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

2,471 Dokumente

Machine Learning for Trading

Diese Fallstudie trainiert regularisierte lineare Modelle auf den Renditen von Short-At-the-Money-Straddles, die bis zum Verfall gehalten werden. Da die Prämieneinnahmen den Gewinn begrenzen, während Verluste unbegrenzt wachsen können, dominieren einige…

OptionenVolatilitätMaschinelles LernenRisikomanagement
Machine Learning for Trading

Dieses Notebook verwendet reale ETF-Daten, um zu prüfen, ob ein Momentum-Signal bei angemessenen Änderungen des Rückblickzeitraums, der Marktphase und der Umsetzung nützlich bleibt. Es berechnet querschnittliche Information Coefficients zwischen Momentum und…

FuturesMomentumBacktestingStatistik
Machine Learning for Trading

Dieses Notebook vergleicht zwei lokal ausgeführte Embedding-Modelle mit offenen Gewichten bei einer Retrieval-Aufgabe anhand von Passagen aus aktuellen 10-Berichten einer kleinen Auswahl großer US-Unternehmen. Beide Modelle erhalten dieselben Passagen aus…

Maschinelles LernenStatistikAktienUS-Märkte
Machine Learning for Trading

Dieses Notebook erstellt eine monatliche Modellmatrix für eine Studie zu Unternehmensmerkmalen in US aus einem veröffentlichten Panel, dessen Merkmale bereits über Unternehmen hinweg gerankt wurden. Es ergänzt Zusammensetzungen und Interaktionen anhand von…

AktienFaktorinvestierenPortfolio-KonstruktionBacktesting
Machine Learning for Trading

Dieses Notebook erstellt vier modellbasierte Merkmale für die Optionsforschung zum S&P 500: Volatilitätsprognosen für den nächsten Tag aus GJR-GARCH und stochastischer Volatilität sowie die Abweichungen jeder Prognose von der impliziten Volatilität am…

OptionenVolatilitätBewertung von DerivatenBacktesting
Machine Learning for Trading

Dieses Dokument trainiert TabM, ein neuronales Ensemble mit gemeinsam genutzten Gewichten, mit optionsbasierten Merkmalen zur Prognose zukünftiger Aktienrenditen und risikobereinigter Renditen. Die Modelle verwenden ein gemeinsames zweischichtiges Netz mit…

AktienOptionenMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Dokument stellt einen strukturierten Zustandsdatensatz für Forschungsagenten vor, der getrennt vom Gesprächsprotokoll geführt wird. Der Datensatz enthält die Frage und den Stichtag, gesammelte Belege, offene Fragen, den Verlauf der Werkzeugaufrufe,…

Maschinelles LernenStatistikBacktestingRisikomanagement
Machine Learning for Trading

Dieses Dokument untersucht positionsbezogene Ausstiege, die einer bestehenden Krypto-Perpetual-Strategie hinzugefügt werden: feste Stop-Losses, Trailing-Stops und zeitbasierte Ausstiege. Es erklärt, dass diese Kontrollen nur Positionen schließen, die von der…

KryptoPerpetual FuturesRisikomanagementBacktesting
Machine Learning for Trading

Dieses Dokument erklärt, wie die Suchschnittstelle eines Prognoseagenten die verwendeten Belege einschränken und seine Aktivitäten nachvollziehbar machen kann. Ein anbieterneutrales Protokoll gibt typisierte Ergebnisse mit Quelle, Veröffentlichungsdatum,…

BacktestingOrderausführungMaschinelles Lernen
Machine Learning for Trading

Dieses Notebook untersucht die Regularisierung linearer Modelle zur Prognose von Renditen bei Währungspaaren. Es unterscheidet zwischen Multikollinearität der Eingabemerkmale und Abhängigkeit zwischen den Assets: Währungspaare teilen sich zugrunde liegende…

DevisenhandelMaschinelles LernenStatistikFaktorinvestieren
Machine Learning for Trading

Diese Konfigurationsnotiz erläutert die Wahl des SAGA-Solvers und einer strengeren Konvergenztoleranz für die L1-logistische Regression mit drei Klassen. Sie vergleicht SAGA mit LIBLINEAR und führt Laufzeitmessungen für ein Nasdaq-Mikrostruktur-Panel sowie…

Maschinelles LernenStatistikAktienMarktmikrostruktur
Machine Learning for Trading

Dieses Modul beschreibt Prüfungen dazu, ob Prognose- und Backtest-Eingaben die in einer Studie festgelegten Handelssitzungen und Folds abdecken. Relative Prüfungen vergleichen Kandidatenmodelle miteinander und können daher ein gemeinsames Problem übersehen:…

