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

77 Dokumente

MQL5 articles

Der Artikel beschreibt einen MetaTrader-5-Expert-Advisor, der von einem einzigen Chart aus eine wählbare Gruppe von Währungs- und Metallsymbolen handelt. Sein Einstiegssignal kombiniert Bollinger-Bänder, die auf Keltner-Channel-Werten berechnet werden: Der…

DevisenhandelRohstoffeTechnische IndikatorenBacktesting
MQL5 articles

Der Artikel schließt eine Reihe von Tests zu Signalregeln ab, die den Stochastic Oscillator mit dem Fractal Adaptive Moving Average (FrAMA) kombinieren. Er beschreibt Setups für Ausbrüche aus Kompression bei niedriger Volatilität, Stochastic-W/M-Formationen…

DevisenhandelRohstoffeTechnische IndikatorenAusbruch
MQL5 articles

Dieser Artikel beschreibt einen MetaTrader-5-Expert-Advisor, der mehrere Forex- und Metallpaare von einem Chart aus handeln kann und sich optional auf ein einzelnes Paar beschränkt. Sein Signalkonzept kombiniert die Swing-Struktur des ZigZag mit dem Awesome…

DevisenhandelRohstoffeMulti-AssetTechnische Indikatoren
MQL5 articles

Dieses Tutorial wandelt einen benutzerdefinierten UT-Bot-Alerts-Indikator in einen MQL5-Expert-Advisor um. Es betont das zuverlässige Auslesen von Indikatorpuffern und die Synchronisierung von Entscheidungen mit neuen Bars. Der EA wertet das Signal der…

Technische IndikatorenOrderausführungRisikomanagementBacktesting
Machine Learning for Trading

Das Dokument zeigt, wie wöchentliche Commitment-of-Traders-Berichte in Positionsmerkmale für Futures umgewandelt werden. Es erläutert die Händlerkategorien in den Formaten für Finanz-Futures und aufgeschlüsselte Rohstoffe sowie die Bedeutung der…

FuturesRohstoffeMarktstimmungTechnische Indikatoren
Machine Learning for Trading

Dieses Dokument beschreibt eine tägliche Kandidatenmenge von ETF, die Aktien, festverzinsliche Wertpapiere, Rohstoffe und Währungen abdeckt. Es skizziert einen Ablauf zum Herunterladen und Laden von Marktdaten für Analysen, zur Prüfung der Abdeckung nach…

Multi-AssetAktienFestverzinsliche WertpapiereRohstoffe
Machine Learning for Trading

Dieses Dokument erläutert, wie sich wöchentliche Commitment-of-Traders-Berichte in Merkmale zur Positionierung in Futures umwandeln lassen. Es beschreibt Berichtskategorien für Finanz-Futures und physische Rohstoffe, erklärt, wie Nettopositionen die…

FuturesRohstoffeMarktstimmungStatistik
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

Dieser Leitfaden erläutert, wie stündliche kontinuierliche Futures-Daten in Tagesbalken umgewandelt werden, die an CME-Handelssitzungen ausgerichtet sind. Da eine Sitzung um 4 PM Central Time endet, gehören Balken vom Sonntagabend zur Montagssitzung. Balken…

FuturesRohstoffeMarktmikrostrukturBacktesting
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

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

Dieses Notebook misst, wie sich Transaktionskosten auf eine festgelegte CME-Futures-Strategiekonfiguration auswirken. Es wählt die berichtete Konfiguration in einem gemeinsamen Validierungsverfahren aus, übernimmt deren Risiko-Overlay in die Kostenläufe und…

FuturesRohstoffeBacktestingOrderausführung
Machine Learning for Trading

Dieses Notebook erläutert, wie Futures-Kontraktspezifikationen die Abrechnung im Backtest beeinflussen. Es zeigt, wie der Kontraktmultiplikator Preisbewegungen in Dollar-P&L umrechnet, wie sich der Nominalwert für die Positionsbemessung aus Preis mal…

FuturesRohstoffeMomentumPositionsgrößenbestimmung
Machine Learning for Trading

Diese Datensatznotiz beschreibt eine diversifizierte Sammlung börsengehandelter Fonds, die in einer Momentum-Strategie und einer Reihe weiterer Finanzforschungsbeispiele verwendet wird. Sie enthält tägliche Eröffnungs-, Höchst-, Tiefst- und Schlusskurse…

Multi-AssetAktienFestverzinsliche WertpapiereRohstoffe
Machine Learning for Trading

Diese Analyse erklärt, wie CME-Futuresdaten in Produkte, auslaufende Kontrakte und nach Volumen gerollte fortlaufende Reihen gegliedert sind. Anhand von E-mini-S&P-500-Daten wird gezeigt, dass einzelne Kontrakte begrenzte Handelszeiträume haben, die sich…

FuturesRohstoffeMulti-AssetBacktesting
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

Diese Referenz fasst die gelisteten Kontraktmonate für 35 CME-Futures-Produkte aus den Bereichen Aktienindizes, US-Staatsanleihen, Energie, Metalle, Währungen, Zinssätze, Landwirtschaft, Viehwirtschaft und Krypto zusammen. Sie erläutert das Monatscodesystem…

FuturesMarktmikrostrukturBacktestingRohstoffe
Machine Learning for Trading

Dieses Dokument vergleicht alternative Methoden zur Positionsgrößenbestimmung für CME-Futures-Strategien, die anhand einer nach gleich gewichteter Validierungs-Sharpe-Ratio geordneten Baseline ausgewählt wurden. Bei gleicher Gewichtung wird jedes ausgewählte…

FuturesRohstoffePositionsgrößenbestimmungPortfolio-Konstruktion
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

Dieses Notebook untersucht Gradient Boosting für querschnittliche Prognosen von CME-Futures-Renditen. Es variiert die Baumkapazität anhand von Blattzahlprofilen und vergleicht quadratische, absolute und Huber-Verlustfunktionen, die extreme Residuen…

FuturesRohstoffeMaschinelles LernenBacktesting
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

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
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 Dokument beschreibt einen täglichen ETF-Datensatz, der als Kandidatenpool für Momentum- und marktübergreifende Forschung dient. Er umfasst neun Kategorien, darunter US und internationale Aktien, festverzinsliche Wertpapiere, Rohstoffe, Spezialfonds…

Multi-AssetMomentumAktienFestverzinsliche Wertpapiere