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

478 Dokumente

Machine Learning for Trading

Dieses Modul erläutert, wie historische S&P-500-Kurse aufbereitet werden, wenn Tickersymbole im Zeitverlauf für unterschiedliche Wertpapiere stehen können. Es wendet Anpassungsfaktoren für Kapitalmaßnahmen an, verfolgt Wertpapierkennungen und markiert…

AktienUS-MärkteBacktestingOrderausführung
Machine Learning for Trading

Dieses Notebook beschreibt, wie sich Bruttorenditen in eine Nettoperformance überführen lassen, indem Handelsfriktionen, Finanzierung und Fondskosten getrennt modelliert werden. Das parametrisierte Kostenmodell berechnet Handelskosten anhand von…

AktienOrderausführungRisikomanagementBacktesting
Machine Learning for Trading

Das Dokument erläutert zwei Verfahren zur Schätzung von Geld-Brief-Spreads, wenn nur tägliche OHLCV-Daten verfügbar sind. Corwin-Schultz vergleicht Hoch-Tief-Spannen über benachbarte Ein- und Zwei-Tages-Intervalle und nutzt das unterschiedliche Verhalten von…

MarktmikrostrukturStatistikOrderausführungVolatilität
Machine Learning for Trading

Dieses Notebook schätzt, wie Ausführungskosten hypothetische Intraday-Strategierenditen schmälern können. Zunächst misst es volumen­gewichtete notierte Spreads für die NASDAQ-100-Bestandteile anhand von Minutenbalken-Kursnotierungen und verwendet dann den…

AktienOrderausführungMarktmikrostrukturBacktesting
Machine Learning for Trading

Dieses Notebook misst, wie eine in der Validierung ausgewählte FX-Strategie auf Änderungen proportionaler Transaktionskosten reagiert. Für jedes Prognoselabel wählt es anhand der Ergebnisse zu Signal, Allokation und Risiko-Overlay eine übergeordnete…

DevisenhandelBacktestingOrderausführungRisikomanagement
Machine Learning for Trading

Dieses Notebook misst, wie sich die Validierungsperformance einer S&P-500-Optionsstrategie unter verschiedenen angenommenen Anteilen des gezahlten notierten Spreads verändert. Es wählt eine Basisstrategie pro Modellfamilie aus und führt jede anschließend mit…

OptionenOrderausführungBacktestingRisikomanagement
Machine Learning for Trading

Dieses Dokument stellt eine wiederverwendbare Zustandsmaschine für automatisierte Handelsstopps mit den Zuständen geschlossen, offen und halb offen vor. Dieselbe Übergangslogik gilt für vier Risiken: Drawdown des Kontos, Tagesverlust, aufeinanderfolgende…

RisikomanagementOrderausführungBacktesting
Machine Learning for Trading

Dieser Datensatzleitfaden vergleicht zwei Quellen für US-Aktien-Tickdaten zur Orderbuch- und Markt-Mikrostruktur-Forschung. Die Market-by-Order-Datensätze von Databento liefern vorverarbeitete Hinzufügungs-, Änderungs-, Stornierungs- und Handelsereignisse,…

AktienMarktmikrostrukturOrderausführung
Machine Learning for Trading

Diese Fallstudie bewertet tägliche querschnittliche Signale in einem breiten US-Aktienuniversum und beschreibt eine umfangreiche Forschungspipeline: von zeitpunktgenauen Daten und entwickelten Features über Modellvergleiche und Portfoliokonstruktion bis hin…

AktienMaschinelles LernenMomentumRückkehr zum Mittelwert
Machine Learning for Trading

Dieses Modul schätzt Parameter für simulierte Kryptomärkte, die in Umgebungen für bestärkendes Lernen eingesetzt werden. Es lädt stündliche Daten zum Perpetual-Markt für ein ausgewähltes Symbol, berechnet logarithmische Renditen von Schlusskurs zu…

KryptoPerpetual FuturesVolatilitätMarktmikrostruktur
Machine Learning for Trading

Dieses Dokument beschreibt eine Gymnasium-Umgebung, in der ein Agent trainiert wird, eine Position über einen festen Zeitraum abzubauen. Die Beobachtung kombiniert Restbestand und verbleibende Zeit mit Spread, Markttiefe, Volatilität und einem normalen oder…

