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

2,471 Dokumente

Machine Learning for Trading

Dieses Notebook passt ein festgelegtes LSTM-Modell für Prognosen in einer S&P-500-Optionsstudie an. Das Netzwerk erhält chronologische Zeitfenster der Historie jedes Symbols und verwendet einen gesteuerten rekurrenten Zustand, um Informationen über mehrere…

AktienOptionenMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht drei Verfahren zur Klassifizierung von Sätzen aus Finanznachrichten als positiv, neutral oder negativ: TF-IDF-Wort- und Phrasenmerkmale mit logistischer Regression, gemittelte statische Wortvektoren mit einem Klassifikator und ein…

Maschinelles LernenMarktstimmungAktienStatistik
Machine Learning for Trading

Dieses Notebook bewertet bilanz- und preisbasierte Merkmale als eigenständige Prognosefaktoren für die Renditen von US-Aktien im Folgemonat. Es berechnet monatliche querschnittliche Rangkorrelationen zwischen jedem Merkmal und dem Rendite-Label und fasst sie…

AktienFaktorinvestierenStatistikMaschinelles Lernen
Machine Learning for Trading

Dieses Notebook stellt einen diagnostischen Rahmen für einen ETF-Allokations-Backtest vor. Es berechnet Risiko- und Renditemaße wie Sharpe, Sortino, Calmar, Volatilität, Value at Risk und maximalen Drawdown, verfolgt die rollierende Wertentwicklung und die…

Portfolio-KonstruktionRisikomanagementBacktestingAktien
Machine Learning for Trading

Dieses Notizbuch clustert monatliche makroökonomische Indikatoren, um Marktbedingungen unabhängig von Aktienrenditen zu beschreiben. Es ordnet FRED-Reihen den Monatsendständen zu, standardisiert Arbeitslosigkeit, den Leitzins der US-Notenbank, den…

Maschinelles LernenStatistikVolatilitätUS-Märkte
Machine Learning for Trading

Dieses Notebook passt Diffusion-TS an, um synthetische tägliche ETF-Renditereihen zu erzeugen. Der Denoiser prognostiziert die ursprüngliche Reihe und zerlegt diese Prognose in einen polynomialen Trend, ausgewählte Fourier-Komponenten und einen Rest. Eine…

Maschinelles LernenVolatilitätStatistikMulti-Asset
Machine Learning for Trading

Dieses Notebook erstellt einen Überwachungsablauf für ein eingesetztes Finanzmodell anhand realer Holdout-Artefakte. Bevor Drift gemessen wird, prüft es, ob eingehende Merkmalsdaten ausgefüllt und strukturell gültig sind; anschließend vergleicht es Referenz-…

Maschinelles LernenStatistikRisikomanagementAktien
Machine Learning for Trading

Dieses Notebook führt vektorisiertes Backtesting mit VectorBT anhand einer Long-only-Mean-Reversion-Regel RSI auf Marktdaten zu Bitcoin-Perpetuals ein. Es berechnet einen auf Schlusskursen basierenden RSI, eröffnet Positionen, wenn der Wert des Vortags unter…

KryptoPerpetual FuturesRückkehr zum MittelwertTechnische Indikatoren
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 erläutert, wie Ridge-Regressionsprognosen für ein ETF-Panel mit SHAP interpretiert werden. Bei einem linearen Modell entspricht der Beitrag jedes Merkmals seinem Koeffizienten multipliziert mit der Abweichung des Merkmals vom…

Maschinelles LernenStatistikAktienBacktesting
Machine Learning for Trading

Dieses Notebook beschreibt einen Arbeitsablauf, der jährliche und vierteljährliche SEC-Meldungen in strukturierten Text für spätere Sentiment-, Themen- und Embedding-Analysen umwandelt. Gewünschte Abschnitte werden den jeweiligen Formularen zugeordneten…

