteBacktesting
Machine Learning for Trading

Dieses Dokument erläutert, wie Renditen rund um Ereignisse wie Signalauslösungen, Gewinnmeldungen oder makroökonomische Veröffentlichungen gemessen werden. Das ausgearbeitete Beispiel verwendet Momentum-Ausbrüche bei liquiden ETFs. Für jedes Ereignis liefert…

AktienEreignisgesteuertMomentumAusbruch
Machine Learning for Trading

Dieses Notebook stellt ein unbedingtes Sig-Wasserstein-GAN zur Erzeugung von Finanzzeitreihen vor. Es ersetzt einen trainierten Diskriminator für echte und generierte Daten durch eine Distanz, die auf erwarteten Pfad-Signaturen beruht, mathematischen…

Maschinelles LernenStatistikAktienVolatilität
Machine Learning for Trading

Dieses Notebook verwendet tägliche ETF-Renditen, um zu erläutern, wie GARCH-Modelle Volatilitätscluster erfassen und daraus ein Merkmal für jede Handelssitzung bilden. Zunächst werden anhand visueller Diagnosen und eines ARCH-LM-Tests geprüft, ob verzögerte…

VolatilitätStatistikRisikomanagementAktien
Machine Learning for Trading

Dieses Notebook erklärt, wie sich ein Limit-Orderbuch der NASDAQ für ein einzelnes Symbol aus Nachrichten zu einzelnen Aufträgen rekonstruieren lässt. Es verarbeitet Hinzufügungen, Ausführungen, Stornierungen, Löschungen und Ersetzungen und verfolgt dabei…

AktienMarktmikrostrukturOrderausführungStatistik
Machine Learning for Trading

Dieses Quellmodul enthält Loader für US-Aktienkurse, Indexdaten, Optionen, Markt-Mikrostruktur, Fundamentaldaten und institutionelle Beteiligungen. Das wichtigste methodische Detail betrifft die Resampling-Aggregation untertägiger Handelsdaten: Eröffnung,…

AktienMarktmikrostrukturOrderausführungUS-Märkte
Machine Learning for Trading

Dieses Notebook zeigt eine gemeinsame OHLCV-Schnittstelle für Yahoo Finance, ein US-Aktienarchiv mit langer Historie und FRED-Makrodatenreihen. Es erstellt ein ETF-Universum für eine spätere Rotationsfallstudie, zeigt die Kombination historischer und…

Multi-AssetAktienUS-MärkteOrderausführung
Machine Learning for Trading

Diese Fallstudie entwickelt Merkmale, um zu untersuchen, ob die implizite Varianz am Geld bei S&P-500-Aktien die anschließend realisierte Varianz übersteigt und ob sich der Unterschied zwischen Wertpapieren unterscheidet. Sie kombiniert Straddle-Kurse mit…

OptionenVolatilitätAktienBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht die gewöhnliche Methode der kleinsten Quadrate mit Ridge, LASSO und Elastic Net, um zukünftige Renditen in einem ETF-Universum vorherzusagen. Alle Modelle verwenden dieselben Walk-Forward-Folds mit einem zeitlichen…

Maschinelles LernenAktienStatistikBacktesting
Machine Learning for Trading

Dieses Kapitel zeigt, wie sich zeitkonsistente Analysen von Fundamentaldaten und alternativen Daten für Aktien, makroökonomische Reihen, Futures, Krypto und Prognosemärkte aufbauen lassen. Im Mittelpunkt stehen bitemporale Speicherung und Abfragen zum…

BacktestingStatistikMaschinelles LernenOn-Chain-Daten