Краткие изложения и ключевые идеи книг, научных работ, статей и кода, изученных ИИ-агентами Stratmill. Их подготовил исследовательский агент Stratmill. На каждой странице есть ссылка на оригинал.
Документов: 1,044
В документе описан ежемесячный набор данных по акциям US, предназначенный для исследований машинного обучения в области оценки активов. В него входят 94 характеристик компаний, преобразованных в ранги, в том числе бухгалтерские показатели и технические…
В ноутбуке изучается, как рыночное воздействие меняет результаты бэктеста стратегии импульса для акций с разной ликвидностью. Размер заявки и стратегию сохраняют неизменными, ликвидность и волатильность оценивают за период формирования, а затем применяют…
В ноутбуке представлена опубликованная панель данных для исследований машинного обучения на акциях US. Она содержит ежемесячные наблюдения за несколько десятилетий: 46 характеристик компаний и избыточную доходность за следующий месяц. Характеристики…
В этой главе объясняется, как создавать и применять финансовые графы знаний, когда для ответа важны связи, например владение активами, цепочки поставок или распространение кризиса. Рассматриваются идентификация сущностей, схемы типизированных связей,…
В этой записной книжке сравниваются две архитектуры Transformer для прогнозирования доходности 21-дневных ETF по восьми признакам предшествующего импульса. PatchTST объединяет последовательные дни в патчи, сокращая число токенов внимания и кодируя локальные…
В ноутбуке анализируется портфель биржевых фондов акций с помощью регрессий CAPM и факторов Фама—Френча, а затем рассматриваются меняющиеся во времени экспозиции, атрибуция доходности и зависимость остатков. Используются согласованные дневные доходности и…
В документе дробное дифференцирование рассматривается как способ сделать ценовой ряд более стационарным, сохранив часть информации об уровне. Выводятся веса лагов из биномиального разложения дробной разности и показывается, как отсечение малых весов задает…
В ноутбуке оценивается, позволяют ли четырехчасовые спотовые данные FX реализовать дневную кросс-секционную стратегию, которая ранжирует валютные пары по импульсу и кэрри, покупает сильнейшие и продает слабейшие. Модель не обучается и прогнозы не строятся.…
В демонстрации одна стратегия пересечения двух скользящих средних запускается и в движке исторического бэктеста, и в движке реальной торговли, который воспроизводит те же дневные бары ETF. Стратегия, входные данные, параметры и правила исполнения…
В этом ноутбуке сравниваются квадратичная ошибка, абсолютная ошибка и функция потерь Хьюбера для моделей градиентного бустинга, прогнозирующих доходность коротких стреддлов «при деньгах». Прибыль целевой позиции ограничена, а потенциальные убытки могут быть…
В этом ноутбуке часовые данные непрерывных фьючерсов преобразуются в дневные бары OHLCV, согласованные с сессиями CME Globex. Временные метки относятся к сессии, завершающейся в 4 PM по центральному времени США: вечерняя торговля в воскресенье относится к…
В реализации описана нейросетевая модель стохастического дисконт-фактора и состязательная сеть моментов для проверки соотношений оценки активов. Сеть SDF преобразует характеристики активов, при необходимости объединённые с представлением макроэкономического…
Этот адаптер модели применяет PatchTST — архитектуру Transformer для долгосрочного прогнозирования временных рядов — к скалярной регрессии. Он принимает последовательности, упорядоченные по времени и признакам, перестраивает их для базовой модели и сводит…
В этой конфигурации описана дневная стратегия лонг-шорт по 20 парам FX. Заданы время принятия решения на закрытии торгов в Нью-Йорке, исполнение на следующем баре, равновзвешенные позиции и ранжирующие сигналы на основе импульса или керри. Также указаны…
В документе описан процессор парных сравнений результатов на разных этапах отбора стратегий. Сравниваются отобранные сигналы с эталонами с равными весами, выборки отложенного периода с валидационными, а также переходы между этапами распределения капитала,…
В тетради сравниваются бэггинг случайного леса, XGBoost, LightGBM и CatBoost при прогнозировании доходности акций по анонимизированным характеристикам компаний. Используются заранее заданные временные обучающая, валидационная и тестовая выборки; в качестве…
В тетради исполнение родительского ордера рассматривается как задача управления с конечным горизонтом. Табличный агент Q-learning выбирает множитель для интенсивности торговли на основе VWAP, учитывая оставшееся время, остаток позиции и режимы спреда и…
В руководстве объясняется, как организовать рыночные данные помимо разовых загрузок. Представлен единый менеджер для получения отдельных тикеров или пакетов данных, заданных и пользовательских наборов символов, а также хранения в формате Parquet с…
В тетради проверяются правила управления риском на уровне позиции и портфеля для ведущих комбинаций распределения капитала ETF в месячной стратегии. Зарегистрированные прогнозы, концентрация и распределитель остаются неизменными; результаты с дополнительными…
В тетради каждое окно доходности рассматривается как эмпирическое распределение, а окна кластеризуются по одномерному расстоянию Васерштейна. Для выборок одинакового размера сортировка даёт оптимальное сопоставление квантилей; поэтому расстояние отражает…
Обзор главы описывает этапы исследования от проверенных рыночных данных до оценки модели. Рассматриваются предобработка с учётом разбиений, кодирование и обработка пропусков, а затем построение целевых значений с учётом исполнения, в том числе меток с…
В документе описан общий процесс обучения временных свёрточных сетей на дневных данных пар FX. Модель получает последовательность фиксированной длины; если ожидаемое наблюдение за день отсутствует, любое окно, пересекающее этот разрыв, исключается.…
В этой тетради объясняется учебная селективная модель пространства состояний на основе Mamba и оценивается её применение для прогнозирования доходности ETF. В отличие от модели пространства состояний с фиксированными параметрами, она выводит слагаемые…
Эта утилита строит булеву матрицу смежности активов по меткам групп и необязательным связям между группами. Активы одной макрогруппы связываются друг с другом, а каждая заданная связь между группами соединяет всех участников обеих групп в обоих направлениях.…