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

Dieses Notebook bewertet, wie sich registrierte ETF-Prognosemengen in Portfolios umsetzen lassen. Es kombiniert jede Prognosemenge aus der Validierung mit festgelegten Einstiegsregeln, etwa unterschiedlichen Top-k-Positionen, und hält dabei Handelskalender,…

AktienBacktestingPortfolio-KonstruktionRisikomanagement
Machine Learning for Trading

Dieses Kapitel beschreibt einen Weg von der Forschung zur Live-Ausführung, bei dem dieselbe Strategielogik im Backtest, im Paper Trading und im Live-Trading laufen kann. Es behandelt Broker- und Plattformintegrationen, Bereitstellungsschleifen, Prüfungen auf…

OrderausführungRisikomanagementBacktestingMarktmikrostruktur
Machine Learning for Trading

Dieses Notebook entwickelt Merkmale für eine querschnittliche Hypothese: Ungewöhnlich teure Long-Positionen in Perpetual Futures könnten einer relativen Schwäche vorausgehen, wenn sich überfüllte Trades auflösen. Es wandelt Funding-Raten und…

KryptoPerpetual FuturesCarryBacktesting
Machine Learning for Trading

Dieses Kapitel ordnet Finanzdaten Markt-, Fundamental- und alternativen Quellen zu und vergleicht anschließend, wie Anlageklassen die Bedeutung von Preisen, Liquidität und Beobachtungen prägen. Es hebt hervor, dass Zeitstempel, Anpassungen, Kennungen und…

Multi-AssetStatistikBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook beschreibt ein LSTM-Modell, das Renditen anhand geordneter Zeitfenster von Aktienmerkmalen in einem US-Aktienpanel prognostiziert. Anders als ein flaches Tabellenmodell verarbeitet das LSTM die Sitzungen sequenziell und führt in jedem Fenster…

Maschinelles LernenAktienUS-MärkteBacktesting
Machine Learning for Trading

Dieses Notebook stellt TimeGAN vor, ein rekurrentes generatives adversariales Modell zur Erzeugung synthetischer Finanzzeitreihen. Seine fünf Module lernen eine Einbettung und Rekonstruktion, prognostizieren aufeinanderfolgende latente Zustände, erzeugen…

Maschinelles LernenAktienStatistikBacktesting
Machine Learning for Trading

Dieses Dokument erläutert eine gemeinsame Methode zur Erstellung von Walk-Forward-Validierungssplits anhand der Evaluierungseinstellungen von Fallstudien. Die Fold-Erstellung wird an einen kalenderbewussten Splitter delegiert; dabei werden eindeutige…

BacktestingStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook implementiert eine ausschließlich long ausgerichtete RSI-Mean-Reversion-Regel für unbefristete BTC/USDT-Kontrakte auf Basis eines ereignisgesteuerten Backtesting-Systems. Es fasst untertägige Beobachtungen zu täglichen UTC-Balken zusammen,…

KryptoPerpetual FuturesRückkehr zum MittelwertTechnische Indikatoren
Machine Learning for Trading

Dieses Dokument erläutert, wie TWAP und VWAP eine große Parent-Order über eine Handelssitzung in Child-Orders aufteilen. TWAP teilt jedem Zeitintervall gleich große Anteile zu; VWAP weist Anteile proportional zu einer Prognose des Intervallvolumens zu. Das…

OrderausführungMarktmikrostrukturBacktestingAktien
Machine Learning for Trading

Dieses Notebook stellt einen überwachten Autoencoder zur Prognose zukünftiger ETF-Renditen vor. Das Netzwerk komprimiert die Merkmalszeile eines Fonds in eine niedrigdimensionale Darstellung und prognostiziert Renditen direkt daraus. Anders als bedingte…

Maschinelles LernenAktienStatistikBacktesting
Machine Learning for Trading

Dieses Dokument beschreibt, wie sich aus einer bestehenden Walk-Forward-Validierungsspezifikation ein einzelnes Trainingsintervall für den Holdout ableiten lässt. Es übernimmt die in der Studienkonfiguration angegebenen Holdout-Daten, verwendet den frühesten…

BacktestingMaschinelles LernenRisikomanagementStatistik
Machine Learning for Trading

Dieses Notebook erläutert, wie sich prüfen lässt, ob Ereignisse wie Trading-Signale oder Ankündigungen Renditen über eine Marktbenchmark hinaus prognostizieren. Der Arbeitsablauf wird anhand von Momentum-Ausbrüchen bei liquiden ETFs demonstriert: Zunächst…

