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 Notebook stimmt drei Transformer-Checkpoints für die dreiklassige Klassifikation des Finanzsentiments in Sätzen fein ab und vergleicht Genauigkeit, Makro-F1, Konfusionsmatrizen, Parameteranzahl und Trainingszeit. Es verwendet eine geschichtete…

Maschinelles LernenStatistikMarktstimmungBacktesting
Machine Learning for Trading

Dieses Dokument hält eine strukturierte Bullen-Bären-Debatte darüber fest, ob die Federal Reserve ihren Leitzins im Jahr 2026 anheben wird. Drei Agenten beurteilen die Frage anhand von Fed-Prognosen, Inflation, Arbeitsmarktbedingungen, Prognosen von…

Festverzinsliche WertpapiereUS-MärkteStatistik
Machine Learning for Trading

Dieses Notebook erläutert, wie sich Insidertransaktionen für die Aktienforschung aus Rohmeldungen des SEC-Formulars 4 XML extrahieren lassen. Es behandelt jeden Transaktionsblock als Einheit der Verarbeitung und erhält die Zuordnung zwischen…

AktienUS-MärkteEreignisgesteuertStatistik
Machine Learning for Trading

Dieses Notebook erstellt Hauptkomponentenfaktoren aus einem Panel von CME-Futuresrenditen und nicht aus konstruierten Merkmalen wie Carry, Momentum oder Volatilität. PCA findet Richtungen, die die Variation über Produkte hinweg erklären; die erste kann einer…

FuturesFaktorinvestierenMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht Stop-Loss-, Trailing-Stop- und Zeitausstiegs-Overlay-Strategien auf festen NASDAQ-100-Mikrostruktur-Backtests. Die Strategie trifft alle fünfzehn Minuten Entscheidungen, während Risikoregeln die Kurse minütlich überwachen. Dadurch…

RisikomanagementBacktestingPositionsgrößenbestimmungAktien
Machine Learning for Trading

Dieses Dokument stellt zwei Ansätze mit latenten Faktoren für Futures-Renditen vor. Die Hauptkomponentenanalyse findet unkorrelierte Richtungen, die den größten Anteil der Renditevariation erklären, während ein neuronaler stochastischer Diskontfaktor…

FuturesMaschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook beschreibt langsam veränderliche Kontextmerkmale für tägliche Handelsentscheidungen: Bilanzkennzahlen, makroökonomische Bedingungen und Kalenderkodierungen. Es skizziert Value- und Qualitätskennzahlen wie Gewinnrendite, Rentabilität,…

AktienFaktorinvestierenStatistikTechnische Indikatoren
Machine Learning for Trading

Dieses Dokument erläutert, wie sich tägliche Labels für künftige ETF-Renditen anhand bereinigter Schlusskurse zum Beobachtungszeitpunkt und einer späteren Handelssitzung erstellen lassen. Es erzeugt ein primäres Label mit monatlichem Horizont und eine…

AktienMaschinelles LernenStatistikMomentum
Machine Learning for Trading

Dieses Notebook vergleicht Split-Conformal-Prognosen, konforme Quantilsregression und adaptive konforme Inferenz zur Prognose künftiger Renditen von ETF. In Walk-Forward-Folds trainiert es auf einer Teilmenge, kalibriert Intervallfehler auf einer anderen und…

AktienMaschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Dieses Dokument beschreibt Methoden, um datierte Entitätsdatensätze für Fallstudien zu latenten Faktoren in Arrays umzuwandeln. Eine Methode behält nur Entitäten bei, die einen anhand eines Zulässigkeitsdatensatzes ermittelten Abdeckungsschwellenwert…

FaktorinvestierenPortfolio-KonstruktionStatistik
Machine Learning for Trading

Dieses gemeinsam genutzte Hilfsmodul stellt eine einheitliche Gradient-Boosting-Pipeline für quantitative Forschung bereit. Es definiert Kapazitätsvorgaben und überträgt kanonische Parameternamen auf die entsprechenden Einstellungen für LightGBM, XGBoost,…

