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

1,075 Dokumente

Machine Learning for Trading

Diese Merkmalsbewertung prüft finanzielle und modellbasierte Kandidaten anhand von Forward-Renditen für CME-Futures. Für jedes Merkmal prüft sie Datenabdeckung und Aktualität, misst die tägliche querschnittliche Rangkorrelation zwischen Merkmalswerten und…

FuturesStatistikMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook untersucht, wie Annahmen zu Transaktionskosten den Validierungs-Sharpe einer ausgewählten Aktien- und Optionsallokation des S&P 500 beeinflussen. Wenn verfügbar, übernimmt es die Konfiguration, die anhand einer eingefrorenen Kandidatenmenge…

AktienOptionenOrderausführungBacktesting
Machine Learning for Trading

Dieses Kapitel vertritt die Auffassung, dass belastbare Trading-Forschung einen disziplinierten Prozess erfordert, der sich an veränderte Märkte, verrauschte Evidenz und Implementierungskosten anpassen kann. Es unterscheidet strukturelle Brüche, Regime,…

Maschinelles LernenBacktestingRisikomanagementStatistik
Machine Learning for Trading

Dieses Evaluierungsnotebook prüft finanzielle und modellbasierte Merkmale auf ihren Zusammenhang mit der Rendite der nächsten acht Stunden bei Krypto-Perpetual-Futures. Es erstellt die Evaluierungsstichprobe aus Walk-Forward-Validierungsfenstern, lässt den…

KryptoPerpetual FuturesMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook untersucht, wie sich Regularisierung auf ein CME-Futures-Modell mit korrelierten Merkmalsfamilien auswirkt, darunter Carry, gleitende Sharpe Ratio, Momentum und Volatilitätskennzahlen. Es vergleicht Ridge, Lasso und ElasticNet: Ridge…

FuturesMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook wendet konfigurierte Stop-Loss-, Trailing-Stop- und zeitbasierte Ausstiegsregeln auf das stärkste nach Validierung gereihte Signal oder die stärkste Allokationsstrategie für jeden Futures-Renditehorizont an. Jede Regel wird für sich auf ihrer…

FuturesCarryRückkehr zum MittelwertRisikomanagement
Machine Learning for Trading

Dieses Notebook führt eine zuvor ausgewählte Konfiguration für US-Aktien mit Holdout-Prognosen aus. Das ausgewählte Modell, die Prognosen, der Allokator, die Konzentration, das Risiko-Overlay, der Rebalancing-Takt und die Annahmen zu Transaktionskosten…

AktienUS-MärkteBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook beschreibt die Anpassung von Diffusion-TS zur Erzeugung synthetischer ETF-Renditereihen. Der Entrauscher prognostiziert die unverrauschte Sequenz als Summe aus polynomialem Trend, Fourier-Saisonkomponente und Residuen, während ein…

Maschinelles LernenStatistikVolatilitätMulti-Asset
Machine Learning for Trading

Dieses Dokument stellt eine Kostensensitivitätsanalyse für eine feste ETF-Momentumstrategie vor. Universum, Gewichtungen, Zeitplan und Simulator bleiben unverändert, während der Backtest mit einer Reihe von Gebühren pro Handelsseite erneut ausgeführt wird.…

AktienMomentumBacktestingOrderausführung
Machine Learning for Trading

Das Dokument erläutert, warum TabM zur Modellierung von Perpetual-Funding-Paneldaten eingesetzt wird: Sein gemeinsames neuronales Grundgerüst kombiniert alle Eingabemerkmale, während nichtlineare Schichten Interaktionen abbilden können. Anders als ein Baum,…

KryptoPerpetual FuturesMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook wendet eine zuvor ausgewählte ETF-Konfiguration auf ihren reservierten Holdout-Zeitraum an. Es leitet die passenden Holdout-Prognosen aus der ausgewählten Trainingsidentität und dem Prüfpunkt ab und verwendet dann Konzentration, Allokation,…

AktienBacktestingPortfolio-KonstruktionRisikomanagement
Machine Learning for Trading

Dieser Evaluierungsablauf prüft Finanz- und modellbasierte Merkmale anhand zukünftiger Renditen für ein NASDAQ-100-Intraday-Panel. Zunächst wird der abschließende Testzeitraum reserviert; Beobachtungen, deren zukünftige Labels innerhalb dieses Zeitraums…

