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

837 Dokumente

Machine Learning for Trading

Dieses Dokument beschreibt ein Nebenbuch zur Verbuchung von Funding-Zahlungsströmen für Positionen in Perpetual Futures während eines Backtests. Zu jedem Funding-Zeitstempel berechnet es anhand der vorzeichenbehafteten Positionsmenge, des aktuellen…

Perpetual FuturesBacktestingBewertung von DerivatenRisikomanagement
Machine Learning for Trading

Dieses Notebook bewertet Stop-Loss-, Trailing-Stop- und Exits mit fester Laufzeit als Overlays für CME-Futures-Strategien. Für jeden Prognosehorizont wendet es konfigurierte Regeln auf die anhand vorheriger Signal- und Allokationsergebnisse ausgewählte…

FuturesRisikomanagementBacktestingCarry
Machine Learning for Trading

Dieses Notebook wendet die Hauptkomponentenanalyse auf Veränderungen von Treasury-Renditen über verschiedene Laufzeiten an. Durch die Standardisierung der Veränderungen erhält jede Laufzeit den gleichen Einfluss; die resultierenden Komponenten werden als…

Festverzinsliche WertpapiereStatistikRisikomanagementPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook fasst die Prognose von 21-Sitzungs-ETF-Zukunftsrenditen als binäre Aufgabe: Positive Renditen werden als steigend und alle übrigen als fallend klassifiziert. Es passt eine logistische Regression mit L2- und L1-Regularisierung anhand…

AktienMaschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Dieses Tutorial leitet den Kelly-Anteil für eine binäre Wette her, indem es das erwartete logarithmische Vermögenswachstum maximiert, und erweitert das Konzept anschließend auf stetige Renditen und ein Mehrwertpapierportfolio. Es verwendet symbolische…

PositionsgrößenbestimmungPortfolio-KonstruktionRisikomanagementStatistik
Machine Learning for Trading

Dieses Notebook zeigt zwei sequenzielle Überwachungsverfahren für Validierungsprognosefehler aus zwei linearen Aktienmodellkonfigurationen: einen Mittelwertverschiebungsdetektor mit zwei Fenstern und einen Monitor für die Häufigkeit schlechter Tage. Jeder…

AktienMaschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Dieses Kapitel behandelt Transaktionskosten als Einschränkung während der gesamten Strategieentwicklung und -umsetzung – von der Faktorevaluierung und dem Backtesting über die Portfoliozusammenstellung und Risikoüberwachung bis zur Produktionskontrolle. Es…

OrderausführungMarktmikrostrukturBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook wendet Double Machine Learning (DML) an, um den Effekt von Skip-Recenter-Momentum auf zukünftige ETF-Renditen zu schätzen – eine Kausalfrage, die sich von der Prognose von Renditen unterscheidet. Es modelliert das Ergebnis und die…

AktienMomentumMaschinelles LernenStatistik
Machine Learning for Trading

Das Notebook demonstriert die Abstimmung von LightGBM für die Prognose von ETF-Renditen mit Optunas TPE-Sampler. Es durchsucht Einstellungen für Baumstruktur, Stichprobenziehung und Regularisierung, wählt mithilfe vorzeitigen Abbruchs die Boosting-Runden aus…

Maschinelles LernenBacktestingStatistikAktien
Machine Learning for Trading

Dieses Kapitel stellt einen Forschungsablauf für den Einsatz von Prognosemodellen im Trading vor, bei dem stabile Prognosen außerhalb der Stichprobe wichtiger sein können als unverzerrte Koeffizientenschätzungen. Es behandelt regularisierte…

Maschinelles LernenStatistikBacktestingPositionsgrößenbestimmung
Machine Learning for Trading

Dieses Notebook definiert Labels für künftige Renditen in einem US-Aktienpanel und erläutert, warum ihre Konstruktion alle nachgelagerten Modelle und Backtests beeinflusst. Es legt Renditefenster anhand bereinigter Preise und Handelssitzungen fest, prüft, ob…

AktienMomentumStatistikBacktesting
Machine Learning for Trading

Dieses Notebook erläutert, wie sich Renditen und Risiken von ETF anhand von CAPM- und Fama-French-Faktorregressionen zerlegen lassen. Es schätzt Engagements über die gesamte Stichprobe mit robusten Standardfehlern gegen Heteroskedastizität und…

