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

1,494 Dokumente

Machine Learning for Trading

Dieses Notebook nutzt die Hauptkomponentenanalyse für eine liquide Teilmenge von US-Aktien, um latente Faktoren zu extrahieren und Long-Short-Eigenportfolios zu bilden. Es erläutert, wie standardisierte PCA-Vektoren in Gewichte auf Basis roher Renditen…

AktienFaktorinvestierenStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook setzt einen vierphasigen Prognoseablauf mit einfacher Python-Orchestrierung, CrewAI und LangGraph um. Es vergleicht, wo der Zustand gehalten wird, wie sich Fehler untersuchen oder beheben lassen, welche Abhängigkeiten die Ansätze mitbringen…

Maschinelles LernenStatistikOrderausführungBacktesting
Machine Learning for Trading

Dieses Notebook untersucht die Regularisierung linearer Modelle für ein Universum von Währungspaaren, deren Renditen miteinander verbunden sind, weil jedes Paar einen Kurs zwischen gemeinsamen Währungen darstellt. Es unterscheidet die Merkmalskollinearität,…

DevisenhandelStatistikMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook untersucht, ob eine extreme Prämie bei Perpetual Futures nachfolgende BTC-Renditen oder eine Prämienumkehr beeinflusst. Als Behandlung definiert es einen Zustand mit hoher Prämie und vergleicht ein breites Marktergebnis, das von vielen…

KryptoPerpetual FuturesArbitrageStatistik
Machine Learning for Trading

Dieses Kapitel gibt einen Überblick darüber, wie sich angepasste statistische Verfahren in Merkmale für Handelsmodelle umwandeln lassen. Es behandelt Diagnostik und Stationarität, Strukturbrüche, fraktionale Differenzierung, Kalman-Filterung, Spektral- und…

StatistikVolatilitätMaschinelles LernenRisikomanagement
Machine Learning for Trading

Dieses Notebook erstellt Labels für zukünftige Aktienrenditen für eine Strategie, die gelistete Optionsdaten auswertet, um Aktien zu ordnen, und diese anschließend hält. Es erstellt eine angepasste Kursreihe, die Kapitalmaßnahmen berücksichtigt,…

AktienOptionenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook beschreibt einen Screen, der Kandidatensignale über 20 Währungspaare hinweg jeweils einzeln bewertet. Für jedes Merkmal berechnet es anhand ausschließlich Walk-Forward-validierter Zeitfenster die tägliche querschnittliche Rangübereinstimmung…

DevisenhandelStatistikMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook stellt die Hauptkomponentenanalyse als unkonditionierte Basis latenter Faktoren für Aktienrenditeprognosen in einer Optionsanalyse vor. PCA nutzt das historische Renditepanel, um gemeinsame Bewegungen und die Faktorladungen der einzelnen…

AktienMaschinelles LernenStatistikFaktorinvestieren
Machine Learning for Trading

Dieses Notebook vergleicht eine vollständige Grid Search mit Optunas TPE-Sampler zur Abstimmung eines LightGBM-Modells für Renditeprognosen. Zunächst erhalten beide Methoden dasselbe Versuchskontingent im selben diskreten Parametergitter: Die Aufzählung…

Maschinelles LernenBacktestingStatistik
Machine Learning for Trading

Dieses Notebook bewertet einen querschnittlichen Momentum-Faktor anhand von Informationskoeffizienten, Quantilrenditen, Spreads zwischen oberen und unteren Quantilen sowie Klassifikationsdiagnostik. Es führt Spearman-IC als tagweise Rangkorrelation zwischen…

MomentumFaktorinvestierenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook erläutert paarweise und querschnittliche Merkmale anhand von ETF-Panels. Es vergleicht die Kointegrationstests nach Engle–Granger und Johansen und unterscheidet einen stationären Spread von einfacher gemeinsamer Bewegung. Das Beispiel mit…

Pairs-TradingRückkehr zum MittelwertStatistikRisikomanagement
Machine Learning for Trading

Diese Konfiguration legt einen historischen makroökonomischen Datensatz von FRED für die Regimefilterung und die Analyse über Anlageklassen hinweg fest. Sie ordnet Zeitreihen nach täglicher, wöchentlicher, monatlicher und vierteljährlicher Frequenz, darunter…

Multi-AssetFestverzinsliche WertpapiereVolatilitätStatistik
Machine Learning for Trading

