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 Trainingswerkzeug beschreibt eine Optimierungsschleife für ein DeePM-artiges Modell. Es aktualisiert Modellparameter mit AdamW anhand eines robusten, an der Sharpe-Kennzahl ausgerichteten Loss und übergibt Vorwärtsrenditen, Volatilitätsskalierung,…
Dieses Notebook passt Ridge-, Lasso- und Elastic-Net-Modelle an veröffentlichte Unternehmensmerkmale einzelner US-Aktien an. Die Merkmale umfassen Value, Profitabilität, Investitionen, Größe, Momentum, Reversal, Risiko und Liquidität. Walk-Forward-Folds…
In dieser Fallstudie werden Gradient-Boosted Trees auf ETF-Rendite-Labels angepasst und mit einer linearen Baseline verglichen, die unter starker Ridge-Regularisierung gut abschnitt. Sie erklärt, warum Bäume Interaktionen erkennen können, etwa wenn sich…
Dieses Dokument veranschaulicht Feature-Store-Konzepte direkt anhand von Parquet-Daten aus einer Fallstudie. Eine Feature-Ansicht legt den Entitätsschlüssel, den Ereigniszeitstempel, die Gültigkeitsdauer und die Merkmalsspalten fest. Beim Modelltraining…
Dieses Dokument stellt Methoden zur Bereinigung von Finanzdaten vor und erklärt, wie sich die Vorverarbeitung an Trainings- und Testaufteilung ausrichten lässt. Die zentrale Lehre: Transformationen wie Skalierung und Winsorisierung dürfen nur anhand von…
Dieses Notebook vergleicht Implementierungen einer univariaten SPY-Preisprognose mit reinem PyTorch, sktime und Darts. Im Mittelpunkt steht der praktische Aufwand: Codeumfang, Schnittstellenanforderungen, erfolgreiche Installation und kombinierte Laufzeit…
Diese NASDAQ-100-Fallstudie untersucht, ob 15-Minuten-Mikrostruktursignale Handelskosten überstehen können. Der Ablauf bewertet Orderfluss, veraltete Quotierungen und relative Spreads und vergleicht dann eine Strategie für das gesamte Universum mit einer,…
Dieses Notebook untersucht, ob SHAP-Merkmalszuordnungen stabil genug sind, um Modellreduzierung, Risikoentscheidungen oder Berichte zu unterstützen. Anhand einer ETF-Prognoseaufgabe sucht es zunächst Testbeispiele, deren Vorhersagen ähnlich sind, während…
Das Dokument stellt NLinear vor, ein minimales Sequenzmodell zur Prognose von Aktienrenditen des NASDAQ-100 anhand intratägiger Merkmale. Es verwendet ein festes zurückliegendes Fenster, zieht die jüngste Beobachtung ab, damit das Modell mit Veränderungen…
Dieses Notebook vergleicht lineare Modelle mit ETF-Merkmalen, die aus überlappenden Renditefenstern und verwandten Momentum-, Volatilitäts- und Oszillatormessungen abgeleitet werden. Solche Prädiktoren sind kollinear, wodurch die Koeffizienten der…
Diese Fallstudie filtert potenzielle Finanz- und modellbasierte Merkmale anhand künftiger Renditen für eine NASDAQ-100-Mikrostrukturstrategie. Sie berechnet im Zeitverlauf querschnittliche Rang-Informationskoeffizienten, passt die Inferenz an Abhängigkeiten…
Dieses Notebook erläutert, wie narrative Abschnitte aus 10-K- und 10-Q-Meldungen für spätere Textanalysen extrahiert werden. Es ordnet formularspezifische Abschnittsnummern zu, wandelt das HTML der Meldung um und erhält dabei Absatzgrenzen, bereinigt…
Dieses Notebook zeigt die Abgrenzung zwischen einer Offline-Pipeline für maschinelles Lernen und der LEAN-Engine von QuantConnect. Es wählt über das ETF-Fallstudienregister eine Prognosemenge aus, prüft die Herkunft von Training und Prognosen und exportiert…
Dieses Notebook erklärt Pfadsignaturen als Merkmale fester Länge, die Reihenfolge und gemeinsame Form der Beobachtungen einer Zeitreihe bewahren. Es beschreibt, wie die erste Signaturstufe Gesamtveränderungen erfasst, während Terme der zweiten Stufe…
Dieses Dokument erläutert ein Run-Protokollsystem zur Aufzeichnung von Modelltraining, Prognosen, Kausalschätzungen und Backtests aus Trading-Fallstudien. Es beschreibt, wie Konfigurationen von den Einstellungen der Fallstudien über Trainingsmenüs und…
Dieses Notebook gruppiert monatliche Renditen aus neun Faktor- und Marktzeitreihen zu Aktien, Anleihen, Währungen und Rohstoffen mithilfe von Gaußschen Mischmodellen. Nach dem Entfernen von Monaten mit unvollständigen Daten standardisiert es die Reihen,…
Dieses Kapitel stellt einen Rahmen vor, um aus einer Trading-Idee eine dokumentierte Merkmalspezifikation zu entwickeln. Es empfiehlt Forschenden, Merkmalszeiträume auf die beabsichtigte Entscheidung abzustimmen, eine Hypothese zum Einflussfaktor zu…
Dieser Leitfaden unterscheidet zwischen der Schätzung kausaler Effekte und der Entdeckung kausaler Strukturen und ordnet gängige Forschungsfragen passenden Python-Bibliotheken zu. EconML und DoWhy schätzen Effekte, wenn die Anpassungsstruktur bekannt oder…
Dieses Notebook stellt einen deterministischen Rahmen zur Prüfung vor, ob Backtest- und Live-Trading-Pipelines konsistent arbeiten. Es vergleicht die Schritte, die aus Kursbalken Entscheidungen machen: Merkmalsberechnungen, Prognosen, Signale und…
Dieses Notebook trainiert einen Reinforcement-Learning-Agenten, eine feste Verkaufsorder über stündliche Balken eines Krypto-Perpetual-Futures-Marktes zu verteilen. Sein Zustand umfasst verzögerte Renditen, Volatilität, Volumen der vorherigen Stunde, den…
Dieses Notebook bündelt Ergebnisse linearer Modelle, darunter OLS, Ridge, Lasso und ElasticNet, aus neun Fallstudien. Es vergleicht die stärkste vollständige Konfiguration jeder Studie anhand ihres primären Labels und untersucht anschließend Regularisierung,…
Diese Fallstudie bewertet TabM, ein parameter-effizientes neuronales Ensemble, anhand derselben zeitpunktbezogenen CME-Futures-Merkmalszeilen und Walk-Forward-Folds wie andere Modellfamilien. Sie stellt TabM als Möglichkeit vor, über Modellvariationen zu…
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…
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…