AktienFaktorinvestierenRisikomanagementStatistik
Machine Learning for Trading

Dieses Notebook prüft, ob historische ETF-Daten eine monatliche Rangfolgestrategie unterstützen können, bevor ein Modell angepasst oder Prognosen erstellt werden. Es prüft das handelbare Universum anhand der Liquidität des Vorjahres, zählt die zulässigen…

Multi-AssetBacktestingOrderausführungRisikomanagement
Machine Learning for Trading

Dieses Notebook vergleicht Methoden zur Kapitalallokation auf US-Aktienpositionen, während Modell, Checkpoint, Rebalancing-Termine und ausgewählte Aktien konstant bleiben. Es untersucht Gewichtungen anhand der Prognosestärke, der Breite des…

AktienPositionsgrößenbestimmungPortfolio-KonstruktionRisikomanagement
Machine Learning for Trading

Dieses Notebook bewertet Stop-Loss, Trailing-Stop und Ausstiege nach fester Haltedauer bei ausgewählten US-Aktienstrategien. Ein Stop-Loss reagiert auf Verluste seit dem Einstieg, ein Trailing-Stop auf Rückgänge vom Höchststand einer Position und ein…

AktienRisikomanagementBacktestingPositionsgrößenbestimmung
Machine Learning for Trading

Dieses Notebook vergleicht Provisionsmodelle für Aktien und Futures mit mehreren Slippage-Modellen und hebt hervor, dass sich ihre Einheiten und Annahmen unterscheiden. Prozentuale Gebühren bleiben als Anteil des Nominalwerts konstant, während…

OrderausführungBacktestingMarktmikrostrukturRisikomanagement
Machine Learning for Trading

Dieses Dokument beschreibt einen festen Backtest außerhalb der Stichprobe für eine ausgewählte CME-Futuresstrategie. Konfiguration, Vorhersagen, Allokator, Umschichtungsrhythmus, Konzentration und Transaktionskostenannahmen stammen aus früheren…

FuturesBacktestingStatistikRisikomanagement
Machine Learning for Trading

Diese Lehranalyse vergleicht vier neuronale Netzwerkarchitekturen anhand derselben Aufgabe: die nächste Tagesrendite aus einem jüngeren Renditefenster vorherzusagen. Ein zusammengeführter Satz aus acht börsengehandelten Fonds bietet unterschiedliche…

AktienMaschinelles LernenBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook prüft die vollständige Menge kanonischer Validierungsvorhersagen für eine Studie zu FX-Paaren. Es kontrolliert Modellidentität, Verfügbarkeit der Artefakte, Vollständigkeit, Abdeckung der konfigurierten Labels und Übereinstimmung der…

DevisenhandelMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook misst, wie sich Transaktionskosten auf eine festgelegte CME-Futures-Strategiekonfiguration auswirken. Es wählt die berichtete Konfiguration in einem gemeinsamen Validierungsverfahren aus, übernimmt deren Risiko-Overlay in die Kostenläufe und…

FuturesRohstoffeBacktestingOrderausführung
Machine Learning for Trading

Dieses Notebook vergleicht Verfahren zur Absicherung einer Short-Position in einem europäischen Call bei diskretem Rebalancing und proportionalen Handelskosten. Es definiert den selbstfinanzierenden End-P&L und trainiert anschließend einen neuronalen Hedger,…

OptionenMaschinelles LernenRisikomanagementOrderausführung
Machine Learning for Trading

Dieses Notebook vergleicht sechs Long-only-Verfahren zur ETF-Portfolioaufteilung, die die Abhängigkeit von instabilen Schätzungen verringern sollen. Bei Schätzern mit Kovarianz verwendet es die Kovarianz-Shrinkage nach Ledoit-Wolf. Außerdem vergleicht es die…

Multi-AssetAktienFestverzinsliche WertpapierePortfolio-Konstruktion
Machine Learning for Trading

Dieses Kapitel fasst neun Fallstudien zusammen, in denen Machine-Learning-Signale über Portfolioaufteilung, Handelskosten und Risiko-Overlays bis zur Auswertung eines eingefrorenen Holdouts verfolgt werden. Als Analyseeinheit dient der Verlauf jeder…

Maschinelles LernenAktienBacktestingPortfolio-Konstruktion