Diese Analyse prüft, ob die Daten eine querschnittliche Krypto-Perpetual-Strategie unterstützen können, bevor ein Modell angepasst oder Prognosen erstellt werden. Der vorgeschlagene Ansatz ordnet Kontrakte bei jeder Finanzierungsabrechnung nach ihrer Prämie…

KryptoPerpetual FuturesStatistikBacktesting
Machine Learning for Trading

Das Dokument stellt GReaT vor: ein Framework, das Zeilen mit gemischten numerischen und kategorialen Finanzdaten als Text serialisiert, ein Sprachmodell anhand dieser Datensätze feinabstimmt und generierten Text wieder in Tabellen umwandelt. Im Beispiel…

Maschinelles LernenAktienStatistikBacktesting
Machine Learning for Trading

Das Dokument erläutert, wie Modellunsicherheit zusätzliche Informationen über die Punktschätzung hinaus liefern kann. Es stellt GARCH, das Volatilität aus vergangenen Renditen ableitet, einem stochastischen Volatilitätsmodell gegenüber, das Volatilität als…

VolatilitätStatistikMaschinelles LernenRisikomanagement
Machine Learning for Trading

Dieses Notebook verwendet die Hauptkomponentenanalyse, um gemeinsame Bewegungen in einem breiten Aktienpanel aus US abzubilden. PCA extrahiert Richtungen, die gemeinsame Schwankungen der Renditen erklären; die Faktorladung jeder Aktie misst ihre Exponierung…

AktienUS-MärkteMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook bewertet Sicherheitsregeln für einen auf Dokumenten beruhenden Finanzassistenten anhand von sechs manuell erstellten Fällen. Die Fälle behandeln Prompt-Injection, erfundene Zahlen in nicht vertrauenswürdigem Material, versuchte Aktionen und…

Maschinelles LernenRisikomanagementMarktstimmungStatistik
Machine Learning for Trading

Dieses Notebook stellt ein zeitliches Faltungsnetz (TCN) vor, das anhand von Sequenzen vergangener Renditemerkmale zukünftige ETF-Renditen prognostiziert. Kausale Faltungen stellen sicher, dass eine Ausgabe nur Beobachtungen bis zu ihrem Datum verwendet.…

AktienMaschinelles LernenBacktestingStatistik
Machine Learning for Trading

Dieses Notebook erläutert Tick- und Volumen-Imbalance-Balken und vergleicht anschließend adaptive Schwellenwerte, feste Schwellen und gleitende Fenster anhand von NVDA-Handelsdaten. Bei Tick-Imbalance-Balken werden vorzeichenbehaftete Handelsrichtungen…

AktienMarktmikrostrukturStatistikBacktesting
Machine Learning for Trading

Dieses Notebook erklärt, wie angepasste GJR-GARCH- und Hidden-Markov-Modelle in Handelsmerkmale umgewandelt werden, während Look-ahead-Bias kontrolliert wird. GJR-GARCH schätzt die bedingte Volatilität und erfasst die stärkere Wirkung negativer…

KryptoPerpetual FuturesVolatilitätMaschinelles Lernen
Machine Learning for Trading

Dieses Notebook gibt einen Überblick über Methoden, um Veränderungen im Prozess zu finden, der eine Finanzzeitreihe erzeugt, und verwendet dazu tägliche SPY-Daten. Es stellt den Zivot–Andrews-Test, der einen Bruch schätzt und zugleich auf eine Einheitswurzel…

StatistikMaschinelles LernenTechnische IndikatorenRisikomanagement
Machine Learning for Trading

Dieses Hilfsprogramm bereitet Prognoseartefakte für Live-Demo-Notebooks vor, indem es unterschiedliche Spaltennamen und Datumsformate in eine einheitliche Struktur aus Zeitstempel, Anlage und Prognose überführt. Es gruppiert doppelte…

Maschinelles LernenBacktestingStatistik
Machine Learning for Trading

Dieses Notebook trainiert ein Skip-gram-Word2Vec-Modell mit einem kleinen, nach Sentiment gekennzeichneten Finanznachrichtenkorpus und untersucht, was dessen nächste Nachbarn zeigen. Die Methode bildet Wörter anhand der Kontexte ab, in denen sie auftreten.…

Maschinelles LernenMarktstimmungStatistik