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: 671
В этой записной книжке сравниваются три способа учитывать рыночные режимы в прогнозировании: базовая модель без признака режима, одна модель с отфильтрованной вероятностью волатильного состояния и отдельные модели, обучаемые для жёстко заданных режимов.…
В этой записной книжке размер ставки по Келли для бинарного пари выводится через максимизацию ожидаемого логарифма капитала, а затем показывается, как размер ставки меняет распределение смоделированных траекторий капитала. Подход расширяется на непрерывную…
В этой оценке опционные признаки, признаки на основе цены и признаки условной волатильности проверяются на соответствие будущей доходности акций. Для каждой сессии рассчитывается ранговая корреляция между активами: значения признаков сопоставляются с…
В этой записной книжке рассматривается инструментированный анализ главных компонент (IPCA) для панели акций с признаками поверхности опционов. В отличие от обычного PCA, который оценивает экспозиции каждой акции по истории её доходности, IPCA моделирует…
В этой записной книжке описаны три способа превратить поминутные данные NASDAQ-100 в признаки для модели: скользящая регрессия HAR для прогнозов дисперсии и ошибок прогноза, преобразование Фурье для недавних паттернов объёма и сигнатуры траектории глубины…
В документе представлена сквозная архитектура прогнозирования, объединяющая исследовательскую группу, агрегированный прогноз, состязательную дискуссию и супервизора. Супервизор выявляет разногласия, ищет уточняющие свидетельства и предлагает вероятность с…
В этой записной книжке четырёхэтапный процесс прогнозирования реализован с помощью обычной оркестрации Python, CrewAI и LangGraph. Сравнивается, где хранится состояние, как выявляются и исправляются ошибки, какие зависимости добавляет каждый подход и как…
В этой записной книжке прогнозы ARIMA рассматриваются как входные столбцы для последующих моделей, а не как самостоятельные прогнозы. Модели обучаются на доходности ETF; проверки стационарности и диагностика автокорреляции помогают предложить порядки, а…
В этой записной книжке применяется TabM — нейросетевая архитектура для табличных данных, в которой участники ансамбля совместно используют двухслойную сеть признаков. Каждый участник масштабирует общее представление своим обучаемым вектором и использует…
В этой записной книжке к признакам ETF и будущей доходности применяется классический вывод метода наименьших квадратов. Рассматриваются оценки коэффициентов, стандартные ошибки, t-статистики, p-значения и тесты на гетероскедастичность, автокорреляцию…
В этой записной книжке признаки строятся по минутным данным NASDAQ-100 тремя способами: скользящая гетерогенная авторегрессионная регрессия для краткосрочных прогнозов дисперсии, преобразование Фурье для описания периодической структуры недавней активности и…
В этом анализе сообщения NASDAQ TotalView-ITCH используются для описания активности площадки и построения таблицы сделок, связанной с тикером, стороной и атрибутами заявок. Подсчитываются типы сообщений, торговля сравнивается с гораздо более многочисленными…
В документе описано сравнение валидационных прогнозов линейных моделей, градиентного бустинга, табличного глубокого обучения и последовательных моделей для опционов S&P 500. Перед публикацией диагностик проверяется, что каждая зарегистрированная совокупность…
В этой записной книжке зарегистрированные бэктесты микроструктуры NASDAQ-100 превращаются в оценку стратегий без обучения моделей или повторного запуска бэктестов. Из реестра считываются метрики и происхождение данных; при необходимости формируются…
В этом ноутбуке оценка факторов ETF расширяется с одного горизонта доходности до проверки десяти факторов на трёх горизонтах с поправкой на множественные тесты. Затем проводятся диагностические проверки механизмов для импульса с длинным окном 12-1 и…
В этом ноутбуке оценивается, связана ли доля объёма сделок, инициированных покупателями, с будущей доходностью за 15 минут после учёта относительного спреда, недавней реализованной волатильности и доходности за предыдущий месяц. Двойное машинное обучение с…
В этом ноутбуке двойное машинное обучение (DML) применяется для оценки скорректированного эффекта непрерывного показателя импульса ETF на последующую доходность с контролем недавней и долгосрочной волатильности, рыночного режима и наклона кривой доходности.…
В этом ноутбуке оцениваются зарегистрированные бэктесты ETF на разных этапах конвейера стратегии — от сигналов и распределения активов до издержек и наложений по риску. Загружаются существующие прогнозы и бэктесты; модели не обучаются и новые бэктесты не…
В этом ноутбуке настраивается запуск прогноза с LSTM для исследования валютных пар FX. Модель переносит скрытое состояние по последовательности окна истории, а архитектура и параметры обучения задаются общими инструментами конфигурации и планирования…
В этом ноутбуке для анализа внутридневной торговой активности используются записи сделок, полученные из NASDAQ ITCH. Отдельные сделки агрегируются во временные бары; для одного тикера из каждого из трёх уровней активности сравниваются объём акций, число…
В этом ноутбуке объясняется, как воздействие на рынок растёт вместе с размером ордера, и для оценки ёмкости стратегии используется модель участия с квадратным корнем. Различаются входные данные, доступные из рыночных данных, например волатильность и средний…
В этом ноутбуке изучается, как отражать неопределённость в прогнозах доходности ETF; сравниваются dropout Монте-Карло и глубокие ансамбли. Dropout остаётся активным в повторных проходах вывода, а ансамбль измеряет расхождения между отдельно обученными…
В этом ноутбуке собраны зарегистрированные оценки двойного машинного обучения из нескольких исследований трейдинга и сравниваются их неопределённость и диагностические показатели. Загружаются актуальные строки из реестра каждого исследования, проверяются…
В этом ноутбуке обучается заданная модель LSTM для прогнозирования в исследовании опционов S&P 500. Сеть получает последовательные по времени окна истории каждого символа и использует состояние рекуррентной сети с вентильной структурой для передачи…