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

Dieses Notebook zeigt eine Pipeline, die Finanznachrichten-Schlagzeilen in aktienbezogene Signale umwandelt. Sie bereinigt und vereinheitlicht einen Nachrichtenkorpus, entfernt exakte Duplikate und Duplikate mit übereinstimmendem Präfix innerhalb von Gruppen…

AktienMaschinelles LernenMarktstimmungFaktorinvestieren
Machine Learning for Trading

Dieses Notebook beschreibt, wie Holdout-Prognosen für eine FX-Strategie erstellt werden, nachdem ihre Konfiguration bereits anhand von Validierungsergebnissen ausgewählt wurde. Unter den zugelassenen Kandidaten, die nicht insolvent geworden sind, wird der…

DevisenhandelBacktestingMaschinelles LernenRisikomanagement
Machine Learning for Trading

Dieses Notebook vergleicht DQN, PPO und A2C in einer simulierten Umgebung für den Kryptowährungshandel. Es kalibriert einen GARCH(1,1)-Volatilitätsprozess anhand stündlicher Renditen von Bitcoin-Perpetual-Futures und simuliert dann Pfade, die…

Maschinelles LernenKryptoPerpetual FuturesBacktesting
Machine Learning for Trading

Dieses Notebook untersucht die Performance einer festen Long-only-ETF-Momentum-Baseline unter verschiedenen Marktbedingungen von 2010 bis 2024. Es ordnet jede Tagesrendite anhand von Volatilitäts- und Trendmaßen ein, die vor Beginn dieser Rendite bekannt…

AktienMomentumTrendfolgeVolatilität
Machine Learning for Trading

Dieses Notebook wendet zuvor ausgewählte Prognosen zu Unternehmensmerkmalen und eine festgelegte Portfoliokonfiguration auf einen einjährigen Holdout-Zeitraum an. Es trifft keine neuen Entscheidungen zu Prognosen, Allokation, Konzentration, Rebalancing oder…

AktienFaktorinvestierenPositionsgrößenbestimmungBacktesting
Machine Learning for Trading

Dieses Notebook entwickelt einen Prognoseagenten, der zwischen Websuchen und Wahrscheinlichkeitsprognosen wechselt. Eine schlanke Sprachmodell-Schnittstelle mit zwei Methoden ermöglicht es, dieselbe Schleife mit einem Mock-Anbieter, einem lokalen oder einem…

Maschinelles LernenMarktstimmungStatistik
Machine Learning for Trading

Dieses Notebook untersucht informationsgesteuerte Stichprobenbildung, indem es Tick- und Volumen-Imbalance-Bars aus Handelsdaten erstellt. Es validiert eine manuelle Implementierung der Tick-Imbalance gegen einen Sampler aus einer Bibliothek und variiert…

AktienMarktmikrostrukturStatistikTechnische Indikatoren
Machine Learning for Trading

Diese Analyse vergleicht Risiko-Overlays über mehrere Fallstudien hinweg. Dazu lädt sie deren Overlay-Backtests aus einem Register und misst Sharpe-Ratio sowie maximalen Drawdown im Vergleich zu einer Baseline aus der Allokationsphase; falls diese fehlt,…

RisikomanagementBacktestingStatistik
Machine Learning for Trading

Dieses Notebook bewertet Stop-Losses je Position, nachlaufende Stops und zeitbasierte Ausstiege auf Basis von Konfigurationen aus der Allokationsphase einer NASDAQ-100-Intraday-Strategie. Entscheidungen fallen alle fünfzehn Minuten, während die…

AktienRisikomanagementBacktestingOrderausführung
Machine Learning for Trading

Dieses Notebook stellt die Black-Scholes-Bewertung europäischer Calls und Puts dar, prüft die Put-Call-Parität und berechnet die implizite Volatilität mit der Brent-Nullstellensuche. Es definiert außerdem Delta, Gamma, Vega, Theta und Rho und veranschaulicht…

OptionenBewertung von DerivatenVolatilitätRisikomanagement
Machine Learning for Trading

Dieses Notebook beschreibt einen gepatchten Transformer für Sequenzprognosen in einer Studie zu S&P-500-Aktien und -Optionen. Er teilt ein Zeitfenster in zusammenhängende Blöcke und bildet jeden Block als Token ab. So kann die Attention weit voneinander…

AktienOptionenMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Kapitel stellt Reinforcement Learning als Werkzeug für sequenzielle Steuerung dar und grenzt es von überwachter Prognose ab. Im Mittelpunkt stehen Aufgaben, bei denen Aktionen spätere Ergebnisse beeinflussen und Belohnungen vergleichsweise konkret…

Maschinelles LernenOrderausführungMarket-MakingOptionen
Machine Learning for Trading

Dieses ETF-Merkmals-Notebook erläutert, wie angepasste statistische Modelle über ihre geschätzten Parameter Zukunftsinformationen einfließen lassen können, selbst wenn ihre Formeln vergangene Beobachtungen verwenden. Abhilfe schafft ein Walk-Forward-Zeitplan…

AktienMaschinelles LernenStatistikVolatilität
Machine Learning for Trading

Dieses Notebook untersucht Gradient Boosting für ein US-Aktienpanel und variiert Baumkapazität, Zielfunktion und Trainings-Checkpoint über drei Horizonte für Forward-Renditen. Es erläutert, wie flache Bäume Merkmalsinteraktionen lernen können und wie mit…

AktienMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook beschreibt, wie Holdout-Prognosen für eine Krypto-Perpetual-Funding-Strategie erstellt werden, nachdem ihre Konfiguration anhand von Validierungsergebnissen ausgewählt wurde. Es ermittelt den zulässigen Validierungs-Backtest mit der höchsten…

KryptoPerpetual FuturesMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Modul definiert eine Point-in-Time-Simulationsumgebung für die Ausführung einer großen Verkaufsorder in Krypto-Perpetual-Futures. Die Beobachtungen kombinieren den verbleibenden Bestand und die verbleibende Zeit mit Marktvolatilität, Premium-Index,…

KryptoPerpetual FuturesOrderausführungMarktmikrostruktur
Machine Learning for Trading

Dieses Kapitel stellt Marktdaten als Ergebnis von Handelsregeln, Liquidität und dem Verhalten der Marktteilnehmer dar. Es gibt einen Überblick von Quotes auf der obersten Orderbuchebene bis hin zu Order-Level-Feeds und beschreibt anschließend, wie…

MarktmikrostrukturOrderausführungHochfrequenzhandelStatistik
Machine Learning for Trading

Dieses gemeinsam genutzte Hilfsmodul unterstützt Kausalanalysen von Handelsdaten mit Double Machine Learning (DML) für Zeitreihen. Zu den dokumentierten Werkzeugen zählen Walk-Forward-Schätzungen mit Embargo, Nuisance-Modelle und Refutationstests.…

StatistikMaschinelles LernenBacktestingRisikomanagement
Machine Learning for Trading

Diese Fallstudie erstellt Merkmale zum Vergleich von Varianzrisikoprämien bei S&P-500-Aktien. Verwendet werden At-the-Money-Straddles mit 30 Tagen Laufzeit und Daten zu den Basiswerten. Sie vergleicht implizite mit realisierter Volatilität über mehrere…

OptionenAktienVolatilitätBacktesting
Machine Learning for Trading

Diese Fallstudie erläutert, wie Prognosen für einen Holdout-Zeitraum erstellt werden, nachdem Modell und Strategie anhand von Validierungsdaten ausgewählt wurden. Sie lädt die zuvor gewählte Konfiguration, rekonstruiert deren Trainingsspezifikation und…

AktienMaschinelles LernenBacktestingStatistik
Machine Learning for Trading

Dieses Notebook erstellt einen LSTM-Allokator, der jüngste ETF-Rendite- und Volatilitätsmerkmale direkt auf Long-only-Portfoliogewichte abbildet. Eine Softmax-Ausgabe hält die Gewichte nichtnegativ und das Portfolio voll investiert. Eine differenzierbare…

Maschinelles LernenPortfolio-KonstruktionBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook stellt EdgarTools zur Untersuchung von SEC-Meldungen nach Unternehmen und Meldungsart vor. Es zeigt, wie Emittenten anhand stabiler CIK-Kennungen gesucht, Jahres- und Quartalsberichte abgerufen, XBRL-Abschlüsse extrahiert und Insider-Formular…

AktienUS-MärkteBacktestingStatistik