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 verwendet SHAP, um Prognosen der Ridge-Regression für ETF-Renditen zu erklären. Bei einem linearen Modell besteht ein geschlossener Zusammenhang zwischen Merkmalsattributionen, angepassten Koeffizienten und Abweichungen von den…

AktienMaschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook erklärt Kalman-Filter als Methode, um Merkmale aus Finanzpreisen abzuleiten. Ein lokaler linearer Trendzustand erfasst sowohl ein latentes Preisniveau als auch dessen Steigung, während ein Beobachtungsmodell verrauschte Schlusskurse…

AktienTechnische IndikatorenStatistikPairs-Trading
Machine Learning for Trading

Dieses Notebook stellt die instrumentierte Hauptkomponentenanalyse (IPCA) vor, einen Latent-Factor-Ansatz zur Prognose von Renditen anhand von Unternehmensmerkmalen. Statt jedem Merkmal direkt ein Renditegewicht zuzuweisen, modelliert IPCA die…

AktienFaktorinvestierenMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook beschreibt die Erstellung eines Out-of-Sample-Vorhersagesatzes für ein zuvor ausgewähltes S&P-500-Optionsmodell. Die Konfiguration wird anhand der Validierungsergebnisse festgelegt, mit Daten vor dem Holdout erneut trainiert und die…

OptionenBacktestingRisikomanagement
Machine Learning for Trading

Dieses Werkzeug beschreibt eine Methode, um Strategierenditen mithilfe des Fama–French-Drei- oder Fünf-Faktoren-Modells, optional ergänzt um Momentum, zu erklären. Es stimmt tägliche Faktordaten mit den Strategierenditen ab, erkennt die Renditefrequenz und…

FaktorinvestierenStatistikRisikomanagementPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook testet ein Zwei-Modell-Design für Ausstiege anhand stündlicher Perpetual-Daten von BTC, ETH und SOL. Ein Einstiegs-Klassifikator erkennt ungewöhnlich hohe zukünftige Renditen; seine vorhergesagte Wahrscheinlichkeit fließt anschließend…

KryptoPerpetual FuturesMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Dokument beschreibt Datensatz-Hilfsprogramme zur Vorbereitung von Zeitreihenpanels für Modelltraining und gleitende Inferenz. Der Trainingsdatensatz gibt gleitende Sequenzen von Merkmalen, zukünftigen Renditen, Volatilitätsskalen und Masken mit…

Maschinelles LernenBacktestingPortfolio-KonstruktionOrderausführung
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

Diese Studie verwendet Orderdaten von NVDA über zehn Handelstage, um zu untersuchen, wie die tägliche Handelsaktivität die Bildung von Bars beeinflusst. Sie filtert Trades auf die regulären Handelszeiten der US, klassifiziert Aggressor-Seiten anhand von…

AktienMarktmikrostrukturOrderausführungTechnische Indikatoren
Machine Learning for Trading

Diese Analyse vergleicht Validierungsprognosen mehrerer Modellfamilien für das Funding von Perpetual-Futures. Sie erläutert, dass der Informationskoeffizient die Rangfolge späterer Renditen misst, AUC die Ordnung positiver und negativer Ergebnisse misst und…

KryptoPerpetual FuturesMaschinelles LernenStatistik
Machine Learning for Trading

Diese Fallstudie bewertet die Total-Value-Locked-Daten von DeFi Llama als möglichen Input für eine Ether-Handelsforschungspipeline. Sie trennt Signalstärke, Datenqualität, rechtliche Eignung und kommerziellen Wert; rechtliche Fragen und das Fehlen…

KryptoDeFiOn-Chain-DatenStatistik
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 bewertet positionsbezogene Exits bei Krypto-Perpetual-Futures-Positionen, die eine frühere Allokationsphase ausgewählt hat. Es definiert feste Verlust-Stopps, an den besten Preis jeder Position gebundene Trailing-Stops und Zeit-Exits nach…

