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

132 Dokumente

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 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 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

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

Dieses Notebook untersucht, warum zwei Backtesting-Engines bei identischen Signalen unterschiedliche Ergebnisse liefern können. Es hält Strategie und handelbares Universum konstant, legt bei gleichen Prognosen deterministische Portfolio-Gewichte fest und…

BacktestingOrderausführungPositionsgrößenbestimmungRisikomanagement
Machine Learning for Trading

Dieses Notebook erstellt Kennzahlen zur Markt-Mikrostruktur aus NASDAQ ITCH-Handelsdaten, fasst Trades zu Intraday-Bars zusammen und unterscheidet Liquiditäts-Proxys von Orderflow-Signalen und dem Zustand des Orderbuchs. Vor der Aggregation werden einzelne…

AktienMarktmikrostrukturHochfrequenzhandelStatistik
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 vergleicht alternative Methoden zur Positionsgrößenbestimmung für CME-Futures-Strategien, die anhand einer nach gleich gewichteter Validierungs-Sharpe-Ratio geordneten Baseline ausgewählt wurden. Bei gleicher Gewichtung wird jedes ausgewählte…

FuturesRohstoffePositionsgrößenbestimmungPortfolio-Konstruktion
Machine Learning for Trading

Das Dokument zeigt einen Broker-Wrapper, der Orders und den Portfoliostatus prüft, bevor er Trades weiterleitet. Zu den Kontrollen gehören Obergrenzen für Stückzahl und Wert je Order, Positionslimits, Orderratenlimits, Positiv- und Sperrlisten für…

RisikomanagementPositionsgrößenbestimmungOrderausführungBacktesting
Machine Learning for Trading

Dieses Notebook wandelt die vorwärts gerichteten 21-Tagesrenditen von ETF in ein Aufwärts- oder Abwärtsziel um und bewertet die logistische Regression mit L1- und L2-Regularisierung auf chronologischen Walk-Forward-Folds. Es skaliert Merkmale anhand der…

Maschinelles LernenStatistikPositionsgrößenbestimmungAktien
Machine Learning for Trading

Dieses Notebook untersucht, warum zwei Backtesting-Engines bei identischen Signalen unterschiedliche Ergebnisse liefern können. Es hält eine vorab berechnete ETF-Strategie konstant, bildet anhand ihrer Prognosen ein deterministisches Portfolio und verändert…

BacktestingOrderausführungMarktmikrostrukturPositionsgrößenbestimmung
Machine Learning for Trading

Dieses Notebook erläutert, wie der Marktimpact mit der Auftragsgröße wächst, und nutzt das Wurzelmodell der Partizipation zur Einordnung der Strategiekapazität. Es unterscheidet Eingaben aus Marktdaten wie Volatilität und durchschnittlichem Tagesvolumen vom…

MarktmikrostrukturOrderausführungRisikomanagementPositionsgrößenbestimmung
Machine Learning for Trading

Dieses Notebook untersucht, wie Renditeprognosen für ETFs Unsicherheit ausdrücken können, und vergleicht Monte-Carlo-Dropout mit tiefen Ensembles. Dropout bleibt bei wiederholten Inferenzdurchläufen aktiv, während ein Ensemble die Abweichungen zwischen…

AktienMaschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook verbindet die Positionsgrößenbestimmung mit der Analyse maximal ungünstiger und günstiger Kursbewegungen während eines Trades. Es zeigt eine feste prozentuale Positionsgrößenbestimmung, bei der sich die Aktienzahl aus einem Risikobudget je…

PositionsgrößenbestimmungRisikomanagementVolatilitätBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht sechs Allokationsmethoden für Krypto-Perpetual-Strategien, die bereits einen grundlegenden Auswahlprozess bestanden haben. Prognosen und Einstiegsregeln jeder Strategie bleiben fest, während sich die Kapitalzuweisung ändert: Ein…

KryptoPerpetual FuturesPositionsgrößenbestimmungPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook leitet die Kelly-Positionsgröße her, indem es bei einer binären Wette das erwartete logarithmische Vermögen maximiert. Anschließend veranschaulicht es, wie die Einsatzhöhe die Verteilung simulierter Vermögenspfade verändert. Der Ansatz wird…

PositionsgrößenbestimmungRisikomanagementPortfolio-KonstruktionStatistik
Machine Learning for Trading

Dieses Notebook bewertet eine zuvor ausgewählte ETF-Strategie in einem reservierten Holdout-Zeitraum. Es ruft die passenden Prognosen anhand ihrer Trainingsidentität und ihres Checkpoints ab, wendet die zuvor festgelegte Strategiespezifikation und…

BacktestingPortfolio-KonstruktionRisikomanagementPositionsgrößenbestimmung
Machine Learning for Trading

Das Dokument beschreibt einen Vergleich fester und nachgezogener Stop-Regeln für FX-Strategien in der Validierungsphase. Für jedes Rendite-Label wählt es eine übergeordnete Strategie aus einer abgeschlossenen Kohorte von Signal- und Allokationsergebnissen…

DevisenhandelRisikomanagementBacktestingPositionsgrößenbestimmung
Machine Learning for Trading

Diese Fallstudie vergleicht alternative Methoden zur Positionsgrößenbestimmung für CME-Futures mit einer Gleichgewichtung als Basis. Sie erläutert, wie die inverse Volatilitätsgewichtung die Volatilität jedes Kontrakts nutzt, während kovarianzbasierte…

FuturesPositionsgrößenbestimmungPortfolio-KonstruktionRisikomanagement
Machine Learning for Trading

Dieses Notebook bildet Vorhersageintervalle um Prognosen mit Gradient Boosting und vergleicht Split Conformal Prediction mit Quantilregression, Conformalized Quantile Regression und adaptiver konformer Inferenz. Split Conformal verwendet eine chronologische…

Maschinelles LernenStatistikRisikomanagementPositionsgrößenbestimmung
Machine Learning for Trading

Dieses Notebook prüft, ob eine modellbasierte Positionsgröße eine Gleichgewichtung in einer US-Strategie mit Unternehmensmerkmalen verbessert. Es vergleicht Score-Gewichtung, bei der Wertpapieren mit höheren prognostizierten Scores mehr Kapital zugewiesen…

AktienPositionsgrößenbestimmungPortfolio-KonstruktionBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht Ausstiege aus Long-Positionen in ETF: feste Gewinnziele und Stopps, nachlaufende Stopps, ATR-skalierte Barrieren, Machine-Learning-Signale und Kombinationen. Es erstellt Indikatoren und Handelssimulationen und fasst anschließend…

AktienRisikomanagementPositionsgrößenbestimmungVolatilität
Machine Learning for Trading

Dieses Notebook führt anhand eines Long-Short-Momentum-Beispiels über mehrere Anlageklassen in die Mechanik des Backtestings von Futures ein. Es erklärt, wie Kontraktspezifikationen mithilfe von Multiplikatoren Kursbewegungen in Gewinne und Verluste in…

FuturesMomentumBacktestingPositionsgrößenbestimmung
Machine Learning for Trading

Dieses Notebook bewertet positionsbezogene Stop-Losses, Trailing-Stops und zeitbasierte Ausstiege für die Allokationslinie, die unter geeigneten Kandidaten mit vollständiger Abdeckung den höchsten Validierungs-Sharpe aufweist. Jedes Overlay wird mit seiner…

AktienOptionenRisikomanagementBacktesting