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 erzeugt Prognosen für ein zuvor unberührtes ETF-Holdout-Fenster anhand der Konfiguration, die auf Validierungsdaten ausgewählt wurde. Es erstellt die Trainingsspezifikation neu, sodass sie einen Labelhorizont vor Beginn des Fensters endet,…

BacktestingRisikomanagementStatistik
Machine Learning for Trading

Dieses Notebook beschreibt eine Pipeline, die Beziehungen zwischen Lieferanten, Kunden und Wettbewerbern aus den 10-K-Berichten von Unternehmen extrahiert und als Neo4j-Wissensgraph speichert. Ein lokales Sprachmodell schlägt strukturierte…

AktienMaschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Dieser Datensatzleitfaden vergleicht zwei Quellen für US-Aktien-Tickdaten zur Orderbuch- und Markt-Mikrostruktur-Forschung. Die Market-by-Order-Datensätze von Databento liefern vorverarbeitete Hinzufügungs-, Änderungs-, Stornierungs- und Handelsereignisse,…

AktienMarktmikrostrukturOrderausführung
Machine Learning for Trading

Dieses Dokument beschreibt Registry-Prüfungen, mit denen entschieden wird, ob Modelltraining und Backtests wiederverwendet oder erneut ausgeführt werden. Läufe werden anhand von Hashes identifiziert, die aus ihren Spezifikationen abgeleitet werden; ein Lauf…

BacktestingMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook erläutert, warum ein allgemeines Risiko-Overlay mit Zielgewichtung die beschriebene S&P-500-Short-Straddle-Strategie nicht steuern kann. Die Options-Engine weist wöchentlichen Kohorten feste Kapitalanteile zu und normalisiert die Gewichte…

OptionenRisikomanagementBacktestingBewertung von Derivaten
Machine Learning for Trading

Dieses Notebook zeigt, wie ein Transformer für die Erkennung benannter finanzieller Entitäten feinabgestimmt wird, um Textspannen in strukturierte Felder für Organisationen, Personen, Geldbeträge, Datumsangaben und Prozentsätze umzuwandeln. Es führt…

Maschinelles LernenStatistikMarktstimmungAktien
Machine Learning for Trading

Dieses Notebook untersucht Gradient Boosting für querschnittliche Prognosen von CME-Futures-Renditen. Es variiert die Baumkapazität anhand von Blattzahlprofilen und vergleicht quadratische, absolute und Huber-Verlustfunktionen, die extreme Residuen…

FuturesRohstoffeMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook erläutert drei Möglichkeiten, aus Minutendaten des NASDAQ-100 modellbasierte Features zu erstellen: eine rollierende HAR-Regression für Varianzprognosen und Prognosefehler, eine Fourier-Transformation für jüngste Volumenmuster und…

AktienVolatilitätMarktmikrostrukturStatistik
Machine Learning for Trading

Dieses Notebook ergänzt einen Vergleich von Sequenzmodellen zur Prognose von Funding-Aufschlägen bei Krypto-Perpetuals um ein zeitliches Faltungsnetz (TCN). Kausales Padding stellt sicher, dass jede Position nur aktuelle und frühere Beobachtungen verwendet,…

KryptoPerpetual FuturesMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht vier Verfahren zum Abruf von Textpassagen aus einem Korpus von Unternehmensberichten: BM25, dichte Embeddings, Reciprocal Rank Fusion (RRF) und einen Cross-Encoder-Reranker. RRF kombiniert Ranglisten statt Rohwerte und kann so…

Maschinelles LernenStatistikAktienUS-Märkte
Machine Learning for Trading

Dieses Dokument stellt eine durchgängige Prognosearchitektur vor, die ein Forschungs-Panel, eine aggregierte Prognose, eine kontroverse Debatte und eine Aufsicht kombiniert. Die Aufsicht erkennt Meinungsverschiedenheiten, sucht nach klärenden Belegen und…

Maschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Diese Fallstudie bewertet tägliche querschnittliche Signale in einem breiten US-Aktienuniversum und beschreibt eine umfangreiche Forschungspipeline: von zeitpunktgenauen Daten und entwickelten Features über Modellvergleiche und Portfoliokonstruktion bis hin…