AktienStatistikMaschinelles LernenBacktesting
Machine Learning for Trading

Diese Analyse schätzt, ob Momentum unter Auslassung der jüngsten Periode mit einer kausalen Veränderung der zukünftigen ETF-Renditen verbunden ist, statt zu fragen, wie gut Momentum Renditen prognostiziert. Double Machine Learning modelliert Ergebnis und…

Maschinelles LernenStatistikMomentumBacktesting
Machine Learning for Trading

Diese Methode zur Benchmark-Erstellung erzeugt eine gleichgewichtete tägliche Renditereihe aus den angegebenen Vermögenswerten einer Fallstudie. Zunächst wird für jedes Symbol der letzte Schlusskurs jeder Sitzung herangezogen; anschließend werden…

BacktestingPortfolio-KonstruktionStatistikRisikomanagement
Machine Learning for Trading

Dieses Dokument beschreibt einen täglichen Datensatz zu US-Aktien aus dem Wiki-Prices-Archiv von NASDAQ Data Link. Er umfasst Tausende Unternehmen von 1962 bis März 2018 und enthält dekotierte Unternehmen, wodurch er sich für historische Forschung eignet,…

AktienUS-MärkteBacktesting
Machine Learning for Trading

Diese Analyse profiliert ein festes Universum aus 100 ETFs in neun Anlagegruppen. Sie prüft die Abdeckung nach Fonds und Jahr, bestätigt, dass das Preispanel zur Gruppenkonfiguration passt, überprüft fehlende Werte und die OHLC-Reihenfolge und vergleicht das…

Multi-AssetStatistikRisikomanagementBacktesting
Machine Learning for Trading

Dieses Notebook untersucht Gradient-Boosting-Modelle zur Prognose von Renditen und Kursrichtung bei Krypto-Perpetuals. Das Raster variiert die Baumkapazität und die Verlustfunktion, einschließlich der Ziele quadratischer Fehler, absoluter Fehler und Huber,…

KryptoPerpetual FuturesMaschinelles LernenMomentum
Machine Learning for Trading

Dieses Dokument stellt das neuronale Netzwerk-Grundgerüst PatchTST zur Prognose multivariater Zeitreihen vor. Es teilt jede Eingabereihe in überlappende Abschnitte auf, projiziert jeden Abschnitt in einen erlernten Merkmalsraum, ergänzt Positionskodierungen…

Maschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook erläutert, wie sich anhand eines Fallstudienregisters ein Katalog von Modellversuchen rekonstruieren und mit MLflow vergleichen lässt. Es verfolgt Experimente über Trainingsläufe, Prognosesätze und Backtest-Läufe hinweg und verknüpft jede…

Maschinelles LernenBacktestingStatistikRisikomanagement
Machine Learning for Trading

Diese Fallstudie entwickelt Merkmale, um zu untersuchen, ob die implizite Varianz am Geld bei S&P-500-Aktien die anschließend realisierte Varianz übersteigt und ob sich der Unterschied zwischen Wertpapieren unterscheidet. Sie kombiniert Straddle-Kurse mit…

OptionenVolatilitätAktienBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht die gewöhnliche Methode der kleinsten Quadrate mit Ridge, LASSO und Elastic Net, um zukünftige Renditen in einem ETF-Universum vorherzusagen. Alle Modelle verwenden dieselben Walk-Forward-Folds mit einem zeitlichen…

Maschinelles LernenAktienStatistikBacktesting
Machine Learning for Trading

Dieses Kapitel zeigt, wie sich zeitkonsistente Analysen von Fundamentaldaten und alternativen Daten für Aktien, makroökonomische Reihen, Futures, Krypto und Prognosemärkte aufbauen lassen. Im Mittelpunkt stehen bitemporale Speicherung und Abfragen zum…

BacktestingStatistikMaschinelles LernenOn-Chain-Daten
Machine Learning for Trading

Dieses Notebook entwickelt ein Long-only-Mean-Varianz-Framework mit vollständiger Investition für ein diversifiziertes ETF-Universum. Es konstruiert zulässige Portfolios und eine Effizienzlinie und berechnet anschließend Gewichte mit maximaler Sharpe-Ratio…

Multi-AssetPortfolio-KonstruktionStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook berechnet die Kosten führender ETF-Allokationskonfigurationen anhand zweier Kostenraster neu, während Prognosen, Konzentration und Allokationsregeln unverändert bleiben. Es vergleicht das Kommissions- und Halbspreadmodell der Fallstudie je…

AktienOrderausführungBacktestingPortfolio-Konstruktion