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 Experiment untersucht, wie stark ein ausgewähltes monatliches US-Long-Short-Aktiensignal von Small-Cap-Aktien abhängt. Ein verzögerter Filter nach Marktkapitalisierung entfernt das kleinste Quartil aus den Validierungsprognosen; anschließend werden…

AktienUS-MärkteFaktorinvestierenBacktesting
Machine Learning for Trading

Dieses Notebook erklärt, wie PatchTST anhand gleich langer Abschnitte sequenzieller Marktmerkmale NASDAQ-100-Zielwerte prognostiziert. Die Attention verknüpft Abschnitte über eine rückwärtsgerichtete Stunde hinweg und verkürzt die Sequenz im Vergleich zu…

AktienMaschinelles LernenBacktestingStatistik
Machine Learning for Trading

Dieses Dokument beschreibt ein CME-Futures-Experiment mit TabM, einem parametereffizienten neuronalen Ensemble, anhand derselben konstruierten Merkmalszeilen und Walk-Forward-Folds wie bei linearen Modellen und Gradient-Boosting-Modellen. TabM teilt die…

FuturesMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Material erklärt, wie eine anhand von Validierungsdaten ausgewählte Strategie mit Prognosen aus einem separaten 2021-Holdout bewertet wird. Die gewählte Allokation, Konzentration, Risikokontrollen, der Handelsplan und die Kosten bleiben unverändert;…

AktienBacktestingRisikomanagementPortfolio-Konstruktion
Machine Learning for Trading

Das Dokument beschreibt eine Pipeline, die SEC 8-Meldungen in strukturierte Unternehmensereignisse umwandelt. Ein Sprachmodell extrahiert Ereignisbeziehungen; explizite Schema-Prüfungen validieren Entitätsnamen, Beziehungstypen, Kategorien und Daten. Durch…

EreignisgesteuertMaschinelles LernenStatistikMarktmikrostruktur
Machine Learning for Trading

Dieses Modul beschreibt die Migration eines Registers, nachdem eine Bibliothek die Nummerierung der Walk-Forward-Folds geändert hatte, während deren Datumsfenster und angepasste Werte unverändert blieben. Da Fold-IDs in Trainingsspezifikationen,…

BacktestingMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook untersucht erhaltene Ergebnisse einer Prüfung realer Strategien, bei der die LEAN-Engine mit entsprechenden ML4T-Backtestprofilen verglichen wird. Es ermittelt, welche Workloads der Anlageklassen durch die eingefrorenen Eingaben unterstützt…

BacktestingOrderausführungAktienFutures
Machine Learning for Trading

Dieses Notebook beschreibt die Erstellung von Prognosen für den Holdout-Zeitraum einer US-Aktienstudie, nachdem eine Konfiguration anhand von Validierungs-Folds ausgewählt wurde. Es löst die ausgewählte Konfiguration auf, behält die Wahl des Checkpoints bei…

AktienMaschinelles LernenBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook erklärt, wie verborgene Markow-Modelle unbeobachtete Marktphasen anhand von Renditen und jüngster Volatilität erschließen. Zunächst werden einfache Vergleichsregeln festgelegt: ein Schwellenwert eines Volatilitätsindex für Stress und der Kurs…

Maschinelles LernenStatistikVolatilitätTechnische Indikatoren
Machine Learning for Trading

Das Notebook erstellt vollständige Pipelines für tägliche Aktiendaten und stündliche Krypto-Perpetual-Futures, von der Erfassung und Validierung über die Kennzeichnung der Quelle bis zur Speicherung. Im Aktienbeispiel werden historische WikiPrices-Daten mit…

AktienKryptoFuturesMarktmikrostruktur
Machine Learning for Trading

Dieses Notebook stellt ein Rahmenwerk vor, um zu prüfen, ob die scheinbare Qualität eines Momentum-Signals bei vertretbaren Forschungsentscheidungen Bestand hat. Anhand realer ETF-Daten aus dem Zeitraum vor dem festgelegten Holdout-Zeitraum wird jeweils ein…

AktienMomentumStatistikBacktesting
Machine Learning for Trading

Das Notebook vergleicht zwei Möglichkeiten, einen großen Aktienauftrag über eine Handelssitzung in kleinere Aufträge aufzuteilen. TWAP sendet in jedem Zeitintervall ungefähr gleiche Mengen und benötigt keine Marktprognose. VWAP teilt die Aktien anhand eines…

