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.
374 Dokumente
Diese Fallstudie bewertet tägliche Momentum- und Carry-Signale in einem kleinen, korrelierten Universum von G10-Spot-Währungspaaren. Der Ablauf reicht von Machbarkeitsprüfungen und zukunftsgerichteten Renditelabels über konstruierte und modellbasierte…
Dieses Notebook wandelt einen Wissensgraphen zu Lieferketten und Meldungen institutioneller Eigentümer in Merkmale für nachgelagerte Finanzmodelle um. Aus dem Unternehmensnetzwerk leitet es Topologiemaße, Lieferantenkonzentration, Wettbewerbsexposition und…
Dieses Notebook führt die registrierten Backtests einer ETF-Fallstudie zu einer Strategieauswertung zusammen, die Unsicherheit berücksichtigt. Es wertet Performancekennzahlen mit Block-Bootstrap-Konfidenzintervallen aus und nutzt gepaarte Bootstraps, um…
Dieses Notebook implementiert DeePM, eine durchgängige Portfolio-Strategie für ein diversifiziertes ETF-Universum. Das Modell kombiniert zeitliche Merkmale, Asset-Metadaten, querschnittliche Attention und einen Makrographen-Prior, der Attention innerhalb von…
Diese Fallstudie wandelt gespeicherte Modellvorhersagen für US-Aktien in gleichgewichtete Long-Short-Portfolios um. Sie untersucht mehrere Einstiegsschemata, die jeweils die höchstplatzierten Namen für Long-Positionen und die niedrigstplatzierten für…
Dieses Dokument beschreibt mehrere Möglichkeiten, Prognose-Scores in Handelssignale umzuwandeln: feste Schwellen, rollierende Perzentile je Asset und Querschnittsperzentile. Feste Schwellen verwenden einen gewählten Score-Wert; rollierende Schwellen passen…
Dieses Dokument beschreibt Hilfsfunktionen zum Vergleich registrierter Handelsstrategien und zur Erstellung strukturierter Fallstudienbewertungen. Eine zentrale Rangordnungsmethode beschränkt Renditereihen vor der Berechnung von Portfoliokennzahlen auf exakt…
Dieses Kapitel behandelt Methoden, um gemeinsame Strukturen in Rendite- und Merkmals-Panels zu ermitteln, von PCA und Eigenportfolios über IPCA, risikoprämienbezogene PCA und bedingte Autoencoder bis hin zur Schätzung stochastischer Diskontfaktoren und…
Dieses Notebook wandelt querschnittliche Aktienvorhersagen in Long-Short-Portfolios um: Bei jeder Neugewichtung werden Aktien ranggeordnet, die obersten k gekauft und die untersten k mit gleichem Kapitaleinsatz je Position leerverkauft. Die Gleichgewichtung…
Das Dokument beschreibt einen Workflow für Machine-Learning-Handelsforschung, der Ideen von Daten und Merkmalskonstruktion über Modelltraining, Backtesting, Transaktionskosten, Portfolio- und Risikoentscheidungen bis hin zu Einsatz und Überwachung führt. Es…
Dieses Notebook führt die bereits ausgewählte Spezifikation einer FX-Strategie anhand registrierter Holdout-Prognosen aus. Es übernimmt Signal, Allokation, Risikokontrollen, Rebalancing-Regel, Kosten und Kontoeinstellungen der Strategie; Prognosemenge und…
Dieses Notebook verwendet eine korrelationsbasierte Hauptkomponentenanalyse der Renditen von Sektor-ETF, um gemeinsame Risikofaktoren und Sektorrotation zu beschreiben. Durch die Standardisierung der Renditen erhält jeder Sektor vor der Zerlegung eine…
Dieses Dokument beschreibt Umsetzungsprinzipien für einen gemeinsamen Backtest-Runner und konzentriert sich darauf, Renditeraster bei der Annualisierung der Performance korrekt zu interpretieren. Es schätzt die beobachtete Stichprobenfrequenz anhand…
Dieses Notebook untersucht sechs Allokationsmethoden für ausgewählte Konfigurationen von Krypto-Perpetual-Strategien. Rangfolgen und Einstiegsregeln bleiben fest, während sich das den einzelnen Positionen zugewiesene Kapital ändert. Die Methoden verwenden…
Dieses Notebook vergleicht gleiche Gewichtung mit zwei Allokationsregeln für Strategien mit US-Unternehmensmerkmalen: Bei der Score-Gewichtung wird Prognosen mit höheren Modellwerten mehr Kapital zugewiesen, während die Conformal-Gewichtung das Kapital für…
Dieses Notebook erstellt einen durchgängigen Portfolioallokator, der ein Variablenauswahl-Netzwerk im Stil eines Temporal Fusion Transformers vor einen LSTM schaltet. Separate gated Residual Networks bilden einzelne Merkmale ab, und gelernte weiche Gewichte…
Dieses Notebook stellt Tail-GAN vor, einen generativen adversarialen Ansatz zur Reproduktion des Tail-Risikos finanzieller Szenarien, insbesondere des Value at Risk (VaR) und des Expected Shortfall (ES). Es verwendet differenzierbares Sortieren, damit…
Dieses Konfigurationsmodul beschreibt ein Framework zur Festlegung von Einstellungen für Backtest-Sweeps je Fallstudie. Es liest Einstiegsschemata, Allokationsmethoden, Handelskostenraster und Risikokontrollen aus Setup-Dateien und gibt klare Fehler aus,…
Dieses Kapitel erläutert den Aufbau und Einsatz finanzieller Wissensgraphen für Fragen, bei denen Beziehungen wie Eigentumsverhältnisse, Lieferketten oder Ansteckungseffekte eine Rolle spielen. Es behandelt die Identität von Entitäten, typisierte…
Dieses Notebook analysiert ein Portfolio aus Aktien-ETFs mithilfe von CAPM- und Fama-French-Faktorregressionen und erweitert die Analyse anschließend um rollierende Exposures, Renditeattribution und residuale Abhängigkeiten. Es verwendet abgeglichene…
Diese Implementierung beschreibt ein neuronales Modell mit stochastischem Diskontfaktor sowie ein adversariales Momentennetzwerk zur Prüfung von Beziehungen in der Asset-Bewertung. Das SDF-Netzwerk bildet Asset-Merkmale, optional kombiniert mit einer…
Dieses Dokument beschreibt ein Verfahren für gepaarte Performancevergleiche zwischen Stufen der Strategieauswahl. Es vergleicht Signalauswahlen mit gleich gewichteten Referenzen, Holdout- mit Validierungsauswahlen und Übergänge bei Allokation,…
Dieses Hilfsprogramm erstellt aus Asset-Gruppen und optionalen Verknüpfungen zwischen Gruppen eine boolesche Adjazenzmatrix. Assets derselben Makrogruppe werden miteinander verbunden. Jede angegebene gruppenübergreifende Kante verbindet alle Assets der…
Dieses Notebook beschreibt, wie eine ausgewählte Funding-Strategie für Krypto-Perpetuals in einem späteren Holdout-Zeitraum bewertet wird. Es verwendet Prognosen wieder, die mit vor dem Holdout endenden Trainingsdaten erzeugt wurden, führt das gewählte…