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

248 Dokumente

Machine Learning for Trading

Dieses Notebook beschreibt eine Double-Machine-Learning-Analyse mit expandierendem Fenster dazu, ob Momentum über 12 bis -2 Monate die Renditen von US-Unternehmen im Folgemonat vorhersagt, wenn Beta, IdioVol, LME und Varianz berücksichtigt werden.…

AktienMomentumMaschinelles LernenStatistik
Machine Learning for Trading

Diese Datensatznotiz beschreibt eine diversifizierte Sammlung börsengehandelter Fonds, die in einer Momentum-Strategie und einer Reihe weiterer Finanzforschungsbeispiele verwendet wird. Sie enthält tägliche Eröffnungs-, Höchst-, Tiefst- und Schlusskurse…

Multi-AssetAktienFestverzinsliche WertpapiereRohstoffe
Machine Learning for Trading

Dieses Notebook passt Ridge-, Lasso- und Elastic-Net-Modelle an eine breite Auswahl etablierter Merkmale von US-Aktien an, darunter Kennzahlen zu Value, Profitabilität, Investitionen, Momentum, Größe, Risiko und Liquidität. Mit Walk-Forward-Folds werden rohe…

AktienFaktorinvestierenMomentumMaschinelles Lernen
Machine Learning for Trading

Dieses Tutorial wandelt ETF-Querschnittssignale in Long-only-Portfolios mit gleicher Gewichtung der zehn Spitzenwerte um. Es vergleicht Ridge-Regression und logistische Klassifikation mit Momentum- und Gleichgewichtungs-Benchmarks. Die Modelle werden in…

AktienBacktestingOrderausführungPortfolio-Konstruktion
Machine Learning for Trading

Dieses Dokument erläutert, wie TSMixer die jüngste Merkmalsgeschichte einer Aktie als Matrix aus Handelssitzungen und Merkmalen verarbeitet. Seine Blöcke mischen Informationen entlang der Merkmalsspalten über die Zeit und anschließend zwischen Merkmalen…

AktienMaschinelles LernenMomentumBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht zwei Simulationen derselben monatlichen ETF-Momentumstrategie. Beide verwenden identische Zielgewichte, Anlageuniversen, Zeiträume und Gesamttransaktionskosten. Die eine berechnet Renditen aus verzögerten Gewichten und…

AktienMomentumBacktestingOrderausführung
Machine Learning for Trading

Diese Pipeline erstellt Finanzmerkmale für einen ETF-Bereitstellungsablauf aus OHLCV-Kursen und einer Zinskurve. Sie leitet Renditen und risikobereinigte Renditen über mehrere Lookback-Zeiträume, Momentum-Beschleunigung und Volatilitätsverhältnisse ab und…

AktienMomentumVolatilitätTechnische Indikatoren
Machine Learning for Trading

Dieses Dokument entwickelt ein tägliches Merkmals-Panel zur Rangordnung von zwanzig Währungspaaren zum New Yorker Schlusskurs um 5 PM. Es unterscheidet rangfähige Signale wie standardisierte Renditen über mehrere Zeithorizonte und die Kanalposition von…

DevisenhandelRückkehr zum MittelwertMomentumVolatilität
Machine Learning for Trading

Dieses Tutorial erstellt einen monatlichen ETF-Rotationssimulator mit einem nachlaufenden risikobereinigten Momentum-Ranking und einem Regimefilter anhand der Treasury-Zinskurve. Zum Monatsende stuft die Regel zehn Fonds anhand ihrer jüngsten Kursentwicklung…

BacktestingMomentumPortfolio-KonstruktionOrderausführung
Machine Learning for Trading

Dieses Notebook stellt einen Ablauf vor, der standardisiertes Laden von ETF-Daten, ein Merkmalsregister und Signalanalysen verbindet. Es zeigt, wie sich Metadaten zu Indikatoren auffinden, Merkmale mit Standardwerten oder expliziten Parametern berechnen und…

