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.
952 Dokumente
Dieses Notebook vereint fünf Ansätze mit latenten Faktoren zur Modellierung des Querschnitts der Aktienrenditen in der S&P 500-Optionsfallstudie. PCA schätzt gemeinsame Bewegungen allein anhand der Renditen; IPCA bildet Merkmale linear auf Exposures ab; ein…
Dieses Notebook definiert Schlusskurs-zu-Schlusskurs-Renditen für zwei Handelshorizonte im Querschnitt von ETFs. Jeder Horizont wird vom bereinigten Schlusskurs bis zum Schlusskurs einer festgelegten Anzahl späterer Sitzungen gemessen. Es erklärt, warum…
Dieses Notebook demonstriert Prüfungen auf Merkmalsdrift bei ETF-Momentum- und technischen Merkmalen in ruhigen und angespannten Marktphasen sowie bei Krypto-Perpetuals mit Premiumindexdaten über verschiedene Marktregime hinweg. Es vergleicht den Population…
Dieses Notebook passt TSMixer an, um künftige ETF-Renditen anhand historischer Momentum-Merkmale vorherzusagen. Die Architektur wechselt zwischen einer gemeinsamen linearen Transformation entlang der Zeitachse und einem Merkmals-MLP, das an jedem Datum…
Dieses Notebook vermittelt, wie sich binäre Nachrichten von NASDAQ TotalView-ITCH dekodieren und als strukturierte Daten für spätere Microstructure-Analysen speichern lassen. Es erklärt Nachrichtenrahmung, Felder mit fester Breite, Big-Endian-Werte,…
Dieses Notebook erläutert einen überwachten Autoencoder zur Prognose der Richtung zukünftiger US-Aktienrenditen über mehrere Horizonte. Sein Encoder speist einen Rekonstruktionsdecoder, einen zusätzlichen Klassifikator und einen Hauptklassifikator. Das…
Dieses Notebook entwickelt einen Portfolio-Allocator, der einem Variablenauswahl-Netzwerk im Stil eines Temporal Fusion Transformer einen LSTM-Encoder vorschaltet. Das Auswahl-Netzwerk bettet jedes Eingabemerkmal separat ein und weist ihm Softmax-Gewichte…
Dieses Dokument stellt eine marktübergreifende Bestandsaufnahme modellbasierter Feature-Artefakte aus neun Fallstudien vor. Es liest Parquet-Schemata, statt deren Zeilen zu laden, schließt Identifikationsspalten aus, zählt Feature-Spalten und gruppiert Namen…
Dieses Dokument erläutert, wie sich eine Feature-Matrix für eine querschnittliche ETF-Momentum- und Rotationshypothese erstellen und prüfen lässt. Es definiert Rückblick und Informationsverzögerung für jedes Feature und erstellt anschließend nachlaufende…
Dieses Dokument fasst eine Prognose für Aktienrenditen über fünf Sitzungen neu, indem es täglich erhobene Daten freitags abtastet. Das Label bleibt eine Rendite über fünf Sitzungen, umfasst im Wochenraster jedoch ungefähr einen Modellschritt. Das Notebook…
Dieses Dokument beschreibt, wie die in früheren Validierungsphasen ausgewählte Konfiguration anhand aller geeigneten Daten aus der Zeit vor -2021 neu angepasst und anschließend Prognosen für den Holdout 2021 erstellt werden. Es leitet das Trainingsintervall…
Dieses Notebook bewertet Gradient-Boosted Trees anhand von Analysen zu Aktienoptionen, bei denen Features wie implizite Volatilität, Skew, Laufzeitstruktur und Varianzrisikoprämie Markterwartungen abbilden. Es untersucht, ob ein nichtlineares Modell diese…
Dieses Notebook erstellt preisbasierte Features für ein breites US-Aktienuniversum, darunter Momentum, gleitende Durchschnitte und Volatilitätsmaße. Die Aktien werden anhand dieser Features gegeneinander gerankt. Dafür werden ihre Handelbarkeit geprüft und…
Dieses Notebook erstellt minütliche Features aus NASDAQ-100-Kursnotierungen und Handelsdaten, um kurzfristigen Kursdruck zu untersuchen. Es behandelt die normalisierte Orderflow-Imbalance als wichtigsten Signalkandidaten und nutzt Spread, Markttiefe,…
Dieses Notebook prüft, ob Finanz- und modellbasierte Merkmale Aktien nach Zukunftsrenditen ordnen können. Es berechnet täglich querschnittliche Information Coefficients, schätzt Unsicherheit unter Berücksichtigung serieller Abhängigkeiten, korrigiert die…
Dieses Notebook vergleicht drei lineare Prognosemodelle, einen Transformer-Encoder und zwei parameterfreie Prognosen für tägliche SPY-Renditen. Lineare Modelle übertragen ein historisches Fenster auf eine Mehrtagesprognose; Varianten trennen zunächst eine…
Dieses Notebook fasst die Prognose von 21-Sitzungs-ETF-Zukunftsrenditen als binäre Aufgabe: Positive Renditen werden als steigend und alle übrigen als fallend klassifiziert. Es passt eine logistische Regression mit L2- und L1-Regularisierung anhand…
Dieses Notebook prüft, ob ein LSTM zeitliche Strukturen aus ETF-Merkmalshistorien extrahieren kann, die flache Merkmalsmodelle möglicherweise übersehen. Vor dem Fitten gleicht es die definierte Sequenzpopulation mit verfügbaren Merkmalen, Labels, Entitäten…
Diese Fallstudie erstellt minutengenaue Merkmale aus NASDAQ-100-Quote- und Transaktionsdaten, um zu untersuchen, ob jüngste aggressive Käufe oder Verkäufe kurzfristige Kursdrifts vorhersagen. Orderflow-Imbalance ist das vorgeschlagene Signal; Spread,…
Dieses Notebook erstellt mehrere Stichprobenverfahren aus einem einzelnen Handelstag mit NASDAQ ITCH-Transaktionen einer Aktie: zeitbasierte, Tick-, Volumen-, Dollar-, Imbalance- und Run-Balken. Es vergleicht ihre statistischen Eigenschaften, darunter…
Dieses Notebook zeigt zwei sequenzielle Überwachungsverfahren für Validierungsprognosefehler aus zwei linearen Aktienmodellkonfigurationen: einen Mittelwertverschiebungsdetektor mit zwei Fenstern und einen Monitor für die Häufigkeit schlechter Tage. Jeder…
Dieses Notebook bewertet vier aus Nachrichtentext abgeleitete Signale: gewichtete Überraschung, durchschnittliche Stimmung, Stimmungsdynamik und Artikelabdeckung. Es verwendet zukünftige Renditen, die in einem früheren Schritt zur Merkmalsbildung vorbereitet…
Dieses Notebook wendet Double Machine Learning (DML) an, um den Effekt von Skip-Recenter-Momentum auf zukünftige ETF-Renditen zu schätzen – eine Kausalfrage, die sich von der Prognose von Renditen unterscheidet. Es modelliert das Ergebnis und die…
Das Notebook demonstriert die Abstimmung von LightGBM für die Prognose von ETF-Renditen mit Optunas TPE-Sampler. Es durchsucht Einstellungen für Baumstruktur, Stichprobenziehung und Regularisierung, wählt mithilfe vorzeitigen Abbruchs die Boosting-Runden aus…