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

189 Dokumente

Machine Learning for Trading

Das Dokument erläutert, wie ein stochastischer Diskontfaktor (SDF) einen Preiskern schätzt, der jedes Asset bewerten sollte, statt gemeinsame Renditefaktoren zu schätzen. Es beschreibt adversariales Training: Ein Netzwerk schlägt den Diskontfaktor vor,…

OptionenBewertung von DerivatenMaschinelles LernenFaktorinvestieren
Machine Learning for Trading

Diese Analyse vergleicht Prognose-, Latent-Faktor- und Kausalmodelle für eine Querschnittsstrategie mit S&P-500-Aktien und wöchentlichen Vorwärtsrenditen. Der Merkmalsumfang kombiniert Momentum- und Volatilitätsmaße für Aktien mit Optionsdaten wie impliziter…

AktienOptionenMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook erklärt, warum eine tägliche Optionsreihe mit konstanter Laufzeit nicht die Renditehistorie eines einzelnen handelbaren Kontrakts darstellt. Wird täglich ein neuer Straddle nahe am Geld ausgewählt, können sich der Ausübungspreis, der Verfall…

OptionenVolatilitätBewertung von DerivatenBacktesting
Machine Learning for Trading

Diese Fallstudie beschreibt die Erstellung eines Prognosedatensatzes außerhalb der Stichprobe für ein bereits ausgewähltes Modell für S&P-500-Optionen. Die Konfiguration für die Testperiode wird anhand von Validierungsergebnissen festgelegt und anschließend…

OptionenMaschinelles LernenBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook vergleicht gelernte und analytische Absicherungen für einen leerverkauften europäischen Call bei diskretem Rebalancing und proportionalen Handelskosten. Es definiert den selbstfinanzierenden End-P&L aus Absicherungsgewinnen,…

OptionenBewertung von DerivatenVolatilitätRisikomanagement
Machine Learning for Trading

Dieses Hilfsprogramm misst die absolute relative Änderung der Prämie eines eröffneten Optionsstraddles über festgelegte Sitzungshorizonte. Es bildet eine gültige Straddle-Prämie aus zusammengehörigen Call- und Put-Kursen mit positiven Geldkursen und…

OptionenVolatilitätBacktesting
Machine Learning for Trading

Dieses Hilfsprogramm erstellt Label-Artefakte für 500-Optionsstraddles, wobei bei Einstieg und Ausstieg dasselbe Symbol, derselbe Strike und derselbe Verfall verwendet werden. Es ordnet Merkmalsdaten den folgenden Marktsitzungen zu, legt Ausstiegstermine…

OptionenBewertung von DerivatenBacktestingRisikomanagement
Machine Learning for Trading

Diese Analyse prüft, ob tägliche Options- und Aktiendaten eine wöchentliche S&P-500-Strategie stützen können, die die Bestandteile nach der impliziten Volatilität am Geld mit einer Laufzeit von dreißig Tagen sortiert und die am höchsten eingestuften Aktien…

AktienOptionenVolatilitätBacktesting
Machine Learning for Trading

Dieses Dokument beschreibt einen einjährigen Out-of-Sample-Backtest von S&P-500-Options-Straddles. Verwendet werden Prognosen eines auf Daten vor dem Holdout erneut trainierten Modells sowie die zuvor ausgewählte Strategie, Allokation, Konzentration, der…

OptionenBacktestingRisikomanagementUS-Märkte
Machine Learning for Trading

Dieses Notebook spezifiziert und führt eine Double-Machine-Learning-Analyse zum Effekt der Varianzrisikoprämie auf Renditen von Short-Optionen bis zum Verfall durch. Vor der Ausführung legt es Behandlung, Ergebnisgröße, Störfaktoren, Zeitablauf, Störmodell,…

OptionenVolatilitätMaschinelles LernenStatistik
Machine Learning for Trading

Diese Fallstudie passt regularisierte lineare Modelle an Renditen von bis zum Verfall gehaltenen Short-At-the-Money-Straddles an. Der Trade vereinnahmt Call- und Put-Prämien. Dadurch ist der maximale Gewinn begrenzt, während bei starken Bewegungen des…

OptionenVolatilitätMaschinelles LernenStatistik
Machine Learning for Trading

Diese Studie wandelt registrierte Modellprognosen in vergleichbare S&P-500-Optionsstrategien um. An wöchentlichen Entscheidungstagen ordnet sie prognostizierte Renditen, filtert nach einem liquiden Anlageuniversum und verkauft gleich gewichtete…

