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

248 Dokumente

Machine Learning for Trading

Dieses Notebook erweitert eine Merkmalsbewertung für ETF von einem einzelnen Renditehorizont auf eine Untersuchung von zehn Merkmalen und drei Horizonten und korrigiert für Mehrfachtests. Anschließend wendet es mechanismusbasierte Diagnosen auf Momentum mit…

Multi-AssetMomentumRückkehr zum MittelwertStatistik
Machine Learning for Trading

Dieses Notebook verwendet Double Machine Learning (DML), um den adjustierten Effekt eines kontinuierlichen ETF-Momentummaßes auf nachfolgende Renditen zu schätzen. Dabei kontrolliert es für jüngere und längerfristige Volatilität, Marktregime und die Steigung…

Maschinelles LernenStatistikAktienMomentum
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 erstellt preisbasierte Features, um ein breites US-Aktienuniversum zu ordnen. Es beschreibt Momentum-, Volatilitäts-, gleitende Durchschnitts- und technische Indikatorfamilien und bewertet sie anhand eines Labels für die Rendite der folgenden…

AktienUS-MärkteTechnische IndikatorenMomentum
Machine Learning for Trading

Dieses Tutorial gibt einen Überblick über Features aus historischen Kurs- und Volumendaten von Vermögenswerten, darunter Renditen über verschiedene Horizonte, Trend- und Umkehrmaße, mehrere Volatilitätsschätzer, Volatilitätsregime, Liquidität, Tail-Risiko…

Technische IndikatorenMomentumVolatilitätMaschinelles Lernen
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 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 vergleicht zwei Transformer-Architekturen zur Prognose von 21-Tage-ETF-Renditen anhand zurückliegender Momentum-Merkmale. PatchTST gruppiert aufeinanderfolgende Tage zu Patches und ordnet kurze Sequenzen lokaler Formen jeweils einem Token zu.…

AktienMaschinelles LernenMomentumBacktesting
Machine Learning for Trading

Dieses Notebook prüft, ob vier Strategien verwalteter Portfolios SPY-Renditen erklären, wenn die gemeinsame Bewegung breiter ETF kontrolliert wird. Die Strategien ordnen ETFs anhand verzögerten Momentums, der Volatilität oder jüngster Renditen. Zehn…

FaktorinvestierenMaschinelles LernenStatistikMomentum
Machine Learning for Trading

Dieses Notebook prüft, ob sich der Information Coefficient (IC) eines Signals von Rauschen unterscheiden lässt, wenn aufeinanderfolgende Beobachtungen abhängig sind. Anhand eines Momentum-Signals und von ETF-Daten wird veranschaulicht, wie überlappende…

StatistikMaschinelles LernenMomentumBacktesting
Machine Learning for Trading

Dieses Notebook beschreibt einen operativen Ablauf, um eine Strategie über TWS oder Gateway mit Interactive Brokers zu verbinden. Es prüft, ob es sich um ein Paper-Konto handelt, liest Kontowerte und Positionen aus und ruft historische Bars ab, um den…

OrderausführungRisikomanagementMomentumAktien
Machine Learning for Trading

Dieses Notebook führt anhand eines Long-Short-Momentum-Beispiels über mehrere Anlageklassen in die Mechanik des Backtestings von Futures ein. Es erklärt, wie Kontraktspezifikationen mithilfe von Multiplikatoren Kursbewegungen in Gewinne und Verluste in…

FuturesMomentumBacktestingPositionsgrößenbestimmung
Machine Learning for Trading

Dieses Notebook untersucht, wie empfindlich ein Momentum-Backtest für ETF gegenüber der angenommenen Handelsgebühr ist. Es hält die Gewichte und den Handelszeitplan der Strategie konstant, führt den Simulator mit verschiedenen Kosten pro Handelsseite erneut…

AktienMomentumBacktestingOrderausführung
Machine Learning for Trading

Dieses Notebook bewertet veröffentlichte Faktorrenditen als mögliche Bausteine für Portfolios. Es trennt drei Fragen: ob die durchschnittliche Rendite eines Faktors eine anspruchsvolle statistische Schwelle überschreitet, ob Faktoren einander aus Gründen…

FaktorinvestierenStatistikPortfolio-KonstruktionRisikomanagement
Machine Learning for Trading

Dieses Notebook zeigt, wie sich Stop-Loss-, Take-Profit- und Trailing-Stop-Regeln für ein Momentum-Portfolio abstimmen lassen, während ein chronologisches Holdout erhalten bleibt. Es vergleicht eindimensionale Parametersuchen, gemeinsame Regelraster sowie…

RisikomanagementBacktestingPositionsgrößenbestimmungMomentum
Machine Learning for Trading

Dieses Notebook setzt eine monatliche ETF-Momentum- und Zinskurven-Regimestrategie auf zwei Arten um: mit vektorisierter Renditeberechnung und einer sequenziellen Kontosimulation. Beide verwenden dieselben Zielgewichte, Anlagen, Daten und gesamten…

AktienMomentumBacktestingOrderausführung
Machine Learning for Trading

Diese explorative Analyse prüft, ob ein Momentum-Signal über zwölf Monate, bei dem der jüngste Monat ausgelassen wird, mit den Renditen des Folgemonats in einem Universum von 100-ETF zusammenhängt. Sie erstellt anhand bereinigter Schlusskurse ein monatliches…

Multi-AssetMomentumStatistikBacktesting
Machine Learning for Trading

Das Notebook beschreibt eine Double-Machine-Learning-Analyse mit wachsendem Zeitfenster. Sie prüft, ob Momentum über 12 bis -2 Monate die Renditen von US-Unternehmen im Folgemonat vorhersagt, nachdem um Beta, idiosynkratische Volatilität,…

AktienMomentumMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Modul definiert eine monatliche ETF-Allokationsbaseline anhand eines risikoadjustierten Momentum-Scores: der kumulierten Rendite des Rückblickzeitraums geteilt durch die annualisierte realisierte Volatilität. Überschreitet die Steigung der Zinskurve…

AktienMulti-AssetMomentumVolatilität
Machine Learning for Trading

Diese Demonstration beschreibt den Betrieb einer kontinuierlich laufenden Krypto-Strategie, die mit einem USD-Spot-Broker verbunden ist. Sie überträgt ein größeres Universum aus einer Perpetual-Futures-Fallstudie auf die kleinere Auswahl verfügbarer…

KryptoPerpetual FuturesSpotmärkteMomentum
Machine Learning for Trading

Dieses Notebook vergleicht lineare Modelle mit ETF-Merkmalen, die aus überlappenden Renditefenstern und verwandten Momentum-, Volatilitäts- und Oszillatormessungen abgeleitet werden. Solche Prädiktoren sind kollinear, wodurch die Koeffizienten der…

Multi-AssetMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Lehr-Notebook gibt einen Überblick über Preis- und Volumenmerkmale für quantitative Forschung. Es behandelt einfache und logarithmische Renditen über verschiedene Horizonte, Momentum mit Auslassung der jüngsten Periode, Übernacht- und…

AktienTechnische IndikatorenVolatilitätMomentum
Machine Learning for Trading

Dieses Notebook stellt einen Ablauf vor, um zu untersuchen, ob Momentum mit Auslassung der jüngsten Periode über sechs Monate die Forward-Renditen über 21 Tage beeinflusst und ob sich der Effekt mit der Marktvolatilität verändert. Es schätzt Effekte auf…

AktienMomentumMaschinelles LernenStatistik