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

Diese Demonstration erweitert einen Ablauf für Einzelorders zu einem täglichen Rebalancing für ein festes Universum großkapitalisierter US-Aktien. Sie erklärt, wie aktuelle Brokerpositionen mit Modellzielen verglichen, Orders für die Differenzen erstellt und…

AktienOrderausführungRisikomanagementMarktmikrostruktur
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
Machine Learning for Trading

Diese Fallstudie bewertet wöchentlich eröffnete, am Geld liegende Short Straddles auf Bestandteile des S&P 500, die bis zur Fälligkeit gehalten und täglich delta-gehedgt werden. Die zentrale methodische Entscheidung ist, Renditen bis zur Fälligkeit zu…

OptionenVolatilitätBacktestingOrderausführung
Machine Learning for Trading

Dieses Notebook vergleicht zwei vortrainierte Zeitreihen-Grundmodelle, Chronos und TinyTimeMixer, mit einem LSTM und einer regularisierten linearen Basislinie auf einem ETF-Panel. Jedes Modell erhält einen univariaten historischen Kontext; die vortrainierten…

Maschinelles LernenAktienMomentumBacktesting
Machine Learning for Trading

Dieses Kapitel stellt einen Rahmen zur Bewertung kausaler Aussagen in der quantitativen Trading-Forschung vor. Es beginnt mit klaren Definitionen von Behandlung, Ergebnis, Estimand, Gegenfaktum und Adjustierungsmenge und ordnet Forschungsfragen anschließend…

Maschinelles LernenStatistikBacktestingFaktorinvestieren
Machine Learning for Trading

Dieses Notebook passt lineare Modelle an NASDAQ-100-Mikrostrukturmerkmale an, die in Ein-Minuten-Intervallen beobachtet werden, um Renditen über mehrere zukünftige Horizonte zu prognostizieren. Es soll eine einfache Basislinie vor ausdrucksstärkeren Modellen…

AktienMaschinelles LernenStatistikTechnische Indikatoren
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 Dokument beschreibt einen täglichen US-Aktienmarktdatensatz mit rund 3,200 Unternehmen von 1962 bis März 2018. Er umfasst auch dekotierte Emittenten und eignet sich damit für historische Forschung, bei der der Ausschluss gescheiterter oder dekotierter…

AktienUS-MärkteBacktesting
Machine Learning for Trading

Diese Merkmalsbewertung prüft finanzielle und modellbasierte Kandidaten anhand von Forward-Renditen für CME-Futures. Für jedes Merkmal prüft sie Datenabdeckung und Aktualität, misst die tägliche querschnittliche Rangkorrelation zwischen Merkmalswerten und…

FuturesStatistikMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook untersucht, wie Annahmen zu Transaktionskosten den Validierungs-Sharpe einer ausgewählten Aktien- und Optionsallokation des S&P 500 beeinflussen. Wenn verfügbar, übernimmt es die Konfiguration, die anhand einer eingefrorenen Kandidatenmenge…

AktienOptionenOrderausführungBacktesting
Machine Learning for Trading

Dieses Kapitel vertritt die Auffassung, dass belastbare Trading-Forschung einen disziplinierten Prozess erfordert, der sich an veränderte Märkte, verrauschte Evidenz und Implementierungskosten anpassen kann. Es unterscheidet strukturelle Brüche, Regime,…

Maschinelles LernenBacktestingRisikomanagementStatistik
Machine Learning for Trading

Dieses Evaluierungsnotebook prüft finanzielle und modellbasierte Merkmale auf ihren Zusammenhang mit der Rendite der nächsten acht Stunden bei Krypto-Perpetual-Futures. Es erstellt die Evaluierungsstichprobe aus Walk-Forward-Validierungsfenstern, lässt den…

KryptoPerpetual FuturesMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook untersucht, wie sich Regularisierung auf ein CME-Futures-Modell mit korrelierten Merkmalsfamilien auswirkt, darunter Carry, gleitende Sharpe Ratio, Momentum und Volatilitätskennzahlen. Es vergleicht Ridge, Lasso und ElasticNet: Ridge…

FuturesMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook wendet konfigurierte Stop-Loss-, Trailing-Stop- und zeitbasierte Ausstiegsregeln auf das stärkste nach Validierung gereihte Signal oder die stärkste Allokationsstrategie für jeden Futures-Renditehorizont an. Jede Regel wird für sich auf ihrer…

FuturesCarryRückkehr zum MittelwertRisikomanagement
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 beschreibt die Anpassung von Diffusion-TS zur Erzeugung synthetischer ETF-Renditereihen. Der Entrauscher prognostiziert die unverrauschte Sequenz als Summe aus polynomialem Trend, Fourier-Saisonkomponente und Residuen, während ein…

Maschinelles LernenStatistikVolatilitätMulti-Asset
Machine Learning for Trading

Das Kapitel vertritt die Auffassung, dass wiederholbare Forschungsdisziplin eine beständigere Quelle für Handelsvorteile ist als jede einzelne Strategie. Es stellt einen Ablauf vor, der auf falsifizierbaren Hypothesen, Out-of-Sample-Auswertung und…

Maschinelles LernenStatistikRisikomanagementDeFi
Machine Learning for Trading

Dieses Dokument stellt eine Kostensensitivitätsanalyse für eine feste ETF-Momentumstrategie vor. Universum, Gewichtungen, Zeitplan und Simulator bleiben unverändert, während der Backtest mit einer Reihe von Gebühren pro Handelsseite erneut ausgeführt wird.…

AktienMomentumBacktestingOrderausführung
Machine Learning for Trading

Das Dokument erläutert, warum TabM zur Modellierung von Perpetual-Funding-Paneldaten eingesetzt wird: Sein gemeinsames neuronales Grundgerüst kombiniert alle Eingabemerkmale, während nichtlineare Schichten Interaktionen abbilden können. Anders als ein Baum,…

KryptoPerpetual FuturesMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook modelliert institutionelle Aktienbestände aus SEC 13F-Meldungen als Graph, der Fondsmanager mit Wertpapieren verknüpft und Sektorbeziehungen zur Aggregation enthält. Das Schema bewahrt sowohl das Berichtsdatum zum Quartalsende als auch das…

AktienStatistikMarktmikrostruktur
Machine Learning for Trading

Dieses Notebook wendet eine zuvor ausgewählte ETF-Konfiguration auf ihren reservierten Holdout-Zeitraum an. Es leitet die passenden Holdout-Prognosen aus der ausgewählten Trainingsidentität und dem Prüfpunkt ab und verwendet dann Konzentration, Allokation,…

AktienBacktestingPortfolio-KonstruktionRisikomanagement
Machine Learning for Trading

Dieser Evaluierungsablauf prüft Finanz- und modellbasierte Merkmale anhand zukünftiger Renditen für ein NASDAQ-100-Intraday-Panel. Zunächst wird der abschließende Testzeitraum reserviert; Beobachtungen, deren zukünftige Labels innerhalb dieses Zeitraums…

AktienStatistikMaschinelles LernenBacktesting