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 Analyse schätzt, ob Momentum unter Auslassung der jüngsten Periode mit einer kausalen Veränderung der zukünftigen ETF-Renditen verbunden ist, statt zu fragen, wie gut Momentum Renditen prognostiziert. Double Machine Learning modelliert Ergebnis und…

Maschinelles LernenStatistikMomentumBacktesting
Machine Learning for Trading

Diese Methode zur Benchmark-Erstellung erzeugt eine gleichgewichtete tägliche Renditereihe aus den angegebenen Vermögenswerten einer Fallstudie. Zunächst wird für jedes Symbol der letzte Schlusskurs jeder Sitzung herangezogen; anschließend werden…

BacktestingPortfolio-KonstruktionStatistikRisikomanagement
Machine Learning for Trading

Dieses Dokument beschreibt einen täglichen Datensatz zu US-Aktien aus dem Wiki-Prices-Archiv von NASDAQ Data Link. Er umfasst Tausende Unternehmen von 1962 bis März 2018 und enthält dekotierte Unternehmen, wodurch er sich für historische Forschung eignet,…

AktienUS-MärkteBacktesting
Machine Learning for Trading

Diese Analyse profiliert ein festes Universum aus 100 ETFs in neun Anlagegruppen. Sie prüft die Abdeckung nach Fonds und Jahr, bestätigt, dass das Preispanel zur Gruppenkonfiguration passt, überprüft fehlende Werte und die OHLC-Reihenfolge und vergleicht das…

Multi-AssetStatistikRisikomanagementBacktesting
Machine Learning for Trading

Dieses Notebook untersucht Gradient-Boosting-Modelle zur Prognose von Renditen und Kursrichtung bei Krypto-Perpetuals. Das Raster variiert die Baumkapazität und die Verlustfunktion, einschließlich der Ziele quadratischer Fehler, absoluter Fehler und Huber,…

KryptoPerpetual FuturesMaschinelles LernenMomentum
Machine Learning for Trading

Dieses Dokument stellt das neuronale Netzwerk-Grundgerüst PatchTST zur Prognose multivariater Zeitreihen vor. Es teilt jede Eingabereihe in überlappende Abschnitte auf, projiziert jeden Abschnitt in einen erlernten Merkmalsraum, ergänzt Positionskodierungen…

Maschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Dokument erläutert, wie Renditen rund um Ereignisse wie Signalauslösungen, Gewinnmeldungen oder makroökonomische Veröffentlichungen gemessen werden. Das ausgearbeitete Beispiel verwendet Momentum-Ausbrüche bei liquiden ETFs. Für jedes Ereignis liefert…

AktienEreignisgesteuertMomentumAusbruch
Machine Learning for Trading

Dieses Notebook schätzt, ob der Prämien-Z-Score eines Krypto-Perpetuals die nachfolgenden Acht-Stunden-Renditen beeinflusst, wenn drei festgelegte Treiber – Preisvolatilität, Funding-Satz und durchschnittliche Prämienabweichung – konstant gehalten werden. Da…

KryptoPerpetual FuturesMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook stellt ein unbedingtes Sig-Wasserstein-GAN zur Erzeugung von Finanzzeitreihen vor. Es ersetzt einen trainierten Diskriminator für echte und generierte Daten durch eine Distanz, die auf erwarteten Pfad-Signaturen beruht, mathematischen…

Maschinelles LernenStatistikAktienVolatilität
Machine Learning for Trading

Dieses Notebook verwendet tägliche ETF-Renditen, um zu erläutern, wie GARCH-Modelle Volatilitätscluster erfassen und daraus ein Merkmal für jede Handelssitzung bilden. Zunächst werden anhand visueller Diagnosen und eines ARCH-LM-Tests geprüft, ob verzögerte…

VolatilitätStatistikRisikomanagementAktien
Machine Learning for Trading

Dieses Notebook erklärt, wie sich ein Limit-Orderbuch der NASDAQ für ein einzelnes Symbol aus Nachrichten zu einzelnen Aufträgen rekonstruieren lässt. Es verarbeitet Hinzufügungen, Ausführungen, Stornierungen, Löschungen und Ersetzungen und verfolgt dabei…

AktienMarktmikrostrukturOrderausführungStatistik
Machine Learning for Trading

Dieses Quellmodul enthält Loader für US-Aktienkurse, Indexdaten, Optionen, Markt-Mikrostruktur, Fundamentaldaten und institutionelle Beteiligungen. Das wichtigste methodische Detail betrifft die Resampling-Aggregation untertägiger Handelsdaten: Eröffnung,…

