Wissensbibliothek

Dieses Dokument erläutert, wie sich tägliche Labels für künftige ETF-Renditen anhand bereinigter Schlusskurse zum Beobachtungszeitpunkt und einer späteren Handelssitzung erstellen lassen. Es erzeugt ein primäres Label mit monatlichem Horizont und eine…

Dieses Notebook vergleicht Split-Conformal-Prognosen, konforme Quantilsregression und adaptive konforme Inferenz zur Prognose künftiger Renditen von ETF. In Walk-Forward-Folds trainiert es auf einer Teilmenge, kalibriert Intervallfehler auf einer anderen und…

Dieses gemeinsam genutzte Hilfsmodul stellt eine einheitliche Gradient-Boosting-Pipeline für quantitative Forschung bereit. Es definiert Kapazitätsvorgaben und überträgt kanonische Parameternamen auf die entsprechenden Einstellungen für LightGBM, XGBoost,…

Dieses Notebook untersucht eine stichwortbasierte ESG-Schlagzeilenpipeline und vergleicht ihre strukturierten Klassifikatorausgaben mit den Anforderungen an einen Retrieval-Augmented-Generation-Assistenten. Eine erste Stichwortliste wählt Schlagzeilen aus,…

Das Notebook verwendet SHAP, um die Wahrscheinlichkeiten von FinBERT für drei Finanzsentimentklassen auf Token-Ebene zu erklären. Es legt einen Modell-Checkpoint fest, ordnet die Ausgabelabels explizit zu und untersucht anschließend, welche Tokens die…

Dieses Notebook erfasst modellbasierte Merkmalsspalten aus neun Marktfallstudien, indem es Parquet-Schemas statt vollständiger Datensätze einliest. Es schließt Identifikationsfelder aus, zählt Spalten je Markt und ordnet Merkmalsfamilien anhand von…

Diese Fallstudie vergleicht Sequenzmodelle auf einem Merkmals-Panel aus Aktien und Optionen des S&P 500. Sie stellt ein LSTM, das einen gesteuerten Zustand über ein Rückblickfenster hinweg trägt, einer N-Linear-Baseline gegenüber, die das jüngste Niveau…

Dieses Notebook erläutert die fünfteilige Architektur von TimeGAN: Einbettungs- und Wiederherstellungsnetzwerk bilden zwischen Rohbeobachtungen und latentem Raum ab, ein Supervisor lernt zeitliche Übergänge, und Generator sowie Diskriminator werden…

Dieses Notebook wandelt rollierende ETF-Renditefenster in Zweikanalbilder für ein faltendes neuronales Netz um. Das Gramian Angular Summation Field skaliert Werte innerhalb jedes Fensters neu, bildet sie auf Winkel ab und erfasst trigonometrische Beziehungen…

Risk-Premium-PCA verändert die Kovarianzmatrix, indem ein gewichtetes äußeres Produkt des mittleren Renditevektors aus den Trainingsdaten hinzugefügt wird. Die führenden Eigenvektoren definieren statische Faktorportfolios: Bei Gewicht null ergibt sich die…

Dieses Notebook beschreibt, wie nach der Auswahl einer Konfiguration anhand von Validierungsdaten Prognosen für einen unberührten Holdout-Zeitraum erstellt werden. Es löst die ausgewählte Konfiguration auf, erstellt ihre Trainingsspezifikation für den…

Diese Konfiguration beschreibt eine Intraday-Studie zu Order-Flow-Signalen in einem zeitpunktbezogenen NASDAQ-100-Universum. Sie definiert anhand von Liquiditätsdaten, die vor jedem Auswertungszeitraum verfügbar sind, eine nach Kosten gefilterte Teilmenge.…

Dieses Notebook verwendet ein Gaußsches Mischungsmodell, um Monate anhand des gemeinsamen Verhaltens von neun Faktor- und Anlageklassen-Renditereihen zu gruppieren. Es standardisiert monatliche Beobachtungen, entfernt Monate mit fehlenden Werten und…

Dieses Notebook erstellt einen Prognose-KI-Agenten, der in einem ReAct-Loop zwischen Schlussfolgerungen und Aktionen wechselt. Sein Aktionsraum ist bewusst klein: Der Agent kann nach Belegen suchen oder eine Wahrscheinlichkeitsprognose abgeben. Eine…

Dieses Notebook untersucht die Herausforderung zur kausalen Entdeckung von ADIA Lab als Benchmark für das Erlernen von Mustern innerhalb einer bekannten Simulatorfamilie. Die Aufgabe umfasst zahlreiche synthetische Datensätze mit bekannten gerichteten…

Dieses Notebook beschreibt, wie Holdout-Prognosen für eine ausgewählte Konfiguration eines CME-Futures-Modells erstellt werden. Die Konfiguration wird anhand von Validierungsergebnissen ausgewählt und anschließend mit Daten neu angepasst, deren Zeitraum vor…

Dieses Notebook erläutert Tail-GAN, einen generativen adversariellen Ansatz zur Erzeugung finanzieller Renditeszenarien mit Fokus auf Value at Risk (VaR) und Expected Shortfall (ES). Differenzierbares Sortieren ermöglicht den Gradientenfluss durch…

Dieses Notebook zur Merkmalsentwicklung erläutert, wie langsam verfügbare Informationen Handelssignale mit höherer Frequenz ergänzen können: durch Fundamentaldaten, makroökonomische Daten und Kalenderkontext. Es beschreibt Bewertungskennzahlen wie Buchwert…

Dieses Notebook beschreibt, wie Holdout-Prognosen für eine ausgewählte NASDAQ-100-Mikrostrukturkonfiguration erstellt werden, nachdem Modell und Strategie anhand von Validierungs-Folds ausgewählt wurden. Es rekonstruiert die ausgewählte…

Dieses Notebook fasst registrierte Validierungsergebnisse für fünf Schätzer latenter Faktoren über mehrere Fallstudien hinweg zusammen. Zunächst zeigt es, für welche Panels Ergebnisse der einzelnen Schätzer vorliegen. Anschließend bestimmt es den führenden…

Dieses Kapitel stellt Retrieval-Augmented Generation als Möglichkeit vor, Sprachmodelle für offene Finanzforschung nützlicher zu machen, bei der unbelegte Aussagen und Halluzinationen kostspielig sein können. Es führt durch das System – von der Aufnahme von…

Dieses Notebook entwickelt Merkmale, die mehrere Asset-Zeitreihen erfordern. Es vergleicht Engle-Granger- und Johansen-Tests auf Kointegration, erläutert, warum gemeinsame Bewegung allein keinen stationären Spread bedeutet, und schätzt Hedge Ratios sowohl…

Diese Fallstudie vergleicht Gradient-Boosting-Modelle, die Renditen bis zum Verfall für Short Straddles am Geld prognostizieren. Sie variiert die Baumkapazität und drei Optimierungsziele: quadratischer Fehler, absoluter Fehler und Huber-Verlust. Die…

Dieses Notebook trainiert einen gepatchten Transformer, um in einer Aktien- und Optionsstudie zum S&P 500 ein primäres Label vorherzusagen. Es teilt das historische Eingabefenster jeder Aktie in zusammenhängende Patches auf und behandelt jeden Patch als…