Maschinelles LernenBacktestingPortfolio-Konstruktion
Machine Learning for Trading

Das Notebook untersucht, ob Orderbuchaktivität kurzfristige Renditen für NVDA vorhersagt. Es erstellt ein nach Distanz gewichtetes Maß für den Orderbuchdruck anhand von Hinzufügungen, Stornierungen und Ausführungen auf Market-by-Order-Ebene und glättet dann…

AktienMarktmikrostrukturOrderausführungStatistik
Machine Learning for Trading

Das Notebook verwendet SHAP, um die Wahrscheinlichkeiten von FinBERT für drei Finanzsentimentklassen auf Token-Ebene zu erklären. Es legt einen Modell-Checkpoint fest, ordnet die Ausgabelabels explizit zu und untersucht anschließend, welche Tokens die…

Maschinelles LernenMarktstimmung
Machine Learning for Trading

Dieses Notebook erfasst modellbasierte Merkmalsspalten aus neun Marktfallstudien, indem es Parquet-Schemas statt vollständiger Datensätze einliest. Es schließt Identifikationsfelder aus, zählt Spalten je Markt und ordnet Merkmalsfamilien anhand von…

Maschinelles LernenStatistikMulti-Asset
Machine Learning for Trading

Dieses Notebook erläutert, wie die Suche über viele Faktoren oder Strategien die scheinbare Leistung des ausgewählten Gewinners überhöht, selbst wenn einzelne Schätzungen korrekt berechnet wurden. Eine simulierte Gruppe von Rauschfaktoren veranschaulicht,…

StatistikFaktorinvestierenBacktestingRisikomanagement
Machine Learning for Trading

Diese Fallstudie vergleicht Sequenzmodelle auf einem Merkmals-Panel aus Aktien und Optionen des S&P 500. Sie stellt ein LSTM, das einen gesteuerten Zustand über ein Rückblickfenster hinweg trägt, einer N-Linear-Baseline gegenüber, die das jüngste Niveau…

AktienOptionenMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook erläutert die fünfteilige Architektur von TimeGAN: Einbettungs- und Wiederherstellungsnetzwerk bilden zwischen Rohbeobachtungen und latentem Raum ab, ein Supervisor lernt zeitliche Übergänge, und Generator sowie Diskriminator werden…

Maschinelles LernenAktienStatistikBacktesting
Machine Learning for Trading

Dieses Notebook zeigt, wie sich eine gemeinsame ETF-Momentumstrategie-Schnittstelle mit Alpaca verbinden lässt. Standardmäßig steht ein simulierter Offlinepfad zur Verfügung. Broker- und Marktdatenadapter können ausgetauscht werden, während Strategie,…

AktienMomentumOrderausführungRisikomanagement
Machine Learning for Trading

Dieses Notebook vergleicht Brutto- und Netto-Sharpe-Ratios über Kostenraster von Strategie-Backtests aus Fallstudien hinweg. Für jede eingesetzte Strategiekonfiguration liest es angenommene Kosten pro Orderseite und Rebalancing-Rhythmus aus gespeicherten…

BacktestingRisikomanagementOrderausführungStatistik
Machine Learning for Trading

Dieser Datensatz dokumentiert einen Multi-Agent-Forschungslauf zur Frage, ob die Vereinigten Staaten bis Ende 2026 in eine Rezession eintreten würden. Als festgelegte Auflösungsregel gelten entweder aufeinanderfolgende Rückgänge des vierteljährlichen GDP…

StatistikUS-MärkteMulti-Asset
Machine Learning for Trading

Dieses Notebook wandelt rollierende ETF-Renditefenster in Zweikanalbilder für ein faltendes neuronales Netz um. Das Gramian Angular Summation Field skaliert Werte innerhalb jedes Fensters neu, bildet sie auf Winkel ab und erfasst trigonometrische Beziehungen…

Maschinelles LernenStatistikAktienBacktesting