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 untersucht, ob eine extreme Prämie bei Perpetual Futures nachfolgende BTC-Renditen oder eine Prämienumkehr beeinflusst. Als Behandlung definiert es einen Zustand mit hoher Prämie und vergleicht ein breites Marktergebnis, das von vielen…

KryptoPerpetual FuturesArbitrageStatistik
Machine Learning for Trading

Dieses Kapitel gibt einen Überblick darüber, wie sich angepasste statistische Verfahren in Merkmale für Handelsmodelle umwandeln lassen. Es behandelt Diagnostik und Stationarität, Strukturbrüche, fraktionale Differenzierung, Kalman-Filterung, Spektral- und…

StatistikVolatilitätMaschinelles LernenRisikomanagement
Machine Learning for Trading

Dieses Notebook erstellt Labels für zukünftige Aktienrenditen für eine Strategie, die gelistete Optionsdaten auswertet, um Aktien zu ordnen, und diese anschließend hält. Es erstellt eine angepasste Kursreihe, die Kapitalmaßnahmen berücksichtigt,…

AktienOptionenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook fasst einen übergeordneten Auftrag als Steuerungsproblem mit endlichem Zeithorizont auf. In jedem Intervall wählt tabellarisches Q-Learning einen Multiplikator für eine auf VWAP basierende Handelstranche. Dabei berücksichtigt es Zeit und…

AktienOrderausführungMaschinelles LernenMarktmikrostruktur
Machine Learning for Trading

Dieses Notebook nutzt historische Renditen von US-Aktien, um ein Korrelationsnetzwerk aufzubauen und die Portfoliokonstruktion zu untersuchen. Anhand von Daten aus dem Schätzfenster wählt es ein liquides Anlageuniversum aus, wandelt paarweise Korrelationen…

AktienUS-MärktePortfolio-KonstruktionRisikomanagement
Machine Learning for Trading

Dieses Notebook beschreibt einen Screen, der Kandidatensignale über 20 Währungspaare hinweg jeweils einzeln bewertet. Für jedes Merkmal berechnet es anhand ausschließlich Walk-Forward-validierter Zeitfenster die tägliche querschnittliche Rangübereinstimmung…

DevisenhandelStatistikMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook stellt die Hauptkomponentenanalyse als unkonditionierte Basis latenter Faktoren für Aktienrenditeprognosen in einer Optionsanalyse vor. PCA nutzt das historische Renditepanel, um gemeinsame Bewegungen und die Faktorladungen der einzelnen…

AktienMaschinelles LernenStatistikFaktorinvestieren
Machine Learning for Trading

Dieses Notebook vergleicht eine vollständige Grid Search mit Optunas TPE-Sampler zur Abstimmung eines LightGBM-Modells für Renditeprognosen. Zunächst erhalten beide Methoden dasselbe Versuchskontingent im selben diskreten Parametergitter: Die Aufzählung…

Maschinelles LernenBacktestingStatistik
Machine Learning for Trading

Dieses Notebook bewertet einen querschnittlichen Momentum-Faktor anhand von Informationskoeffizienten, Quantilrenditen, Spreads zwischen oberen und unteren Quantilen sowie Klassifikationsdiagnostik. Es führt Spearman-IC als tagweise Rangkorrelation zwischen…

MomentumFaktorinvestierenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook erläutert paarweise und querschnittliche Merkmale anhand von ETF-Panels. Es vergleicht die Kointegrationstests nach Engle–Granger und Johansen und unterscheidet einen stationären Spread von einfacher gemeinsamer Bewegung. Das Beispiel mit…

Pairs-TradingRückkehr zum MittelwertStatistikRisikomanagement
Machine Learning for Trading

Diese Fallstudie untersucht, ob Informationen aus börsennotierten Optionen bei der Auswahl von S&P-500-Aktien helfen können. Sie kombiniert tägliche Aktienkurse mit optionsimplizierten Volatilitätsniveaus, Schiefe, Laufzeitstruktur und Kennzahlen der…

