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 vergleicht Methoden zur Positionsbemessung für führende Aktiensignalkonfigurationen des S&P 500. Zunächst wird anhand der Validierungs-Sharpe-Kennzahl für jede Konfiguration der stärkste Checkpoint mit vollständiger Abdeckung ausgewählt.…

AktienPortfolio-KonstruktionPositionsgrößenbestimmungBacktesting
Machine Learning for Trading

Dieses Notebook bewertet Validierungsvorhersagen als reine Long-Aktienportfolios mit gleich gewichteter Top-K-Auswahl und einem Entscheidungsrhythmus, der durch die Frequenz der Labels bestimmt wird. Es prüft die zeitliche Reihenfolge von Schlusskurs und…

AktienOptionenBacktestingPortfolio-Konstruktion
arXiv papers

Diese theoretische Arbeit entwickelt mithilfe der Rough-Path-Theorie eine pfadweise Grundlage für die stochastische Itô-Integration, um gängige Handelsstrategien und Finanzmodelle unter Unsicherheit abzudecken. Sie führt Property (RIE) für càdlàg-Pfade ein…

StatistikPortfolio-KonstruktionRisikomanagement
Machine Learning for Trading

Dieses Notebook zeigt die Abgrenzung zwischen einer Offline-Pipeline für maschinelles Lernen und der LEAN-Engine von QuantConnect. Es wählt über das ETF-Fallstudienregister eine Prognosemenge aus, prüft die Herkunft von Training und Prognosen und exportiert…

Maschinelles LernenOrderausführungBacktestingPortfolio-Konstruktion
Machine Learning for Trading

Dieses Dokument erläutert ein Run-Protokollsystem zur Aufzeichnung von Modelltraining, Prognosen, Kausalschätzungen und Backtests aus Trading-Fallstudien. Es beschreibt, wie Konfigurationen von den Einstellungen der Fallstudien über Trainingsmenüs und…

BacktestingMaschinelles LernenStatistikPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook überführt institutionelle 13F-Beteiligungen in einen Graphen, der Vermögensverwalter und Aktien mit Sektorbeziehungen und Beteiligungskanten verbindet. Diese enthalten Aktienanzahl, Wert, Berichtszeitraum und öffentliches Meldedatum. Es…

AktienMarktmikrostrukturStatistikPortfolio-Konstruktion
Machine Learning for Trading

Diese Demonstration erweitert einen Ablauf für Einzelorders zu einem täglichen Rebalancing für ein festes Universum großkapitalisierter US-Aktien. Sie erklärt, wie aktuelle Brokerpositionen mit Modellzielen verglichen, Orders für die Differenzen erstellt und…

AktienOrderausführungRisikomanagementMarktmikrostruktur
Machine Learning for Trading

Dieses Kapitel vertritt die Auffassung, dass belastbare Trading-Forschung einen disziplinierten Prozess erfordert, der sich an veränderte Märkte, verrauschte Evidenz und Implementierungskosten anpassen kann. Es unterscheidet strukturelle Brüche, Regime,…

Maschinelles LernenBacktestingRisikomanagementStatistik
Machine Learning for Trading

Dieses Notebook wendet eine zuvor ausgewählte ETF-Konfiguration auf ihren reservierten Holdout-Zeitraum an. Es leitet die passenden Holdout-Prognosen aus der ausgewählten Trainingsidentität und dem Prüfpunkt ab und verwendet dann Konzentration, Allokation,…

AktienBacktestingPortfolio-KonstruktionRisikomanagement
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 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 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

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
Machine Learning for Trading

Diese Konfiguration beschreibt eine tägliche Long-Short-US-Aktienstrategie, die ein breites Aktienuniversum anhand von Modellprognosen sortiert, das oberste Dezil kauft und das unterste Dezil mit gleichen Gewichten innerhalb der jeweiligen Gruppe…

AktienUS-MärktePortfolio-KonstruktionOrderausführung
Machine Learning for Trading

Dieses Notebook wandelt Modellranglisten in einfache Krypto-Perpetual-Portfolios um. Zu jedem Funding-Zeitpunkt wählt eine Einstiegsregel Kontrakte am oberen oder unteren Ende der Rangliste aus und gewichtet sie gleich. Die Gleichgewichtung dient als…

KryptoPerpetual FuturesBacktestingPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook zeigt, wie sich Bruttorenditen unter expliziten Annahmen zu Trading, Finanzierung und Fondskosten in eine Nettoperformance umrechnen lassen. Das Kostenmodell umfasst Spread und Marktauswirkung, Provisionen und Börsengebühren, Margin-Zinsen,…

AktienOrderausführungBacktestingRisikomanagement
Machine Learning for Trading

Diese Studie bewertet führende Kombinationen aus ETF-Allokation und Risikokontrolle anhand zweier Kostenraster neu, während jede registrierte Strategiekonfiguration unverändert bleibt. Ein Raster verwendet Basispunkte pro Trade; das andere die festgelegte…

BacktestingOrderausführungPortfolio-KonstruktionRisikomanagement
Machine Learning for Trading

Dieses Notebook vergleicht sechs Long-only-Portfolioallokationen für ein Multi-Asset-ETF-Universum. Es verwendet die Kovarianz-Shrinkage nach Ledoit-Wolf, um Stichprobenvariationen zu verringern, die Optimierungen destabilisieren können, und vergleicht…

Portfolio-KonstruktionRisikomanagementMulti-AssetBacktesting
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

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

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