StatistikBacktestingMomentumAusbruch
Machine Learning for Trading

Diese Machbarkeitsanalyse prüft, ob Kursnotierungen eine marktneutrale Querschnittsstrategie unterstützen können, die NASDAQ-100-Bestandteile im Fünfzehn-Minuten-Takt einordnet und Positionen an beiden Enden der Rangliste hält. Sie prüft, ob genügend…

AktienMarktmikrostrukturOrderausführungBacktesting
Machine Learning for Trading

Diese Analyse vergleicht Triage-Protokolle für Merkmale aus neun Trading-Fallstudien. Sie unterscheidet die Signifikanz der False Discovery Rate nach Benjamini-Hochberg von einem zweiten Weg zur Entscheidung PROCEED, der eine fallspezifische…

StatistikMaschinelles LernenBacktestingFaktorinvestieren
arXiv papers

Die Studie trennt die Entdeckung von Faktoren von ihrer Zulassung. Ein Agent kann Kandidaten vorschlagen und diagnostische Prüfungen erstellen, während ein unveränderlicher statistischer Prüfer jeden Vorschlag anhand von Marktergebnissen bewertet, die erst…

FaktorinvestierenMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook stimmt drei Transformer-Checkpoints für die dreiklassige Klassifikation des Finanzsentiments in Sätzen fein ab und vergleicht Genauigkeit, Makro-F1, Konfusionsmatrizen, Parameteranzahl und Trainingszeit. Es verwendet eine geschichtete…

Maschinelles LernenStatistikMarktstimmungBacktesting
Machine Learning for Trading

Dieses Notebook erstellt Hauptkomponentenfaktoren aus einem Panel von CME-Futuresrenditen und nicht aus konstruierten Merkmalen wie Carry, Momentum oder Volatilität. PCA findet Richtungen, die die Variation über Produkte hinweg erklären; die erste kann einer…

FuturesFaktorinvestierenMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht Stop-Loss-, Trailing-Stop- und Zeitausstiegs-Overlay-Strategien auf festen NASDAQ-100-Mikrostruktur-Backtests. Die Strategie trifft alle fünfzehn Minuten Entscheidungen, während Risikoregeln die Kurse minütlich überwachen. Dadurch…

RisikomanagementBacktestingPositionsgrößenbestimmungAktien
Machine Learning for Trading

Dieses Dokument stellt zwei Ansätze mit latenten Faktoren für Futures-Renditen vor. Die Hauptkomponentenanalyse findet unkorrelierte Richtungen, die den größten Anteil der Renditevariation erklären, während ein neuronaler stochastischer Diskontfaktor…

FuturesMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Dokument erläutert, wie sich tägliche Labels für künftige ETF-Renditen anhand bereinigter Schlusskurse zum Beobachtungszeitpunkt und einer späteren Handelssitzung erstellen lassen. Es erzeugt ein primäres Label mit monatlichem Horizont und eine…

AktienMaschinelles LernenStatistikMomentum
Machine Learning for Trading

Dieses gemeinsam genutzte Hilfsmodul stellt eine einheitliche Gradient-Boosting-Pipeline für quantitative Forschung bereit. Es definiert Kapazitätsvorgaben und überträgt kanonische Parameternamen auf die entsprechenden Einstellungen für LightGBM, XGBoost,…

Maschinelles LernenBacktestingPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook erläutert, wie die Suche über viele Faktoren oder Strategien die scheinbare Leistung des ausgewählten Gewinners überhöht, selbst wenn einzelne Schätzungen korrekt berechnet wurden. Eine simulierte Gruppe von Rauschfaktoren veranschaulicht,…

StatistikFaktorinvestierenBacktestingRisikomanagement
Machine Learning for Trading

Diese Fallstudie vergleicht Sequenzmodelle auf einem Merkmals-Panel aus Aktien und Optionen des S&P 500. Sie stellt ein LSTM, das einen gesteuerten Zustand über ein Rückblickfenster hinweg trägt, einer N-Linear-Baseline gegenüber, die das jüngste Niveau…

AktienOptionenMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook erläutert die fünfteilige Architektur von TimeGAN: Einbettungs- und Wiederherstellungsnetzwerk bilden zwischen Rohbeobachtungen und latentem Raum ab, ein Supervisor lernt zeitliche Übergänge, und Generator sowie Diskriminator werden…

Maschinelles LernenAktienStatistikBacktesting