AktienMaschinelles LernenMomentumRückkehr zum Mittelwert
Machine Learning for Trading

Dieses Modul schätzt Parameter für simulierte Kryptomärkte, die in Umgebungen für bestärkendes Lernen eingesetzt werden. Es lädt stündliche Daten zum Perpetual-Markt für ein ausgewähltes Symbol, berechnet logarithmische Renditen von Schlusskurs zu…

KryptoPerpetual FuturesVolatilitätMarktmikrostruktur
Machine Learning for Trading

Dieses Dokument beschreibt eine Gymnasium-Umgebung, in der ein Agent trainiert wird, eine Position über einen festen Zeitraum abzubauen. Die Beobachtung kombiniert Restbestand und verbleibende Zeit mit Spread, Markttiefe, Volatilität und einem normalen oder…

Maschinelles LernenOrderausführungMarktmikrostrukturVolatilität
Machine Learning for Trading

Dieses Notebook vergleicht LightGBM mit einem MLP, TabM und, sofern verfügbar, TabPFN zur Prognose zukünftiger ETF-Renditen anhand tabellarischer Merkmale. Die Modelle werden über gemeinsame chronologische Walk-Forward-Falten bewertet;…

AktienMaschinelles LernenStatistikBacktesting
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

Dieses Notebook vergleicht gewöhnliche kleinste Quadrate mit Ridge, LASSO und Elastic Net zur Prognose zukünftiger Renditen über 21 Tage anhand von ETFs. Die Modelle verwenden dieselben festgelegten Walk-Forward-Falten und eine an den Labelhorizont…

AktienMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Das Dokument untersucht die Kausalentdeckungsaufgabe von ADIA Lab als überwachte Inferenz innerhalb einer bekannten synthetischen Datengenerierungsfamilie. Die Aufgabe weist Variablen acht Rollen rund um eine Behandlung und ein Ergebnis zu und nutzt dafür…

Maschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Modul erstellt ein Ensemble mittlerer Prognosen aus registrierten Vorhersagemengen und legt besonderen Wert auf Reproduzierbarkeit sowie die Vermeidung von Auswahlverzerrungen. Es ermittelt geeignete Modellkonfigurationen aus dem Register, statt eine…

Maschinelles LernenStatistikBacktestingPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook erläutert ein lokales lineares Trend-Zustandsraummodell, mit dem sich Finanzmerkmale aus Kursniveaus ableiten lassen. Der verborgene Zustand umfasst ein Kursniveau und seine Steigung; die beobachteten Schlusskurse sind verrauscht. In jedem…

AktienStatistikTechnische IndikatorenPairs-Trading
Machine Learning for Trading

Dieses Notebook trennt kontinuierliche Preisbewegungen von diskreten Sprüngen in Intraday-Aktienrenditen. Es schätzt die täglich realisierte Varianz anhand quadrierter Log-Renditen und nutzt die Bipower-Variation als gegenüber Sprüngen robuste Schätzung der…

AktienVolatilitätStatistikMarktmikrostruktur
Machine Learning for Trading

Dieses Notebook nutzt die Hauptkomponentenanalyse für eine liquide Teilmenge von US-Aktien, um latente Faktoren zu extrahieren und Long-Short-Eigenportfolios zu bilden. Es erläutert, wie standardisierte PCA-Vektoren in Gewichte auf Basis roher Renditen…

AktienFaktorinvestierenStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook setzt einen vierphasigen Prognoseablauf mit einfacher Python-Orchestrierung, CrewAI und LangGraph um. Es vergleicht, wo der Zustand gehalten wird, wie sich Fehler untersuchen oder beheben lassen, welche Abhängigkeiten die Ansätze mitbringen…

Maschinelles LernenStatistikOrderausführungBacktesting
Machine Learning for Trading

Dieses Notebook untersucht die Regularisierung linearer Modelle für ein Universum von Währungspaaren, deren Renditen miteinander verbunden sind, weil jedes Paar einen Kurs zwischen gemeinsamen Währungen darstellt. Es unterscheidet die Merkmalskollinearität,…

DevisenhandelStatistikMaschinelles LernenBacktesting