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

374 Dokumente

Machine Learning for Trading

Dieses Notebook entwickelt das Long-only-Markowitz-Framework mit vollständiger Investition, einschließlich zulässiger Portfolios, effizienter Grenze sowie Lösungen für maximale Sharpe Ratio und minimale Varianz. Es erläutert, wie die Portfoliovarianz von der…

Multi-AssetPortfolio-KonstruktionStatistikBacktesting
Machine Learning for Trading

Dieses Notebook wandelt Modellrankings in einfache Krypto-Perpetual-Futures-Portfolios um, damit spätere Experimente die Auswirkungen veränderter Positionsgrößen, Kosten oder Risikokontrollen messen können. Es nutzt Einstiegsregeln wie die Auswahl der…

KryptoPerpetual FuturesBacktestingPortfolio-Konstruktion
Machine Learning for Trading

Dieses Dokument vergleicht alternative Methoden zur Positionsgrößenbestimmung für CME-Futures-Strategien, die anhand einer nach gleich gewichteter Validierungs-Sharpe-Ratio geordneten Baseline ausgewählt wurden. Bei gleicher Gewichtung wird jedes ausgewählte…

FuturesRohstoffePositionsgrößenbestimmungPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook macht aus Modellprognosesätzen vergleichbare Backtests für Optionen auf den S&P 500. An jedem wöchentlichen Entscheidungstermin ordnet es die prognostizierten Renditen, wählt die höchstplatzierten Symbole aus dem liquiden Anlageuniversum aus…

OptionenAktienBacktestingOrderausführung
Machine Learning for Trading

Dieses Notebook vergleicht Gleichgewichtung, inverse Volatilität, Minimum-Varianz und hierarchische Risikoparität mit demselben ETF-Universum, denselben Prognosen, demselben Umschichtungsplan und demselben Backtestverfahren. Ein rollierendes Ridge-Modell…

Portfolio-KonstruktionBacktestingRisikomanagementMaschinelles Lernen
Machine Learning for Trading

Das Notebook erläutert den Value at Risk (VaR), der ein Verlustquantil markiert, und den Conditional Value at Risk (CVaR), der die Verluste jenseits dieser Schwelle mittelt. Anhand täglicher ETF-Renditen vergleicht es historische, gaußsche,…

RisikomanagementVolatilitätBacktestingPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook erläutert die hierarchische Risikoparität (HRP), eine Portfolioaufbaumethode, die die Empfindlichkeit gegenüber verrauschten Kovarianzschätzungen begrenzen soll. Es beschreibt drei Schritte: Vermögenswerte anhand ihrer Korrelationsdistanz…

Portfolio-KonstruktionRisikomanagementBacktestingMulti-Asset
Machine Learning for Trading

Dieses Notebook bewertet registrierte ETF-Backtests entlang der Strategiepipeline, von Signalen und Allokation bis zu Kosten und Risikoüberlagerungen. Es liest bestehende Prognosen und Backtests aus, statt Modelle anzupassen oder neue Backtests hinzuzufügen,…

Multi-AssetAktienPortfolio-KonstruktionBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht sechs Methoden zur Gewichtung von ETF-Portfolios, die anhand derselben prognostizierten Rangfolge ausgewählt wurden: gleiche Gewichtung, Score-Gewichtung, inverse Volatilität, Risikoparität, Mean-Variance-Optimierung und…

AktienPortfolio-KonstruktionBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook sammelt registrierte Schätzungen aus dem Double Machine Learning mehrerer Trading-Fallstudien und vergleicht ihre Unsicherheit und Diagnosen. Es lädt aktuelle Zeilen aus dem Register jeder Studie, prüft die Registerintegrität und die…

StatistikMaschinelles LernenRisikomanagementBacktesting
Machine Learning for Trading

Dieses Notebook stellt einen diagnostischen Rahmen für einen ETF-Allokations-Backtest vor. Es berechnet Risiko- und Renditemaße wie Sharpe, Sortino, Calmar, Volatilität, Value at Risk und maximalen Drawdown, verfolgt die rollierende Wertentwicklung und die…

Portfolio-KonstruktionRisikomanagementBacktestingAktien
Machine Learning for Trading

Dieses Notebook vergleicht sechs Allokationsmethoden für Krypto-Perpetual-Strategien, die bereits einen grundlegenden Auswahlprozess bestanden haben. Prognosen und Einstiegsregeln jeder Strategie bleiben fest, während sich die Kapitalzuweisung ändert: Ein…

