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 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 объясняется иерархический паритет риска (HRP) — метод формирования портфеля, призванный снизить чувствительность к шумным оценкам ковариации. Описаны три этапа: кластеризация активов по расстоянию на основе корреляций, упорядочивание согласно…
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 руководстве представлены два источника тиковых данных книги заявок по акциям US для исследования микроструктуры: события Databento market-by-order и сообщения NASDAQ TotalView-ITCH. Описаны форматы, особенности охвата, примерные объёмы данных и…
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 сравниваются шесть способов взвешивания портфелей ETF, отобранных по одному и тому же прогнозному ранжированию: равные веса, взвешивание по оценке, обратная волатильность, паритет риска, оптимизация среднего и дисперсии и иерархический…
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…
В этом ноутбуке агент PPO обучается распределять родительский ордер на продажу по часовым барам бессрочных фьючерсов. К истории цен и объёмов добавляются премия бессрочного фьючерса и время до следующего расчёта финансирования; информация сдвигается так,…
В ноутбуке сравниваются три способа классифицировать предложения из финансовых новостей как позитивные, нейтральные или негативные: словесные и фразовые признаки TF-IDF с логистической регрессией, усреднённые статические векторы слов с классификатором и…
В этом ноутбуке объясняется, как построить и изучить квартальную панель фундаментальных показателей акций по данным SEC XBRL. Для каждого наблюдения указаны описываемый финансовый период и дата публикации информации. Это различие важно для исторических…
В этом ноутбуке бухгалтерские и основанные на цене характеристики оцениваются как самостоятельные предикторы доходности акций США за следующий месяц US. Рассчитываются ежемесячные поперечные ранговые корреляции каждой характеристики с целевой доходностью, а…
В этом ноутбуке кандидаты в факторы для исследования фьючерсов CME проверяются на связь с будущей доходностью. Для каждого фактора рассчитываются поперечные ранговые корреляции между значениями фактора и последующей доходностью; затем корреляции обобщаются…
В этом ноутбуке представлен диагностический подход к бэктесту распределения активов в ETF. Рассчитываются показатели риска и доходности, такие как коэффициенты Шарпа, Сортино и Кальмара, волатильность, стоимость под риском и максимальная просадка;…
В этой записной книжке месячные макроэкономические показатели кластеризуются для описания рыночных условий независимо от доходности акций. Ряды FRED выравниваются по наблюдениям на конец месяца; безработица, ставка федеральных фондов, спред кривой доходности…
В этой записной книжке Diffusion-TS адаптируется для генерации синтетических последовательностей дневной доходности ETF. Модель устранения шума прогнозирует исходный ряд и раскладывает прогноз на полиномиальный тренд, выбранные компоненты Фурье и остаток.…
В записной книжке создаётся процесс мониторинга внедрённой финансовой модели с использованием реальных артефактов отложенной выборки. До измерения дрейфа проверяется, что поступающие данные признаков заполнены и имеют правильную структуру, а затем…
В записной книжке размер позиции связывается с анализом максимальных неблагоприятных и благоприятных отклонений цены. Показан фиксированный размер доли капитала под риском: число акций определяется бюджетом риска на сделку и расстоянием от входа до стопа с…
В записной книжке объясняется интерпретация прогнозов Ridge-регрессии для панели ETF с помощью SHAP. В линейной модели вклад каждого признака равен произведению его коэффициента на отклонение признака от среднего фона обучающих данных, поэтому вклады можно…