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

35 Dokumente

Machine Learning for Trading

Dieses Notebook beschreibt einen Backtest außerhalb der Stichprobe für eine ausgewählte Krypto-Perpetual-Funding-Strategie. Es verwendet Prognosen aus einer Trainingshistorie, die vor dem Holdout-Zeitraum endet, und wendet anschließend die gewählte…

KryptoPerpetual FuturesCarryBacktesting
Machine Learning for Trading

Dieses Notebook erläutert, wie sich aus drei Kontraktlaufzeiten je Produkt eine querschnittliche Futures-Feature-Matrix erstellen lässt. Carry und Kurvenkrümmung werden aus Börsenabrechnungskursen abgeleitet, während rollbereinigte Preise für Rendite-,…

FuturesRohstoffeCarryMomentum
Machine Learning for Trading

Dieses Dokument beschreibt den Datenzugriff und die Konventionen zur zeitlichen Ausrichtung für Krypto-Perpetual-Futures und zugehörige On-Chain-Reihen. Es erläutert, dass Premium-Index-Balken mit ihrem Eröffnungszeitpunkt als Zeitstempel versehen sind: Ein…

KryptoPerpetual FuturesOn-Chain-DatenDeFi
Machine Learning for Trading

Dieses Notebook prüft, ob vierstündige Spot-FX-Daten eine tägliche Querschnittsstrategie unterstützen können, die Währungspaare nach Momentum und Carry ordnet. Es testet, ob für die deklarierten Instrumente zu jedem Entscheidungszeitpunkt Kurse vorliegen, ob…

DevisenhandelMomentumCarryStatistik
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 erstellt regelbasierte Merkmale für einen Querschnitt von CME-Futures, mit Fokus auf Carry aus den Spreads nahe beieinanderliegender Lieferkontrakte. Außerdem werden Momentum-, Volatilitäts-, Kurvenform- und Kalendermerkmale erstellt. Das…

FuturesRohstoffeCarryMomentum
Machine Learning for Trading

Diese Datenanalyse untersucht achtstündige Beobachtungen eines Prämienindex für USDT-besicherte Krypto-Perpetual-Kontrakte und erläutert den Zusammenhang zwischen Prämie und Funding-Zahlungen. Der Index verwendet ausführbare Impact-Bid- und -Ask-Kurse im…

KryptoPerpetual FuturesArbitrageCarry
Machine Learning for Trading

Dieser Datensatzleitfaden stellt Preis- und Volumendaten zu Binance-Perpetual-Futures zusammen mit einem achtstündlichen Prämienindex vor. Stündliche OHLCV-Datensätze beschreiben die Marktaktivität, während die Prämie die Differenz zwischen Perpetual- und…

KryptoPerpetual FuturesSpotmärkteCarry
Machine Learning for Trading

Dieses Notebook definiert Vorwärtsrenditeziele für eine Futuresstrategie im Querschnitt, die Produkte nach ihrer Laufzeitstruktur einordnet, stärkere Carry-Produkte long geht und schwächere short. Es unterscheidet um Rollvorgänge bereinigte Kurse, die sich…

FuturesRohstoffeCarryStatistik
Machine Learning for Trading

Diese Fallstudie bewertet tägliche Momentum- und Carry-Signale in einem kleinen, korrelierten Universum von G10-Spot-Währungspaaren. Der Ablauf reicht von Machbarkeitsprüfungen und zukunftsgerichteten Renditelabels über konstruierte und modellbasierte…

DevisenhandelMomentumCarryBacktesting
Machine Learning for Trading

Dieses Notebook zur Merkmalsentwicklung erstellt Variablen, die Informationen über die Kurshistorie eines einzelnen Assets hinaus erfordern. Für Futures berechnet es die annualisierte Rollrendite aus zeitgleichen Kursniveaus naher und ferner Kontrakte sowie…

FuturesOptionenCarryVolatilität
Machine Learning for Trading

Dieses Notebook wandelt Futures-Carry – die Preisdifferenz zwischen nahen Fälligkeiten – in modellbasierte Features um. Es beschreibt Ein-Schritt-ARIMA-Prognosen je Produkt, rollierende Fourier-Maße für die Stärke saisonaler Zyklen und ein…

FuturesCarryMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook prüft, ob Spot-FX-Daten im Vierstundentakt eine tägliche querschnittliche Strategie unterstützen können, die Währungspaare anhand von Momentum und Carry einordnet, die stärksten kauft und die schwächsten verkauft. Es passt kein Modell an und…

DevisenhandelMomentumCarryStatistik
Machine Learning for Trading

Diese Konfiguration beschreibt eine tägliche Long-Short-Strategie über 20 FX-Paare. Sie legt einen Entscheidungszeitpunkt zum New Yorker Börsenschluss, Ausführung am nächsten Balken, gleich gewichtete Positionsgrößen und Rangfolgesignale auf Basis von…

DevisenhandelMomentumCarryRückkehr zum Mittelwert
Machine Learning for Trading

Diese Analyse erklärt, wie der Premium-Index von Binance für Perpetual-Futures mit Spotpreisen zusammenhängt und wie die Börse diese Prämie in regelmäßige Funding-Zahlungen umwandelt. Der Index verwendet ausführbare Impact-Bid- und Ask-Preise im Verhältnis…

KryptoPerpetual FuturesCarryArbitrage
Machine Learning for Trading

Dieses Notebook beschreibt, wie eine ausgewählte Funding-Strategie für Krypto-Perpetuals in einem späteren Holdout-Zeitraum bewertet wird. Es verwendet Prognosen wieder, die mit vor dem Holdout endenden Trainingsdaten erzeugt wurden, führt das gewählte…

KryptoPerpetual FuturesCarryBacktesting
Machine Learning for Trading

Dieses Notebook prüft, ob die Daten eine wöchentliche, querschnittliche Futures-Strategie unterstützen, bevor ein Modell trainiert wird. Es beschreibt einen Ansatz, der CME-Produkte ordnet, Long-Positionen in den höchstbewerteten und Short-Positionen in den…

FuturesRohstoffeCarryOrderausführung
Machine Learning for Trading

Dieses Dokument untersucht positionsbezogene Ausstiege, die einer bestehenden Krypto-Perpetual-Strategie hinzugefügt werden: feste Stop-Losses, Trailing-Stops und zeitbasierte Ausstiege. Es erklärt, dass diese Kontrollen nur Positionen schließen, die von der…

KryptoPerpetual FuturesRisikomanagementBacktesting
Machine Learning for Trading

Dieses Notebook nutzt Double Machine Learning, um zu schätzen, ob Futures-Carry nach Berücksichtigung von Volatilität, Momentum und dem querschnittlichen Carry-Rang nachfolgende Renditen vorhersagt. Mithilfe flexibler Modelle und Cross-Fitting werden Carry…

FuturesCarryMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook verwendet Double Machine Learning, um zu schätzen, ob Futures-Carry nach Anpassung um Volatilität, Momentum und den querschnittlichen Carry-Rang spätere Renditen beeinflusst. Es unterscheidet kausale Erklärung von Prognoseleistung: Ein…

FuturesCarryMaschinelles LernenStatistik
Machine Learning for Trading

Diese Analyse prüft, ob Abrechnungsdaten eine wöchentliche, querschnittliche CME-Futures-Strategie unterstützen können, bevor ein Modell angepasst wird. Sie untersucht, ob an den Rebalancing-Terminen genügend Produkte notiert sind, um die vorgesehenen Long-…

FuturesCarryRisikomanagementBacktesting
Machine Learning for Trading

Das Dokument erläutert, wie Forward-Return-Labels für eine querschnittliche Futures-Strategie erstellt werden, die Produkte nach ihrer Terminkurve ordnet. Es unterscheidet rollbereinigte Preise, die für Renditen über Kontraktwechsel hinweg geeignet sind, von…

FuturesRohstoffeCarryBacktesting
Machine Learning for Trading

Das Dokument beschreibt drei modellbasierte Merkmale aus dem Carry von Futures: eine ARIMA-Prognose des Carry der nächsten Sitzung, rollierende Fourier-Maße ausgewählter Zykluslängen und ein Hidden-Markov-Modell mit zwei Zuständen, das das Marktregime anhand…

FuturesCarryMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Dokument beschreibt einen CME-Futuresdatensatz mit Stunden- und Tagesbalken, fortlaufenden Frontmonat-Kontrakten sowie zwei späteren Laufzeiten über mehrere Produktgruppen hinweg. Es erläutert die Abdeckung und Felder des Datensatzes,…

FuturesCarryRohstoffeMarktmikrostruktur