KryptoPerpetual FuturesPositionsgrößenbestimmungPortfolio-Konstruktion
Machine Learning for Trading

Dieses Modul legt fest, wie ein Holdout-Auswahlfeld über Validierungsstufen und Strategielabels hinweg zusammengestellt wird. Es behandelt Abweichungen, durch die eingefrorene Kandidatensätze und die Rekonstruktion im Live-Betrieb unterschiedliche…

BacktestingRisikomanagementPortfolio-KonstruktionStatistik
Machine Learning for Trading

Dieses Notebook leitet die Kelly-Positionsgröße her, indem es bei einer binären Wette das erwartete logarithmische Vermögen maximiert. Anschließend veranschaulicht es, wie die Einsatzhöhe die Verteilung simulierter Vermögenspfade verändert. Der Ansatz wird…

PositionsgrößenbestimmungRisikomanagementPortfolio-KonstruktionStatistik
Machine Learning for Trading

Dieses Notebook bewertet eine zuvor ausgewählte ETF-Strategie in einem reservierten Holdout-Zeitraum. Es ruft die passenden Prognosen anhand ihrer Trainingsidentität und ihres Checkpoints ab, wendet die zuvor festgelegte Strategiespezifikation und…

BacktestingPortfolio-KonstruktionRisikomanagementPositionsgrößenbestimmung
Machine Learning for Trading

Dieses Notebook beschreibt ein Verfahren zur Bewertung eines Herausforderermodells im Shadow-Modus, bevor es Kapital erhält. Es vergleicht gespeicherte Prognosen eines festen Bestandsmodells und eines Kandidaten, erstellt gleich gewichtete, nach Rang…

Maschinelles LernenRisikomanagementBacktestingPortfolio-Konstruktion
Machine Learning for Trading

Dieses Modul erstellt ein Ensemble mittlerer Prognosen aus registrierten Vorhersagemengen und legt besonderen Wert auf Reproduzierbarkeit sowie die Vermeidung von Auswahlverzerrungen. Es ermittelt geeignete Modellkonfigurationen aus dem Register, statt eine…

Maschinelles LernenStatistikBacktestingPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook nutzt die Hauptkomponentenanalyse für eine liquide Teilmenge von US-Aktien, um latente Faktoren zu extrahieren und Long-Short-Eigenportfolios zu bilden. Es erläutert, wie standardisierte PCA-Vektoren in Gewichte auf Basis roher Renditen…

AktienFaktorinvestierenStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook untersucht die Regularisierung linearer Modelle für ein Universum von Währungspaaren, deren Renditen miteinander verbunden sind, weil jedes Paar einen Kurs zwischen gemeinsamen Währungen darstellt. Es unterscheidet die Merkmalskollinearität,…

DevisenhandelStatistikMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook nutzt historische Renditen von US-Aktien, um ein Korrelationsnetzwerk aufzubauen und die Portfoliokonstruktion zu untersuchen. Anhand von Daten aus dem Schätzfenster wählt es ein liquides Anlageuniversum aus, wandelt paarweise Korrelationen…

AktienUS-MärktePortfolio-KonstruktionRisikomanagement
Machine Learning for Trading

Diese Fallstudie untersucht, ob Informationen aus börsennotierten Optionen bei der Auswahl von S&P-500-Aktien helfen können. Sie kombiniert tägliche Aktienkurse mit optionsimplizierten Volatilitätsniveaus, Schiefe, Laufzeitstruktur und Kennzahlen der…

AktienOptionenBacktestingRisikomanagement
Machine Learning for Trading

Das Dokument beschreibt eine Allokationsstudie für ein FX-Portfolio, die Positionsgrößen von der Signalauswahl isolieren soll. Sie beginnt mit eingefrorenen, gleich gewichteten Basiskandidaten, die nach der Backtest-Leistung in der Validierung geordnet sind,…

DevisenhandelPortfolio-KonstruktionBacktestingRisikomanagement
Machine Learning for Trading

Diese Fallstudie vergleicht alternative Methoden zur Positionsgrößenbestimmung für CME-Futures mit einer Gleichgewichtung als Basis. Sie erläutert, wie die inverse Volatilitätsgewichtung die Volatilität jedes Kontrakts nutzt, während kovarianzbasierte…

FuturesPositionsgrößenbestimmungPortfolio-KonstruktionRisikomanagement