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.
934 Dokumente
Dieses Notebook analysiert einen Bestand von Jahresberichten, bevor er für die Finanzforschung indexiert wird. Es zeigt vier Datenprobleme auf, die weder Zeilenzahlen noch Prüfungen auf fehlende Werte erkennen lassen: den Abstand zwischen Geschäftsjahresende…
Dieses Notebook untersucht, ob ein LSTM die Reihenfolge von ETF-Merkmalshistorien nutzen kann, um Modelle mit flachen Merkmalen, linearen Modellen und Gradient Boosting zu übertreffen. Es gleicht die deklarierte Sequenzpopulation mit den aktuellen Daten ab,…
Dieses Notebook veranschaulicht Instrumented PCA anhand eines synthetischen Anlagepanel. Dabei hängen Faktorladungen linear von Merkmalen ab, die vor den Renditen beobachtet werden. Abwechselnde Kleinste-Quadrate-Schätzungen ermitteln die Abbildung von…
Dieses Notebook untersucht ARIMA als Merkmalsgenerator für Modelle, die seine Ausgabe neben anderen Prognosevariablen verwenden können. Es erklärt, wie ACF- und PACF-Diagramme Modellordnungen nahelegen können, wie Informationskriterien Kandidatenordnungen…
Dieses Dokument stellt ein gemeinsames Datensystem für quantitative Handelsforschung vor und katalogisiert Datensätze zu Aktien, Optionen, Futures, Krypto, Devisen, Faktoren, Makroökonomie, Unternehmensmeldungen, Positionierung, Nachrichten und…
Diese Fallstudie beschreibt die Erstellung eines Prognosedatensatzes außerhalb der Stichprobe für ein bereits ausgewähltes Modell für S&P-500-Optionen. Die Konfiguration für die Testperiode wird anhand von Validierungsergebnissen festgelegt und anschließend…
Dieses Notebook erläutert, wie Double Machine Learning (DML) schätzt, ob FX-Momentum zukünftige Renditen beeinflusst, nachdem konfigurierte Störfaktoren berücksichtigt wurden. Es unterscheidet diese Interventionsfrage von einer Prognose: Prädiktive Modelle…
Dieses Notebook stellt einfache Falsifikationsdiagnosen zur Prüfung von Merkmalen vor und unterscheidet ausdrücklich zwischen der Vereinbarkeit mit einem Mechanismus und kausaler Identifikation. Zunächst prüft es ETF-Merkmale über Horizonte zukünftiger…
Dieses Notebook untersucht Labels für überwachtes Lernen anhand von ETF-Kursdaten. Es behandelt Renditen über feste Horizonte für Regression oder Richtungsklassifikation, rollierende Zeitreihenperzentile, querschnittliche Perzentil-Labels,…
Dieses Notebook fasst Registry-Ergebnisse für OLS, Ridge, Lasso und ElasticNet aus neun Fallstudien zusammen. Es wählt vollständige Validierungsergebnisse zum jeweiligen primären Label der Studie aus, vergleicht mittlere tägliche querschnittliche…
Dieses Notebook vergleicht gelernte und analytische Absicherungen für einen leerverkauften europäischen Call bei diskretem Rebalancing und proportionalen Handelskosten. Es definiert den selbstfinanzierenden End-P&L aus Absicherungsgewinnen,…
Dieses Notebook bewertet ETF-Merkmale einzeln, indem es für jedes Datum einen Rang-Informationskoeffizienten zwischen Merkmalswerten und nachfolgenden Monatsrenditen berechnet. Es prüft Finanz- und modellbasierte Merkmale über Walk-Forward-Validierungsdaten…
Dieses Notebook bewertet Kandidatenmerkmale zur Rangfolge von US-Aktien anhand nachfolgender Renditen. Es berechnet tägliche querschnittliche Informationskoeffizienten, fasst deren Mittelwert mit Unsicherheitsschätzungen unter Berücksichtigung serieller…
Dieses Notebook erläutert PCA als Basismodell latenter Faktoren zur Prognose von ETF-Renditen. Es zerlegt ein Trainingspanel zukünftiger Renditen in die führenden Richtungen und schätzt das Exposure jedes Fonds sowie die Faktorprämien. Der Schätzer ignoriert…
Dieses Notebook zeigt, wie drei Transformer-Checkpoints für die Sentimentanalyse von Finanzsätzen mit drei Klassen feinjustiert und anhand von Genauigkeit, Makro-F1 und Konfusionsmatrizen bewertet werden. Es verwendet eine stratifizierte Aufteilung in…
Dieses Notebook schätzt mithilfe von Double Machine Learning den bereinigten Effekt eines kontinuierlichen ETF-Momentummaßes auf zukünftige Renditen. Es vergleicht eine unbereinigte Regression mit DML-Schätzungen, die jüngere und längerfristige Volatilität,…
Dieses Notebook erläutert, wie ein bedingter Autoencoder die instrumentierte Hauptkomponentenanalyse (IPCA) erweitert: Er behält die zweistufige Struktur bei, in der Fondsmerkmale auf latente Faktorbelastungen abgebildet und diese mit Faktorrenditen…
Diese Analyse vergleicht Prognosemodelle zur Rangordnung von NASDAQ-100-Aktien anhand ihrer Rendite in den nächsten 15 Minuten. Verwendet werden Intraday-Mikrostrukturmerkmale wie Spreads, Ungleichgewicht der Markttiefe, vorzeichenbehaftetes Volumen und…
Dieses Notebook erprobt einen Bereitstellungszyklus für ein Modell zur Prognose der Richtung von Krypto-Finanzierungsraten. Es trainiert einen LightGBM-Klassifikator anhand historischer, von Binance abgeleiteter Perpetual-Daten, ruft Live-Stundenbalken und…
Dieses Notebook vergleicht sklearn HistGradientBoosting, XGBoost, LightGBM und CatBoost zur Prognose zukünftiger ETF-Renditen. Es misst den querschnittlichen Information Coefficient, die Trainingszeit und den Speicherverbrauch für verschiedene…
Dieses Notebook ordnet eine Familie von ETF-Renditemodellen ein, die gemeinsame latente Richtungen in einem Panel ableiten und Merkmale zur Schätzung von Fondsrisiken verwenden. Es unterscheidet fünf Ansätze: unbedingte Hauptkomponenten; instrumentierte PCA…
Dieses Notebook erläutert, wie ein Suchwerkzeug für einen Prognoseagenten gestaltet wird, damit Belege eine einheitliche Struktur, eine nachvollziehbare Herkunft und einen prüfbaren Weg ins Modell haben. Ein gemeinsames Client-Protokoll liefert typisierte…
Dieses Notebook zeigt, warum die Suche über viele Signale oder Strategien das beste beobachtete Ergebnis stärker erscheinen lässt, als es seinem tatsächlichen Prognosewert entspricht. Eine Simulation mit Faktoren ohne echte Information veranschaulicht, wie…
Das Dokument beschreibt, wie eine Trading-Forschungspipeline prüft, ob Anpassungen von Modellen mit latenten Faktoren in einem verwendbaren Zustand abgeschlossen wurden. Bei Modellen, die mit Gradientenabstieg trainiert wurden, wird geprüft, ob das zuletzt…