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 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…
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…
Diese Merkmalsbewertung prüft finanzielle und modellbasierte Kandidaten anhand von Forward-Renditen für CME-Futures. Für jedes Merkmal prüft sie Datenabdeckung und Aktualität, misst die tägliche querschnittliche Rangkorrelation zwischen Merkmalswerten und…
Dieses Kapitel vertritt die Auffassung, dass belastbare Trading-Forschung einen disziplinierten Prozess erfordert, der sich an veränderte Märkte, verrauschte Evidenz und Implementierungskosten anpassen kann. Es unterscheidet strukturelle Brüche, Regime,…
Dieses Evaluierungsnotebook prüft finanzielle und modellbasierte Merkmale auf ihren Zusammenhang mit der Rendite der nächsten acht Stunden bei Krypto-Perpetual-Futures. Es erstellt die Evaluierungsstichprobe aus Walk-Forward-Validierungsfenstern, lässt den…
Dieses Notebook untersucht, wie sich Regularisierung auf ein CME-Futures-Modell mit korrelierten Merkmalsfamilien auswirkt, darunter Carry, gleitende Sharpe Ratio, Momentum und Volatilitätskennzahlen. Es vergleicht Ridge, Lasso und ElasticNet: Ridge…
Dieses Notebook beschreibt die Anpassung von Diffusion-TS zur Erzeugung synthetischer ETF-Renditereihen. Der Entrauscher prognostiziert die unverrauschte Sequenz als Summe aus polynomialem Trend, Fourier-Saisonkomponente und Residuen, während ein…
Das Kapitel vertritt die Auffassung, dass wiederholbare Forschungsdisziplin eine beständigere Quelle für Handelsvorteile ist als jede einzelne Strategie. Es stellt einen Ablauf vor, der auf falsifizierbaren Hypothesen, Out-of-Sample-Auswertung und…
Das Dokument erläutert, warum TabM zur Modellierung von Perpetual-Funding-Paneldaten eingesetzt wird: Sein gemeinsames neuronales Grundgerüst kombiniert alle Eingabemerkmale, während nichtlineare Schichten Interaktionen abbilden können. Anders als ein Baum,…
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…
Diese Analyse schätzt, ob Momentum unter Auslassung der jüngsten Periode mit einer kausalen Veränderung der zukünftigen ETF-Renditen verbunden ist, statt zu fragen, wie gut Momentum Renditen prognostiziert. Double Machine Learning modelliert Ergebnis und…
Dieses Notebook untersucht Gradient-Boosting-Modelle zur Prognose von Renditen und Kursrichtung bei Krypto-Perpetuals. Das Raster variiert die Baumkapazität und die Verlustfunktion, einschließlich der Ziele quadratischer Fehler, absoluter Fehler und Huber,…
Dieses Dokument stellt das neuronale Netzwerk-Grundgerüst PatchTST zur Prognose multivariater Zeitreihen vor. Es teilt jede Eingabereihe in überlappende Abschnitte auf, projiziert jeden Abschnitt in einen erlernten Merkmalsraum, ergänzt Positionskodierungen…
Dieses Notebook schätzt, ob der Prämien-Z-Score eines Krypto-Perpetuals die nachfolgenden Acht-Stunden-Renditen beeinflusst, wenn drei festgelegte Treiber – Preisvolatilität, Funding-Satz und durchschnittliche Prämienabweichung – konstant gehalten werden. Da…
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…
Dieses Notebook erläutert, wie sich anhand eines Fallstudienregisters ein Katalog von Modellversuchen rekonstruieren und mit MLflow vergleichen lässt. Es verfolgt Experimente über Trainingsläufe, Prognosesätze und Backtest-Läufe hinweg und verknüpft jede…
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…
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…
Dieses Notebook vergleicht lineare Modelle zur Prognose von ETF-Renditen anhand überlappender, aus Kursen abgeleiteter Merkmale. Da mehrere Renditehorizonte und Indikatorfamilien ähnliche Informationen codieren können, kann die gewöhnliche Methode der…
Dieser Leitfaden ordnet kausale Fragestellungen Python-Bibliotheken zu und verdeutlicht den Unterschied zwischen der Schätzung von Effekten unter einer angenommenen Kausalstruktur und der Entdeckung möglicher Strukturen aus Daten. Er stellt Double Machine…
Dieses Notebook stellt ein Modell mit stochastischem Diskontfaktor zur Bewertung eines ETF-Querschnitts vor. Statt Fondsengagements und Faktorrenditen getrennt zu schätzen, trainiert es Netzwerke darauf, eine gemeinsame Diskontfaktorreihe zu finden, deren…
Dieses Notebook wendet TabM, ein neuronales Ensemble mit gemeinsam genutzten Gewichten, auf ein Panel von Merkmalen für Krypto-Perpetual-Futures an. Die Mitglieder teilen sich ein neuronales Grundgerüst, haben jedoch eigene Skalierungsvektoren und…
Dieses Notebook prüft Finanzmerkmale und modellbasierte Merkmale darauf, ob sie ETFs anhand nachfolgender Renditen in eine Rangfolge bringen können. Es berechnet für jedes Datum einen Information Coefficient, indem es die Querschnittsränge jedes Merkmals mit…
Dieses Notebook untersucht gezielt, ob eine gelernte Sequenzdarstellung von Perpetual-Funding-Merkmalen handgefertigte Zusammenfassungen der Prämie verbessert, also des Abstands zwischen Perpetual- und Spotpreisen. Es vergleicht NLinear, das Änderungen…