OptionenAktienBacktestingOrderausführung
Machine Learning for Trading

Dieses Notebook bewertet eine zuvor ausgewählte Optionskonfiguration für den S&P 500 in einem Holdout-Zeitraum. Es verwendet erneut die registrierten Modellprognosen und Strategieeinstellungen einschließlich Signalzeitplan, Allokation, Absicherungsregel und…

OptionenBacktestingRisikomanagementUS-Märkte
Machine Learning for Trading

Dieses Dokument beschreibt, wie die in früheren Validierungsphasen ausgewählte Konfiguration anhand aller geeigneten Daten aus der Zeit vor -2021 neu angepasst und anschließend Prognosen für den Holdout 2021 erstellt werden. Es leitet das Trainingsintervall…

AktienOptionenMaschinelles LernenBacktesting
Machine Learning for Trading

Dieses Notebook bewertet Gradient-Boosted Trees anhand von Analysen zu Aktienoptionen, bei denen Features wie implizite Volatilität, Skew, Laufzeitstruktur und Varianzrisikoprämie Markterwartungen abbilden. Es untersucht, ob ein nichtlineares Modell diese…

OptionenAktienMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook skizziert Diagnosen ausschließlich für die Validierung eines 10-Sitzungs-Renditelabels für delta-gehedgte S&P-500-Optionen. Es ordnet Finanzprognosevariablen in Gruppen ein, die von impliziter Volatilität abhängen oder unabhängig davon sind,…

OptionenVolatilitätStatistikMaschinelles Lernen
Machine Learning for Trading

Dieses Notebook erstellt modellbasierte Merkmale für die Optionsforschung zum S&P-500 anhand der Renditen des Basiswerts. Es passt GJR-GARCH an, das negativen Renditeschocks zusätzliches Gewicht verleiht, sowie ein stochastisches Volatilitätsmodell, dessen…

OptionenVolatilitätStatistikMaschinelles Lernen
Machine Learning for Trading

Dieser Leitfaden ordnet US-Aktienmarktdaten in Marktdaten, Unternehmensfundamentaldaten, Anlegerpositionierung und Unternehmensmerkmale ein. Er führt Lader für tägliche und untertägige Balkendaten, Optionen und Markt-Mikrostrukturdaten sowie Texte aus…

AktienUS-MärkteMarktmikrostrukturOptionen
Machine Learning for Trading

Dieses Notebook vergleicht Verfahren zur Absicherung einer Short-Position in einem europäischen Call bei diskretem Rebalancing und proportionalen Handelskosten. Es definiert den selbstfinanzierenden End-P&L und trainiert anschließend einen neuronalen Hedger,…

OptionenMaschinelles LernenRisikomanagementOrderausführung
Machine Learning for Trading

Dieses Notebook passt die in früheren Validierungsphasen ausgewählte Konfiguration mit Daten aus der Zeit vor -2021 erneut an und erstellt anschließend Prognosen für einen Holdout aus 2021. Es ruft die gewählte Konfiguration aus einem aufgezeichneten…

AktienOptionenMaschinelles LernenBacktesting
Machine Learning for Trading

Diese Analyse führt in die Struktur von Optionsketten ein und untersucht einen Ausschnitt aus dem Jahr 2020 von S&P-500-Optionen auf acht Basiswerte. Sie erläutert Moneyness, inneren Wert und Zeitwert, Greeks, implizite Volatilität sowie die Informationen,…

OptionenVolatilitätBewertung von DerivatenMarktmikrostruktur
Machine Learning for Trading

Diese Machbarkeitsanalyse prüft, ob Daten und Annahmen für eine wöchentliche, delta-gehedgte Short-Straddle-Strategie auf S&P-500-Bestandteile plausibel sind, bevor ein Modell angepasst wird. Sie erläutert, wie Calls und Puts mit demselben Strike und…

OptionenVolatilitätRisikomanagementBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht Gewichtungsregeln für den Verkauf von Straddles auf ausgewählten S&P-500-Symbolen. Die ausgewählten Symbole bleiben gleich, während die Allokation variiert wird; Gleichgewichtung dient als Basis. Zu den Methoden zählen Gewichtung…

OptionenPortfolio-KonstruktionPositionsgrößenbestimmungBacktesting