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

132 Dokumente

Machine Learning for Trading

Dieses Notebook vergleicht Gewichtungsregeln für ein S&P-500-Optionsmodell, das Straddles verkauft. Die ausgewählten Symbole und die übrigen Strategieeinstellungen bleiben unverändert. Die Gleichgewichtungs-Baseline wird durch Allokatoren ersetzt, die…

OptionenAktienPortfolio-KonstruktionPositionsgrößenbestimmung
Machine Learning for Trading

Dieses Kapitel stellt Risikomanagement als Teil der Strategiegestaltung und des laufenden Betriebs dar. Es behandelt die Messung von Extremrisiken anhand von Value at Risk und Conditional Value at Risk, Ausmaß und Erholung des Drawdowns, die Aufschlüsselung…

RisikomanagementVolatilitätBacktestingPortfolio-Konstruktion
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 gemeinsame Allokationsmodul wandelt querschnittliche Prognosen in Portfoliogewichte um. Es ordnet Vermögenswerte nach ihrem Score, um Long-Positionen oder die oberen und unteren Körbe eines Long-Short-Portfolios auszuwählen. Die Positionsgewichte…

Portfolio-KonstruktionPositionsgrößenbestimmungRisikomanagementStatistik
Machine Learning for Trading

Dieses Notebook vergleicht Methoden zur Positionsbemessung für führende Aktiensignalkonfigurationen des S&P 500. Zunächst wird anhand der Validierungs-Sharpe-Kennzahl für jede Konfiguration der stärkste Checkpoint mit vollständiger Abdeckung ausgewählt.…

AktienPortfolio-KonstruktionPositionsgrößenbestimmungBacktesting
Machine Learning for Trading

Dieses Notebook zeigt, wie eine Broker-Wrapper-Komponente unsichere Aufträge anhand von Größen- und Positionslimits, Auftragsratenbegrenzungen, Asset-Beschränkungen und einem dauerhaften Kill-Switch ablehnen kann. Ein synthetischer Broker macht die…

RisikomanagementPositionsgrößenbestimmungOrderausführung
Machine Learning for Trading

Das Dokument erläutert drei Regeln, um Positionen vor dem planmäßigen Rebalancing eines Portfolios zu schließen: einen festen Verlust-Stop, einen Trailing-Stop, gemessen vom besten Kurs der Position, und einen zeitbasierten Ausstieg nach einer festgelegten…

AktienRisikomanagementBacktestingPositionsgrößenbestimmung
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
Machine Learning for Trading

Dieses Notebook beschreibt, wie eine zuvor ausgewählte FX-Strategie anhand von Holdout-Prognosen bewertet wird. Es verwendet erneut die registrierte Backtest-Spezifikation der ausgewählten Konfiguration und hält Signal, Allokation, Risikokontrollen,…

DevisenhandelBacktestingRisikomanagementPositionsgrößenbestimmung
Machine Learning for Trading

Dieses Notebook führt eine zuvor ausgewählte Konfiguration für US-Aktien mit Holdout-Prognosen aus. Das ausgewählte Modell, die Prognosen, der Allokator, die Konzentration, das Risiko-Overlay, der Rebalancing-Takt und die Annahmen zu Transaktionskosten…

AktienUS-MärkteBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook verbindet die Positionsgrößenbestimmung mit der Analyse maximaler ungünstiger und günstiger Exkursionen. Es zeigt eine feste fraktionale Positionsgrößenbestimmung, bei der sich die Aktienanzahl aus dem Risikobudget des Portfolios und dem…

PositionsgrößenbestimmungRisikomanagementVolatilitätBacktesting
Machine Learning for Trading

Dieses Notebook bildet Unsicherheitsintervalle für ETF-Zukunftsrenditen mit Ridge-Regression und drei konformen Methoden: Split Conformal Prediction, Conformalized Quantile Regression und Adaptive Conformal Inference. Es bewertet sie anhand von…

AktienMaschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook untersucht, wie Allokationsregeln ETF-Strategien beeinflussen, nachdem ein Modell die Assets bereits eingestuft hat. Es hält Prognosemengen und Rebalancing-Kalender fest, wählt für jeden Vergleich denselben Top-k-Korb aus und variiert die…

AktienPortfolio-KonstruktionPositionsgrößenbestimmungRisikomanagement
Machine Learning for Trading