AktienMarktstimmungEreignisgesteuertStatistik
Machine Learning for Trading

Dieses Notebook erklärt, wie ein bedingter Autoencoder ein instrumentiertes Hauptkomponentenmodell erweitert: Ein neuronales Netz ordnet Aktienmerkmalen Faktor-Exposures zu, während das Modell dieselbe Struktur aus Exposure mal Faktorrendite beibehält. Es…

AktienFaktorinvestierenMaschinelles LernenBacktesting
Machine Learning for Trading

Diese Studie prüft finanzielle und GJR-GARCH-Volatilitätsmerkmale anhand zukünftiger Aktienrenditen. Für jede Sitzung berechnet sie die Rangkorrelation zwischen einem Merkmal und den nachfolgenden Renditen über Aktien hinweg. Anschließend bewertet sie den…

AktienOptionenStatistikMaschinelles Lernen
Machine Learning for Trading

Diese Referenz beschreibt zwei Korpora mit Finanznachrichten für Sentimentanalysen, die Entwicklung von Textmerkmalen und Experimente zum Zusammenhang zwischen Nachrichten und Renditen. FNSPID verknüpft Schlagzeilen mit Aktientickern und deckt einen langen…

AktienMarktstimmungMaschinelles LernenStatistik
Machine Learning for Trading

Das Dokument leitet nach Black-Scholes Preise für europäische Calls und Puts her, prüft ihre Beziehung anhand der Put-Call-Parität und berechnet die implizite Volatilität durch numerische Lösung der Volatilität, die zu einem beobachteten Optionspreis passt.…

OptionenBewertung von DerivatenVolatilitätRisikomanagement
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 demonstriert Deep Hedging für einen leerverkauften europäischen Call. Es simuliert Kursverläufe des Basiswerts mit geometrischer Brownscher Bewegung, berechnet die Black-Scholes-Delta als Benchmark und trainiert ein teilweise rekurrentes…

OptionenMaschinelles LernenRisikomanagementBewertung von Derivaten
Machine Learning for Trading

Dieses Modul legt fest, wie ein Holdout-Auswahlfeld über Validierungsstufen und Strategielabels hinweg zusammengestellt wird. Es behandelt Abweichungen, durch die eingefrorene Kandidatensätze und die Rekonstruktion im Live-Betrieb unterschiedliche…

BacktestingRisikomanagementPortfolio-KonstruktionStatistik
Machine Learning for Trading

Dieses Feature-Engineering-Modul bereitet tägliche Kursdaten für systematische Makro-Portfoliomodelle auf. Es erstellt Renditen über verschiedene Zeithorizonte, skaliert mit der geschätzten Volatilität, mehrere MACD-Signale über verschiedene Skalen und…

Multi-AssetMomentumTrendfolgeVolatilität
Machine Learning for Trading

Dieses Notebook zeigt, wie sich prüfen lässt, ob vier Strategien für verwaltete Portfolios nach Kontrolle der durch zehn Hauptkomponenten erfassten breiten Bewegungen zusätzliche Erklärungskraft für SPY-Renditen liefern. Die Kandidatenportfolios ordnen ETFs…

AktienMaschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Dieses Dokument beschreibt einen Arbeitsablauf, um vierteljährliche SEC 13F-Bulkmeldungen in ein Panel institutioneller Beteiligungen umzuwandeln. Pro Vermögensverwalter wird anhand des Meldedatums die jüngste Meldung ausgewählt. Zur Identifizierung von…

AktienUS-MärkteStatistikMarktstimmung
Machine Learning for Trading

Das Dokument erklärt die instrumentierte Hauptkomponentenanalyse zur Modellierung von ETF-Renditen. Anders als die gewöhnliche PCA, die jedem Fonds feste Faktor-Exposures zuweist, modelliert IPCA die Exposures jedes Fonds als gemeinsame lineare Funktion…

AktienFaktorinvestierenMaschinelles LernenStatistik