AktienOrderausführungMarktmikrostrukturBacktesting
Machine Learning for Trading

Das Notebook erläutert, wie Prognosemodelle für S&P-500-Optionen verglichen werden können, ohne dass unvollständige oder nicht übereinstimmende Evaluierungsstichproben die Ergebnisse verzerren. Es kennzeichnet jedes Modell anhand von Familie, Konfiguration…

OptionenMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook bildet Unsicherheitsintervalle für ETF-Zukunftsrenditen mit Ridge-Regression und drei konformen Methoden: Split Conformal Prediction, Conformalized Quantile Regression und Adaptive Conformal Inference. Es bewertet sie anhand von…

AktienMaschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook verwendet Double Machine Learning, um zu schätzen, ob ein Premium-z-Wert bei Perpetual Futures nach Bereinigung um sechs Vorbehandlungskontrollen mit der folgenden Acht-Stunden-Rendite zusammenhängt. Es vergleicht die Effekte in Phasen hoher…

KryptoPerpetual FuturesMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook erläutert einen bedingten Autoencoder, der Aktienrenditen als merkmalsabhängige Faktorladungen modelliert, multipliziert mit latenten Faktoren. Zunächst schätzt es mit einer gemeinsamen querschnittlichen Kleinste-Quadrate-Anpassung die…

AktienFaktorinvestierenMaschinelles LernenPortfolio-Konstruktion
Machine Learning for Trading

Dieser Leitfaden zum Datensatz beschreibt eine Sammlung fortlaufender CME-Futures-Kontrakte aus Aktienindizes, Zinsen, Energie, Metallen, Währungen, Landwirtschaft und Viehwirtschaft. Er erläutert die stündlichen Quelldaten und die daraus abgeleitete…

FuturesMulti-AssetRohstoffeBacktesting
Machine Learning for Trading

Dieses Notebook untersucht, wie Allokationsregeln ETF-Strategien beeinflussen, nachdem ein Modell die Assets bereits eingestuft hat. Es hält Prognosemengen und Rebalancing-Kalender fest, wählt für jeden Vergleich denselben Top-k-Korb aus und variiert die…

AktienPortfolio-KonstruktionPositionsgrößenbestimmungRisikomanagement
Machine Learning for Trading

Dieses Notebook prüft, ob Portfolioaufbau eine Strategie mit Trades in jedem NASDAQ-100-Balken retten kann, deren Ergebnis durch Kosten zunichtegemacht wird. Es wählt anhand des festgelegten Auswahluniversums führende Baseline-Prognosen aus und führt…

AktienPortfolio-KonstruktionPositionsgrößenbestimmungOrderausführung
Machine Learning for Trading

Dieses Notebook nimmt führende Prognosekonfigurationen aus der Validierung, die auf einer gleichgewichteten Signalstufen-Baseline beruhen, und testet alternative Allokationsmethoden anhand derselben Prognosen. Es vergleicht scorebasierte und konforme…

AktienPortfolio-KonstruktionPositionsgrößenbestimmungBacktesting
Machine Learning for Trading

Dieses Notebook bewertet, wie sich registrierte ETF-Prognosemengen in Portfolios umsetzen lassen. Es kombiniert jede Prognosemenge aus der Validierung mit festgelegten Einstiegsregeln, etwa unterschiedlichen Top-k-Positionen, und hält dabei Handelskalender,…

AktienBacktestingPortfolio-KonstruktionRisikomanagement
Machine Learning for Trading

Die fraktionale Differenzierung wendet eine nichtganzzahlige Potenz des verzögerten Differenzenoperators auf logarithmierte Kurse an. Ihre Binomialgewichte klingen über frühere Beobachtungen hinweg ab, sodass das Ergebnis Kursänderungen mit einem Teil der…

StatistikTechnische IndikatorenMaschinelles Lernen
Machine Learning for Trading

Dieses Kapitel beschreibt einen Weg von der Forschung zur Live-Ausführung, bei dem dieselbe Strategielogik im Backtest, im Paper Trading und im Live-Trading laufen kann. Es behandelt Broker- und Plattformintegrationen, Bereitstellungsschleifen, Prüfungen auf…

OrderausführungRisikomanagementBacktestingMarktmikrostruktur
Machine Learning for Trading

Dieses Notebook entwickelt Merkmale für eine querschnittliche Hypothese: Ungewöhnlich teure Long-Positionen in Perpetual Futures könnten einer relativen Schwäche vorausgehen, wenn sich überfüllte Trades auflösen. Es wandelt Funding-Raten und…

KryptoPerpetual FuturesCarryBacktesting