Maschinelles LernenOrderausführungMarktmikrostrukturVolatilität
Machine Learning for Trading

Dieses Notebook setzt einen vierphasigen Prognoseablauf mit einfacher Python-Orchestrierung, CrewAI und LangGraph um. Es vergleicht, wo der Zustand gehalten wird, wie sich Fehler untersuchen oder beheben lassen, welche Abhängigkeiten die Ansätze mitbringen…

Maschinelles LernenStatistikOrderausführungBacktesting
Machine Learning for Trading

Dieses Notebook fasst einen übergeordneten Auftrag als Steuerungsproblem mit endlichem Zeithorizont auf. In jedem Intervall wählt tabellarisches Q-Learning einen Multiplikator für eine auf VWAP basierende Handelstranche. Dabei berücksichtigt es Zeit und…

AktienOrderausführungMaschinelles LernenMarktmikrostruktur
Machine Learning for Trading

Dieses Notebook zeigt einen operativen Ablauf für eine ETF-Aktienstrategie: Marktdaten aktualisieren, Finanzmerkmale berechnen, ein Ridge-Modell neu trainieren, aktuelle querschnittliche Prognosen erstellen, sie durch eine Backtest-Engine abspielen und einen…

AktienMaschinelles LernenOrderausführungBacktesting
Machine Learning for Trading

Dieses Notebook erläutert, wie sich aus einzelnen auslaufenden Kontrakten eine kontinuierliche Futures-Preishistorie erstellen lässt. Es ermittelt den Frontmonat anhand des Handelsvolumens, wendet eine Regel gegen Rückwechsel an, um unbegründete Wechsel zu…

FuturesBacktestingOrderausführungMarktmikrostruktur
Machine Learning for Trading

Dieses Prüfskript erprobt einen reduzierten CME-Futures-Research-Ablauf – von Modellprognosen über Portfoliogewichte bis zum Backtesting. Es prüft, ob die Prognosen genau die erwarteten Produkt-, Zeitstempel- und Fold-Schlüssel abdecken, ob trainierte…

FuturesBacktestingOrderausführungRisikomanagement
Machine Learning for Trading

Dieses Modul definiert eine differenzierbare Zielfunktion für das End-to-End-Portfolio-Lernen. Es wandelt begrenzte Risikogewichte auf Anlagenebene mithilfe der Volatilitätsskalierung in Portfolio-Engagements um, berechnet die durchschnittlichen…

Maschinelles LernenPortfolio-KonstruktionRisikomanagementOrderausführung
Machine Learning for Trading

Dieses Notebook analysiert rekonstruierte NASDAQ-Orderbücher, um Intraday-Spreads und die Tiefe am besten Geld- und Briefkurs zu beschreiben. Anschließend untersucht es, ob die Orderflow-Imbalance mit der Rendite des nächsten Zeitintervalls zusammenhängt.…

AktienMarktmikrostrukturOrderausführungStatistik
Machine Learning for Trading

Dieses Notebook legt eine Baseline auf Signalebene fest, um Modellvorhersagen für CME-Futures auszuwerten. Bei jeder wöchentlichen Entscheidung werden Produkte nach prognostizierter Rendite geordnet, die oberste Gruppe gekauft, die unterste leerverkauft und…

FuturesBacktestingPortfolio-KonstruktionOrderausführung
Machine Learning for Trading

Diese Konfiguration legt ein Experiment zur Rangfolge und Neugewichtung eines ausschließlich long ausgerichteten ETF-Universums fest. Sie definiert ein breites Universum aus 100 bis ETF ETFs mit Engagements in Aktien, Anleihen, Rohstoffen und verschiedenen…

AktienMulti-AssetBacktestingOrderausführung
Machine Learning for Trading

Dieser Benchmark vergleicht CSV, Parquet, Feather (Arrow IPC) und HDF5 anhand desselben deterministischen OHLCV-Panels. Gemessen werden Schreibzeit, materialisierte Lesezeit, Dateigröße und die Auswirkungen, wenn nur ausgewählte Spalten gelesen werden. Für…

AktienBacktestingOrderausführung