AktienMarktmikrostrukturOrderausführungUS-Märkte
Machine Learning for Trading

Dieses Notebook erläutert, wie sich anhand eines Fallstudienregisters ein Katalog von Modellversuchen rekonstruieren und mit MLflow vergleichen lässt. Es verfolgt Experimente über Trainingsläufe, Prognosesätze und Backtest-Läufe hinweg und verknüpft jede…

Maschinelles LernenBacktestingStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook zeigt eine gemeinsame OHLCV-Schnittstelle für Yahoo Finance, ein US-Aktienarchiv mit langer Historie und FRED-Makrodatenreihen. Es erstellt ein ETF-Universum für eine spätere Rotationsfallstudie, zeigt die Kombination historischer und…

Multi-AssetAktienUS-MärkteOrderausführung
Machine Learning for Trading

Diese Fallstudie entwickelt Merkmale, um zu untersuchen, ob die implizite Varianz am Geld bei S&P-500-Aktien die anschließend realisierte Varianz übersteigt und ob sich der Unterschied zwischen Wertpapieren unterscheidet. Sie kombiniert Straddle-Kurse mit…

OptionenVolatilitätAktienBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht die gewöhnliche Methode der kleinsten Quadrate mit Ridge, LASSO und Elastic Net, um zukünftige Renditen in einem ETF-Universum vorherzusagen. Alle Modelle verwenden dieselben Walk-Forward-Folds mit einem zeitlichen…

Maschinelles LernenAktienStatistikBacktesting
Machine Learning for Trading

Dieses Notebook entwickelt ein einheitensensitives Framework zur Schätzung von Handelskosten bei Aktien, ETFs, Futures, Devisen und Krypto-Perpetuals. Zunächst unterscheidet es gehandeltes Volumen von Aktivitätsmaßen, die sich nicht in den Dollar-Umsatz…

OrderausführungMarktmikrostrukturRisikomanagementFutures
Machine Learning for Trading

Dieses Kapitel zeigt, wie sich zeitkonsistente Analysen von Fundamentaldaten und alternativen Daten für Aktien, makroökonomische Reihen, Futures, Krypto und Prognosemärkte aufbauen lassen. Im Mittelpunkt stehen bitemporale Speicherung und Abfragen zum…

BacktestingStatistikMaschinelles LernenOn-Chain-Daten
Machine Learning for Trading

Dieses Notebook entwickelt ein Long-only-Mean-Varianz-Framework mit vollständiger Investition für ein diversifiziertes ETF-Universum. Es konstruiert zulässige Portfolios und eine Effizienzlinie und berechnet anschließend Gewichte mit maximaler Sharpe-Ratio…

Multi-AssetPortfolio-KonstruktionStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook berechnet die Kosten führender ETF-Allokationskonfigurationen anhand zweier Kostenraster neu, während Prognosen, Konzentration und Allokationsregeln unverändert bleiben. Es vergleicht das Kommissions- und Halbspreadmodell der Fallstudie je…

AktienOrderausführungBacktestingPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook misst, wie Ausführungskosten die bereits ausgewählte Konfiguration für Krypto-Perpetual-Futures beeinflussen. Modell, Checkpoint, Einstiegsregel, Allokation und Risikokontrolle bleiben unverändert; anschließend werden Backtests über ein…

KryptoPerpetual FuturesOrderausführungBacktesting
Machine Learning for Trading

Dieses Notebook verwendet eine Hauptkomponentenanalyse für eine liquide Teilmenge von US-Aktien, um bruttonormalisierte Eigenportfolios zu bilden und ihre Rolle als latente Risikofaktoren zu untersuchen. Es analysiert die erklärte Varianz, interpretiert…

AktienFaktorinvestierenStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook vergleicht lineare Modelle zur Prognose von ETF-Renditen anhand überlappender, aus Kursen abgeleiteter Merkmale. Da mehrere Renditehorizonte und Indikatorfamilien ähnliche Informationen codieren können, kann die gewöhnliche Methode der…

AktienMulti-AssetMaschinelles LernenStatistik
Machine Learning for Trading

Diese Konfiguration beschreibt monatliche Long-Short-Portfolios mit US-Aktien, die nach Unternehmensmerkmalen sortiert sind. Sie legt ein Universum vollständiger Fälle mit 46 Merkmalen, Entscheidungen zum Monatsende, Ausführung zur nächsten Eröffnung,…

AktienFaktorinvestierenMomentumBacktesting