KryptoPerpetual FuturesRisikomanagementBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht Risikokontrollen in Backtests von Fallstudien, darunter Stop-, Trailing-Stop-, Verlustlimit-, Drawdown-Breaker- und Volatilitätszielregeln. Es lädt die Ergebnisse der Risikokontrollen jeder Studie, wählt, sofern verfügbar, eine…

RisikomanagementBacktestingPortfolio-KonstruktionStatistik
Machine Learning for Trading

Diese Fallstudie wendet Gradient-Boosting-Bäume auf NASDAQ-100-Mikrostrukturmerkmale an, um Renditen und Richtung über mehrere Intraday-Zeithorizonte vorherzusagen. Sie stellt Bäume linearen Modellen gegenüber: Bäume können bedingte Beziehungen erkennen,…

Maschinelles LernenMarktmikrostrukturAktienStatistik
Machine Learning for Trading

Dieses Notebook fügt ein Prognosesystem aus vier Phasen zusammen: einem Gremium aus Forschungsagenten, der Aggregation von Wahrscheinlichkeiten, einer adversarialen Debatte und einem Supervisor, der Meinungsverschiedenheiten erkennt, nach klärenden Belegen…

Maschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook vergleicht deterministische relationale Suche mit Einbettungssuche in einem Bestand institutioneller 13F-Beteiligungen. Es erstellt eine zeitpunktbezogene Momentaufnahme, indem es für jede Institution die zuletzt gemeldete Position vor einem…

Maschinelles LernenAktienStatistikBacktesting
Machine Learning for Trading

Dieses Notebook demonstriert das Training eines generativen adversarialen Netzwerks mit entwickelten ETF-Merkmalen unter differenzieller Privatsphäre. Es führt die Datenschutzparameter Epsilon und Delta ein, erläutert, warum DP-SGD den Gradienten jedes…

Maschinelles LernenStatistikRisikomanagementAktien
Machine Learning for Trading

Dieses Notebook wendet klassische Inferenz mit gewöhnlicher Methode der kleinsten Quadrate auf ETF-Merkmale und zukünftige Renditen an. Es behandelt Koeffizientenschätzungen, Standardfehler, t-Statistiken, p-Werte sowie Tests auf Heteroskedastizität,…

AktienStatistikRisikomanagementMaschinelles Lernen
Machine Learning for Trading

Dieses Dokument beschreibt Hilfsprogramme zum Laden geparster NASDAQ-ITCH-Nachrichten und zum Wiederaufbau eines Limit-Orderbuchs aus Auftragserteilungen, Löschungen, Stornierungen, Ausführungen und Ersetzungen. Es verfolgt die verbleibenden Aktien je…

AktienMarktmikrostrukturOrderausführungHochfrequenzhandel
Machine Learning for Trading

Dieses Notebook verfolgt die ETF-Ranking-Signale von der Portfoliobildung bis zu einem vereinfachten Backtest. Ridge-Regression und logistische Klassifikation werden mit Walk-Forward-Aufteilungen trainiert und anschließend mit Momentum- und gleich…

AktienMaschinelles LernenBacktestingOrderausführung
Machine Learning for Trading

Dieses Notebook vergleicht zeitbasierte Bars mit Tick-, Volumen-, Dollar-, Imbalance- und Run-Bars, die aus den Börsentransaktionen von AAPL an einem einzigen Tag erstellt werden. Die ersten vier Stichprobenverfahren gruppieren Beobachtungen nach…

AktienMarktmikrostrukturStatistikTechnische Indikatoren
Machine Learning for Trading

Dieses Dokument beschreibt einen Datensatz und Ablauf zur Untersuchung von Kryptowährungs-Perpetual-Futures zusammen mit ihrem Prämienindex. Es umfasst stündliche OHLCV-Beobachtungen und Prämienmessungen im Acht-Stunden-Takt für ein festgelegtes Universum…

KryptoPerpetual FuturesFuturesArbitrage