Dieses Notebook prüft, ob Portfolioaufbau eine Strategie mit Trades in jedem NASDAQ-100-Balken retten kann, deren Ergebnis durch Kosten zunichtegemacht wird. Es wählt anhand des festgelegten Auswahluniversums führende Baseline-Prognosen aus und führt…

AktienPortfolio-KonstruktionPositionsgrößenbestimmungOrderausführung
Machine Learning for Trading

Dieses Notebook nimmt führende Prognosekonfigurationen aus der Validierung, die auf einer gleichgewichteten Signalstufen-Baseline beruhen, und testet alternative Allokationsmethoden anhand derselben Prognosen. Es vergleicht scorebasierte und konforme…

AktienPortfolio-KonstruktionPositionsgrößenbestimmungBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht Stop-Loss-, Trailing-Stop- und Zeitausstiegs-Overlay-Strategien auf festen NASDAQ-100-Mikrostruktur-Backtests. Die Strategie trifft alle fünfzehn Minuten Entscheidungen, während Risikoregeln die Kurse minütlich überwachen. Dadurch…

RisikomanagementBacktestingPositionsgrößenbestimmungAktien
Machine Learning for Trading

Dieses Notebook vergleicht Split-Conformal-Prognosen, konforme Quantilsregression und adaptive konforme Inferenz zur Prognose künftiger Renditen von ETF. In Walk-Forward-Folds trainiert es auf einer Teilmenge, kalibriert Intervallfehler auf einer anderen und…

AktienMaschinelles LernenStatistikRisikomanagement
arXiv papers

Das Dokument formuliert Pairs Trading als dynamisches Portfoliooptimierungsproblem. Der Spread zweier verwandter Wertpapiere folgt einem gaußschen Mean-Reversion-Prozess, während sich seine Drift gemäß einer unbeobachteten Markow-Kette mit endlichem…

Pairs-TradingRückkehr zum MittelwertRisikomanagementPositionsgrößenbestimmung
arXiv papers

Die Arbeit wendet die verallgemeinerte Extremwerttheorie auf Extremrenditen an den Bitcoin-Futures-Märkten an, um das Risiko erzwungener Liquidationen, den Hebel und die Marginhöhe für Long- und Short-Positionen zu untersuchen. Die empirische Analyse nutzt…

KryptoFuturesPerpetual FuturesRisikomanagement
arXiv papers

Die Arbeit schlägt einen systematischen Anlageansatz vor, der über einen längeren Zeitraum Vermögen aufbauen soll, indem er eine Folge kurzfristiger Kaufentscheidungen für ETF trifft. Sie kombiniert evolutionäre Algorithmen mit einem Deep-Learning-Modell, um…

AktienMaschinelles LernenPortfolio-KonstruktionPositionsgrößenbestimmung
arXiv papers

Diese Arbeit untersucht die Portfolioauswahl, wenn der Preistrend eines Vermögenswerts einem unbeobachteten Ornstein-Uhlenbeck-Prozess folgt. Sie leitet optimale Strategien für einen Trader mit logarithmischem Nutzen unter zwei Informationsbedingungen her:…

StatistikRisikomanagementPositionsgrößenbestimmung
arXiv papers

Dieses Dokument erweitert den Rahmen für optimale Ausführung von Almgren–Chriss, der eine festgelegte zu liquidierende Menge voraussetzt, auf Fälle, in denen das erforderliche Handelsvolumen unsicher ist und mit näher rückendem Liefertermin klarer wird.…

OrderausführungRisikomanagementPositionsgrößenbestimmungFutures
arXiv papers

Die Arbeit untersucht Liquidationsspiele für Portfolios, bei denen ein Händler den Markt verlässt, sobald seine Position null erreicht. Diese Absorptionsregel schließt Roundtrip-Handel aus und wird als Bedingung ohne statistische Arbitrage formuliert. Für…

MarktmikrostrukturOrderausführungPositionsgrößenbestimmungStatistik
arXiv papers

Das Dokument schlägt eine systematische Methode zur Wahl einer Stop-Loss-Schwelle vor, die auf der Verteilung maximaler Drawdowns beruht. Die Wahl des Stops wird als Entscheidung mit dem Ziel formuliert, die erwarteten Renditen anhand der verfügbaren…

RisikomanagementPositionsgrößenbestimmungStatistikBacktesting