AktienTechnische IndikatorenMomentumStatistik
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 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 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 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 definiert Ziele für zukünftige Renditen, um US-Aktien zu ordnen, und erläutert, wie ihre Horizonte tatsächlichen Handelssitzungen entsprechen. Für Renditen verwendet es um Splits und Dividenden bereinigte Preise, für die Handelbarkeitsprüfung…

AktienMomentumStatistikBacktesting
Machine Learning for Trading

Diese Fallstudie wendet kausale Schätzverfahren auf das Momentum von ETF an und untersucht, ob dessen Effekt auf zukünftige Renditen je nach Marktvolatilität variiert. Sie verwendet ein kontinuierliches Momentum-Treatment, eine Zielgröße für die Rendite über…

AktienUS-MärkteMomentumMaschinelles Lernen
Machine Learning for Trading

Das Dokument überführt eine Cross-Asset-Momentumhypothese in einen monatlichen explorativen Test mit einem Universum von 100-ETF. Es erstellt angepasste Monatsendkurse, misst Momentum von 12 bis -1 Monaten, teilt anschließend geeignete ETFs in fünf gleich…

Multi-AssetMomentumTrendfolgeStatistik
Machine Learning for Trading

Dieses Notebook erklärt, warum gewöhnliche t-Tests die Stärke eines Informationskoeffizienten (IC) überschätzen können, wenn tägliche IC-Beobachtungen voneinander abhängig sind. Es erstellt ein Momentum-Signal auf Basis von ETF-Daten, untersucht die…

StatistikBacktestingMomentum
Machine Learning for Trading

Dieses Notebook untersucht, wie sich der Rebalancing-Takt auf den Portfolio-Umschlag, die Brutto-Performance und kostenbereinigte Ergebnisse eines Momentum-Portfolios aus den am höchsten gerankten ETFs auswirkt. Es schätzt den Portfolio-Umschlag anhand…

AktienMomentumOrderausführungBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht LightGBM-Modelle mit einer Ridge-Baseline zur Prognose von ETF-Renditen über zwei Zeithorizonte. Es erläutert, warum Bäume Wechselwirkungen abhängig von der Marktphase erkennen können, etwa wenn sich Momentum unter Marktstress…

AktienMaschinelles LernenBacktestingStatistik
Machine Learning for Trading

Diese Demo skizziert einen durchgehend laufenden Krypto-Handelsablauf, der mit dem USD-Spotmarkt von Alpaca verbunden ist. Sie ordnet ein Anlageuniversum aus einer Perpetual-Futures-Fallstudie den vom Handelsplatz unterstützten Spot-Paaren zu und macht…

KryptoSpotmärktePerpetual FuturesMomentum
Machine Learning for Trading

Dieses Notebook zeigt, wie StopLoss-, TakeProfit- und TrailingStop-Regeln für ein Momentum-Portfolio abgestimmt werden, wobei Kalibrierung und Evaluierung chronologisch getrennt bleiben. Es testet einzelne Regelbreiten und gemeinsame Kombinationen anhand von…

AktienRisikomanagementBacktestingMomentum
Machine Learning for Trading

Dieses Dokument zeigt, wie sich eine fünftägige ETF-Momentumstrategie über eine gemeinsame Strategieschnittstelle mit Alpaca verbinden lässt. Die Strategie verfolgt Momentum bei SPY, QQQ und IWM und erzeugt Signale, wenn ein Schwellenwert überschritten wird.…

AktienMomentumOrderausführungRisikomanagement
Machine Learning for Trading

Diese Fallstudie zu US-Aktien unterscheidet zwischen der Prognose künftiger Renditen und der Behauptung, Momentum verursache diese Renditen. Als Behandlung verwendet sie die Rendite einer Aktie im Vorjahr ohne den jüngsten Monat, als Ergebnis die…

AktienMomentumMaschinelles LernenStatistik