Wissensbibliothek

Dieses Notebook nutzt tägliche Renditen von SPY, um die Frequenzbereichsanalyse und ihre Grenzen als Quelle von Trading-Merkmalen zu erläutern. Eine Wavelet-Zerlegung trennt Schwankungen in Bänder mit zunehmend langsameren Zeitskalen, während…

Dieses Notebook vergleicht drei Möglichkeiten, Marktregime in einem Prognosemodell zu verwenden: Regimeinformationen weglassen, die gefilterte Wahrscheinlichkeit eines volatilen Zustands als Merkmal hinzufügen oder separate Experten für fest zugeordnete…

Diese Fallstudie verwendet lineare Modelle als Ausgangsbasis für die Prognose künftiger Renditen in einem breiten US-Aktienpanel. Sie erläutert, warum überlappende Kurs- und Volumenmerkmale Kollinearität verursachen und die Koeffizienten der gewöhnlichen…

Diese Analyse vergleicht registrierte kausale Behandlungseffekte, die mit Double Machine Learning geschätzt wurden, aus neun Trading-Fallstudien. Sie lädt die aktuellen Ergebnisse aus dem Register jeder Studie, prüft die Registerintegrität und doppelte…

Dieses Notebook stellt einen Rahmen zur Bewertung eines ETF-Allokations-Backtests anhand täglicher Portfoliorenditen und einer passenden SPY-Benchmark vor. Es behandelt Risiko- und Renditemaße wie Sharpe, Sortino, Calmar und maximalen Drawdown, rollierende…

Dieses Notebook erklärt, wie Modellunsicherheit über einen Punktschätzer hinaus zusätzliche Informationen liefern kann. Es schätzt ein stochastisches Volatilitätsmodell, in dem sich die latente logarithmierte Volatilität im Zeitverlauf entwickelt und…

Dieses Notebook stellt eine mehrstufige Debatte zwischen Bullen und Bären über eine umstrittene Wahrscheinlichkeitsprognose vor. Beide Seiten argumentieren auf Basis gemeinsamer Zusammenfassungen von Forschungs-KI-Agenten, sehen die vorherige Position der…

Diese explorative Analyse führt Optionskontrakte und den Aufbau von Optionsketten ein und untersucht anschließend eine 2020-Stichprobe von S&P-500-Optionen auf acht Basiswerte. Sie erläutert Moneyness, inneren Wert und Zeitwert, implizite Volatilität, die…

Diese Analyse wertet eine registrierte Backtesting-Pipeline für eine monatliche US-Aktienstrategie auf Basis von Unternehmensmerkmalen aus. Sie berichtet die Unsicherheit des Sharpe-Werts, die Wahrscheinlichkeit eines positiven Sharpe-Werts und…

Dieses Notebook erstellt angepasste Modellmerkmale anhand von Wechselkursverläufen und ergänzt damit Indikatoren, die direkt aus vergangenen Preisen berechnet werden. Es beschreibt drei Ansätze: einen Zustandsraumfilter, der ein langsam veränderliches…

Dieses Notebook beschreibt einen Ablauf, um aus den vierteljährlichen MD&A-Angaben von S&P-500-Unternehmen Handelsmerkmale abzuleiten. Als zeitpunktgenauen Anker dienen die Annahmedaten der Meldungen. Mehrere Meldungen eines Unternehmens am selben Datum…

Dieses Kapitel gibt einen Überblick über Deep Learning für Zeitreihen anhand einer praktischen Frage: Wann enthält die Reihenfolge der Beobachtungen Informationen, die einer querschnittlichen Vorhersage entgehen, und welche Modellarchitekturen können diese…

Diese rein lesende Analyse führt Validierungsvorhersagen mehrerer Modellfamilien zusammen, um ihre Vollständigkeit, die Qualität ihrer Aktienrangfolgen, deren Beständigkeit über Folds und den zusätzlichen Informationsgehalt offenbar ähnlicher Modelle zu…

Dieses Notebook wendet TabM an, eine neuronale Architektur für Tabellendaten, die ein zweischichtiges Merkmalsnetzwerk für alle Ensemble-Mitglieder gemeinsam nutzt. Jedes Mitglied skaliert die gemeinsame Repräsentation mit einem eigenen gelernten Vektor und…

Dieses Notebook erklärt die Risikoaufschlags-PCA, die die Renditekovarianzmatrix verändert, indem sie das gewichtete äußere Produkt der durchschnittlichen Renditen im Trainingszeitraum addiert. Die führenden Eigenvektoren definieren statische…

Dieses Notebook verwendet SHAP, um Prognosen der Ridge-Regression für ETF-Renditen zu erklären. Bei einem linearen Modell besteht ein geschlossener Zusammenhang zwischen Merkmalsattributionen, angepassten Koeffizienten und Abweichungen von den…

Dieses Notebook erklärt Kalman-Filter als Methode, um Merkmale aus Finanzpreisen abzuleiten. Ein lokaler linearer Trendzustand erfasst sowohl ein latentes Preisniveau als auch dessen Steigung, während ein Beobachtungsmodell verrauschte Schlusskurse…

Dieses Notebook stellt die instrumentierte Hauptkomponentenanalyse (IPCA) vor, einen Latent-Factor-Ansatz zur Prognose von Renditen anhand von Unternehmensmerkmalen. Statt jedem Merkmal direkt ein Renditegewicht zuzuweisen, modelliert IPCA die…

Dieses Werkzeug beschreibt eine Methode, um Strategierenditen mithilfe des Fama–French-Drei- oder Fünf-Faktoren-Modells, optional ergänzt um Momentum, zu erklären. Es stimmt tägliche Faktordaten mit den Strategierenditen ab, erkennt die Renditefrequenz und…

Diese Analyse vergleicht registrierte Modellfamilien anhand eines anlageklassenübergreifenden ETF-Panels mit Walk-Forward-Validierungsergebnissen. Die Modelle prognostizieren Renditen über 21 Handelstage und werden anhand querschnittlicher…

Diese Studie verwendet Orderdaten von NVDA über zehn Handelstage, um zu untersuchen, wie die tägliche Handelsaktivität die Bildung von Bars beeinflusst. Sie filtert Trades auf die regulären Handelszeiten der US, klassifiziert Aggressor-Seiten anhand von…

Diese Analyse vergleicht Validierungsprognosen mehrerer Modellfamilien für das Funding von Perpetual-Futures. Sie erläutert, dass der Informationskoeffizient die Rangfolge späterer Renditen misst, AUC die Ordnung positiver und negativer Ergebnisse misst und…

Diese Fallstudie bewertet die Total-Value-Locked-Daten von DeFi Llama als möglichen Input für eine Ether-Handelsforschungspipeline. Sie trennt Signalstärke, Datenqualität, rechtliche Eignung und kommerziellen Wert; rechtliche Fragen und das Fehlen…

Dieses Notebook bewertet veröffentlichte Faktorrenditen als mögliche Bausteine für Portfolios. Es trennt drei Fragen: ob die durchschnittliche Rendite eines Faktors eine anspruchsvolle statistische Schwelle überschreitet, ob Faktoren einander aus Gründen…