AktienOptionenBacktestingRisikomanagement
Machine Learning for Trading

Diese Konfiguration legt einen historischen makroökonomischen Datensatz von FRED für die Regimefilterung und die Analyse über Anlageklassen hinweg fest. Sie ordnet Zeitreihen nach täglicher, wöchentlicher, monatlicher und vierteljährlicher Frequenz, darunter…

Multi-AssetFestverzinsliche WertpapiereVolatilitätStatistik
Machine Learning for Trading

Dieses Modul definiert einen nutzerorientierten Ablauf für die Futures-Forschung zu CME. Er umfasst Modellanfragen, Prognose- und Backtest-Ausführung, Kandidatenpools und die endgültige Auswahl. Es übernimmt die konfigurierte Label-Suche aus einer…

FuturesMaschinelles LernenBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook nutzt die maximale günstige Kursbewegung (MFE) und die maximale ungünstige Kursbewegung (MAE), um die Breite der Triple-Barrier-Labels an beobachteten Kursverläufen auszurichten. Für eine Position, die zum Balkenschluss eröffnet wird, misst…

AktienFuturesKryptoVolatilität
Machine Learning for Trading

Diese Analyse prüft, ob die Daten eine querschnittliche Krypto-Perpetual-Strategie unterstützen können, bevor ein Modell angepasst oder Prognosen erstellt werden. Der vorgeschlagene Ansatz ordnet Kontrakte bei jeder Finanzierungsabrechnung nach ihrer Prämie…

KryptoPerpetual FuturesStatistikBacktesting
Machine Learning for Trading

Dieses Notebook zeigt einen operativen Ablauf für eine ETF-Aktienstrategie: Marktdaten aktualisieren, Finanzmerkmale berechnen, ein Ridge-Modell neu trainieren, aktuelle querschnittliche Prognosen erstellen, sie durch eine Backtest-Engine abspielen und einen…

AktienMaschinelles LernenOrderausführungBacktesting
Machine Learning for Trading

Das Dokument beschreibt eine Allokationsstudie für ein FX-Portfolio, die Positionsgrößen von der Signalauswahl isolieren soll. Sie beginnt mit eingefrorenen, gleich gewichteten Basiskandidaten, die nach der Backtest-Leistung in der Validierung geordnet sind,…

DevisenhandelPortfolio-KonstruktionBacktestingRisikomanagement
Machine Learning for Trading

Das Dokument stellt GReaT vor: ein Framework, das Zeilen mit gemischten numerischen und kategorialen Finanzdaten als Text serialisiert, ein Sprachmodell anhand dieser Datensätze feinabstimmt und generierten Text wieder in Tabellen umwandelt. Im Beispiel…

Maschinelles LernenAktienStatistikBacktesting
Machine Learning for Trading

Das Dokument erläutert, wie Modellunsicherheit zusätzliche Informationen über die Punktschätzung hinaus liefern kann. Es stellt GARCH, das Volatilität aus vergangenen Renditen ableitet, einem stochastischen Volatilitätsmodell gegenüber, das Volatilität als…

VolatilitätStatistikMaschinelles LernenRisikomanagement
Machine Learning for Trading

Dieses Notebook verwendet die Hauptkomponentenanalyse, um gemeinsame Bewegungen in einem breiten Aktienpanel aus US abzubilden. PCA extrahiert Richtungen, die gemeinsame Schwankungen der Renditen erklären; die Faktorladung jeder Aktie misst ihre Exponierung…

AktienUS-MärkteMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook bewertet Sicherheitsregeln für einen auf Dokumenten beruhenden Finanzassistenten anhand von sechs manuell erstellten Fällen. Die Fälle behandeln Prompt-Injection, erfundene Zahlen in nicht vertrauenswürdigem Material, versuchte Aktionen und…

Maschinelles LernenRisikomanagementMarktstimmungStatistik
Machine Learning for Trading

Dieses Notebook passt die bereits durch Validierung ausgewählte FX-Konfiguration neu an und registriert ihre Prognosen für einen späteren Holdout-Backtest. Die Auswahl wird anhand gültiger Validierungs-Backtests aufgelöst und auf eine eingefrorene…

DevisenhandelBacktestingMaschinelles LernenRisikomanagement