BacktestingRisikomanagementStatistikMarktmikrostruktur
Machine Learning for Trading

Dieses Notebook untersucht einen überwachten Autoencoder, der anhand von Unternehmensmerkmalen zukünftige Renditen prognostiziert. Es behält einen schmalen Engpass im neuronalen Netz bei, entfernt jedoch die bedingte Faktormodell-Interpretation und die…

AktienMaschinelles LernenFaktorinvestierenBacktesting
Machine Learning for Trading

Dieses Notebook wandelt Prognosen für FX-Paare in Basis-Handelsergebnisse um. Zu jedem Entscheidungszeitpunkt ordnet es die Paare nach Rang, bildet gleich große Long- und Short-Positionen und führt die ausgewählten Prognosekonfigurationen und Checkpoints mit…

DevisenhandelBacktestingPortfolio-KonstruktionPositionsgrößenbestimmung
Machine Learning for Trading

Diese Machbarkeitsanalyse prüft, ob sich eine monatliche Long-Short-Strategie auf Basis von US-Unternehmensmerkmalen mit dem verfügbaren Panel auswerten lässt. Sie verifiziert, dass die Merkmale als Ränge kodiert sind, beschreibt, wie lange Unternehmen…

AktienFaktorinvestierenBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook unterscheidet die Prognose von Renditen von der Behauptung, Momentum verursache sie. Als Behandlung dient die Rendite einer Aktie im Vorjahr ohne den jüngsten Monat; die Zielgröße ist die künftige Rendite. Jüngste Volatilität, Rang der…

AktienMomentumMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook trainiert PatchTST als ein Modell aus der festgelegten Sequenzmodellgruppe für S&P-500-Optionen. PatchTST unterteilt ein Rückblickfenster in gleich große Abschnitte, bildet diese als Tokens ab und nutzt Attention, um Beziehungen zwischen…

OptionenMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook fasst LightGBM-Ergebnisse aus mehreren Trading-Fallstudien zusammen und vergleicht sie mit linearen Referenzmodellen und TabM. Für jede Fallstudie wird die Konfiguration mit dem besten IC-Wert untersucht; zudem werden Intervalle mit Korrektur…

Maschinelles LernenStatistikBacktestingAktien
Machine Learning for Trading

Dieses Hilfsprogramm beschreibt einen Diagnoseablauf für Datenartefakte aus quantitativen Forschungspipelines. Es erstellt Profile numerischer Spalten mit Kennzahlen zu fehlenden Werten, nicht endlichen Werten, Nullen, der Anzahl unterschiedlicher Werte,…

StatistikRisikomanagementBacktesting
Machine Learning for Trading

Dieses Notebook prüft, ob gelernte Graph-Embeddings einem tabellarischen Modell für US-Aktien zusätzliche Prognoseinformationen liefern. Es erstellt ein Netzwerk anhand absoluter Renditekorrelationen, die vor dem Zielzeitraum gemessen wurden, konstruiert…

AktienMaschinelles LernenBacktestingMomentum
Machine Learning for Trading

Dieses Notebook vergleicht Verfahren zur Volatilitätsmessung und entwickelt heterogene autoregressive (HAR) Volatilitätsmodelle zusammen mit einer Analyse der Rauheit des Marktes. Es nutzt Intraday-Renditen, um die realisierte Sitzungsvarianz zu schätzen,…

VolatilitätStatistikTechnische IndikatorenAktien
Machine Learning for Trading

Dieses Dokument beschreibt ein LSTM-Sequenzmodell für eine Optionsstudie zum S&P 500. Anders als Querschnittsmodelle, die den Verlauf eines Symbols mit konstruierten Merkmalen zusammenfassen, erhält das LSTM chronologische Zeitfenster und lernt, welche…

OptionenAktienMaschinelles LernenBacktesting
Machine Learning for Trading

Das Notebook erstellt mit einem Split-Conformal-Verfahren Prognoseintervalle um Gradient-Boosting-Prognosen. Es passt ein Modell an einem früheren Trainingsabschnitt an, misst absolute Residuen in einem späteren Kalibrierungsabschnitt und legt die…

Maschinelles LernenStatistikRisikomanagementPositionsgrößenbestimmung
Machine Learning for Trading

Dieses Notebook vergleicht vier Referenzallokationen für ETF anhand historischer Krisenphasen, manuell festgelegter gleichzeitiger Schocks auf mehrere Anlageklassen, Student-t-Monte-Carlo-Simulationen und Marktregimestatistiken. Es erläutert das Maß für den…

Multi-AssetRisikomanagementPortfolio-KonstruktionVolatilität