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 stellt einen Arbeitsablauf zur Charakterisierung von Marktzeitreihen vor einer Modellierung vor. Es beginnt mit Diagrammen zu Kursen und Renditen von SPY, VIX-Niveaus und der Renditeverteilung, um Trends, Volatilitätscluster und fette…

AktienStatistikVolatilitätRisikomanagement
Machine Learning for Trading

Dieses Notebook nutzt tägliche Renditen von SPY, um die Frequenzbereichsanalyse und ihre Grenzen als Quelle von Trading-Merkmalen zu erläutern. Eine Wavelet-Zerlegung trennt Schwankungen in Bänder mit zunehmend langsameren Zeitskalen, während…

AktienStatistikVolatilitätTechnische Indikatoren
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 vergleicht drei Möglichkeiten, Marktregime in einem Prognosemodell zu verwenden: Regimeinformationen weglassen, die gefilterte Wahrscheinlichkeit eines volatilen Zustands als Merkmal hinzufügen oder separate Experten für fest zugeordnete…

Maschinelles LernenStatistikBacktestingTechnische Indikatoren
Machine Learning for Trading

Dieses Notebook gibt einen Überblick über EdgarTools zur Untersuchung von SEC-Einreichungen und zur Extraktion strukturierter Unternehmensdaten. Es erklärt, wie Einreichende anhand einer stabilen CIK identifiziert, Einreichungen nach Formular abgerufen und…

AktienUS-MärkteBacktestingEreignisgesteuert
Machine Learning for Trading

Diese Fallstudie verwendet lineare Modelle als Ausgangsbasis für die Prognose künftiger Renditen in einem breiten US-Aktienpanel. Sie erläutert, warum überlappende Kurs- und Volumenmerkmale Kollinearität verursachen und die Koeffizienten der gewöhnlichen…

AktienUS-MärkteMaschinelles LernenStatistik
Machine Learning for Trading

Diese Analyse vergleicht registrierte kausale Behandlungseffekte, die mit Double Machine Learning geschätzt wurden, aus neun Trading-Fallstudien. Sie lädt die aktuellen Ergebnisse aus dem Register jeder Studie, prüft die Registerintegrität und doppelte…

StatistikMaschinelles LernenBacktestingAktien
Machine Learning for Trading

Dieses Notebook stellt einen Rahmen zur Bewertung eines ETF-Allokations-Backtests anhand täglicher Portfoliorenditen und einer passenden SPY-Benchmark vor. Es behandelt Risiko- und Renditemaße wie Sharpe, Sortino, Calmar und maximalen Drawdown, rollierende…

BacktestingPortfolio-KonstruktionRisikomanagementStatistik
Machine Learning for Trading

Dieses Notebook erklärt, wie Modellunsicherheit über einen Punktschätzer hinaus zusätzliche Informationen liefern kann. Es schätzt ein stochastisches Volatilitätsmodell, in dem sich die latente logarithmierte Volatilität im Zeitverlauf entwickelt und…

VolatilitätMaschinelles LernenStatistikRisikomanagement
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

Das Notebook schätzt, wie stark ein gleich gewichtetes Portfolio aus überlebenden US-Aktien die Renditen gegenüber dem vollständigen ursprünglichen Anlageuniversum überzeichnen kann. Zunächst wird untersucht, wann das Panel ausscheidende Symbole erfasst.…

AktienUS-MärkteBacktesting
Machine Learning for Trading

Dieses Notebook stellt eine mehrstufige Debatte zwischen Bullen und Bären über eine umstrittene Wahrscheinlichkeitsprognose vor. Beide Seiten argumentieren auf Basis gemeinsamer Zusammenfassungen von Forschungs-KI-Agenten, sehen die vorherige Position der…

StatistikMaschinelles Lernen
Machine Learning for Trading

Diese explorative Analyse führt Optionskontrakte und den Aufbau von Optionsketten ein und untersucht anschließend eine 2020-Stichprobe von S&P-500-Optionen auf acht Basiswerte. Sie erläutert Moneyness, inneren Wert und Zeitwert, implizite Volatilität, die…

OptionenAktienVolatilitätBewertung von Derivaten
Machine Learning for Trading

Diese Analyse wertet eine registrierte Backtesting-Pipeline für eine monatliche US-Aktienstrategie auf Basis von Unternehmensmerkmalen aus. Sie berichtet die Unsicherheit des Sharpe-Werts, die Wahrscheinlichkeit eines positiven Sharpe-Werts und…

AktienFaktorinvestierenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook bewertet positionsbezogene Stop-Losses, Trailing-Stops und zeitbasierte Ausstiege für die Allokationslinie, die unter geeigneten Kandidaten mit vollständiger Abdeckung den höchsten Validierungs-Sharpe aufweist. Jedes Overlay wird mit seiner…

AktienOptionenRisikomanagementBacktesting
Machine Learning for Trading

Dieses Notebook erstellt angepasste Modellmerkmale anhand von Wechselkursverläufen und ergänzt damit Indikatoren, die direkt aus vergangenen Preisen berechnet werden. Es beschreibt drei Ansätze: einen Zustandsraumfilter, der ein langsam veränderliches…

DevisenhandelMaschinelles LernenStatistikTechnische Indikatoren
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 Notebook misst, wie sich Ausführungskosten auf eine bereits ausgewählte Konfiguration für Krypto-Perpetuals auswirken. Modell, Checkpoint, Einstiegsregel, Allokator und Risikokontrolle bleiben unverändert. Anschließend wird die Strategie mit einem…

KryptoPerpetual FuturesBacktestingOrderausführung
Machine Learning for Trading

Dieses Notebook beschreibt einen Ablauf, um aus den vierteljährlichen MD&A-Angaben von S&P-500-Unternehmen Handelsmerkmale abzuleiten. Als zeitpunktgenauen Anker dienen die Annahmedaten der Meldungen. Mehrere Meldungen eines Unternehmens am selben Datum…

AktienMaschinelles LernenMarktstimmungStatistik
Machine Learning for Trading

Dieses Kapitel gibt einen Überblick über Deep Learning für Zeitreihen anhand einer praktischen Frage: Wann enthält die Reihenfolge der Beobachtungen Informationen, die einer querschnittlichen Vorhersage entgehen, und welche Modellarchitekturen können diese…

Maschinelles LernenStatistikBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook wendet TabM an, eine neuronale Architektur für Tabellendaten, die ein zweischichtiges Merkmalsnetzwerk für alle Ensemble-Mitglieder gemeinsam nutzt. Jedes Mitglied skaliert die gemeinsame Repräsentation mit einem eigenen gelernten Vektor und…

OptionenMaschinelles LernenBacktestingStatistik
Machine Learning for Trading

Dieses Notebook erklärt die Risikoaufschlags-PCA, die die Renditekovarianzmatrix verändert, indem sie das gewichtete äußere Produkt der durchschnittlichen Renditen im Trainingszeitraum addiert. Die führenden Eigenvektoren definieren statische…

FaktorinvestierenStatistikPortfolio-KonstruktionBacktesting