В этом ноутбуке скользящие окна доходности ETF преобразуются в двухканальные изображения для свёрточной нейронной сети. Поле угловых сумм Граммиана масштабирует значения внутри каждого окна, переводит их в углы и фиксирует тригонометрические зависимости…
База знаний
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.
Поиск по библиотеке
Документов: 671
Risk-Premium PCA изменяет ковариационную матрицу, добавляя взвешенное внешнее произведение вектора средних доходностей на обучающей выборке. Его ведущие собственные векторы задают статические факторные портфели: при нулевом весе получается обычный PCA, а…
В этом ноутбуке описано, как получить прогнозы для нетронутого отложенного периода после выбора конфигурации на валидационных данных. Он определяет выбранную конфигурацию, заново формирует её спецификацию обучения для отложенного периода и рассчитывает…
В этой тетради модель гауссовых смесей группирует месяцы по совместному поведению девяти рядов доходности факторов и классов активов. Месячные наблюдения стандартизируются, месяцы с пропущенными значениями исключаются, а варианты числа кластеров сравниваются…
В этой тетради создаётся агент прогнозирования, который чередует рассуждения и действия в цикле ReAct. Набор доступных действий намеренно мал: агент может искать доказательства или выдавать вероятностный прогноз. Общий интерфейс с двумя методами позволяет…
В этой тетради рассматривается задача поиска причинных связей лаборатории ADIA как тест для изучения закономерностей в рамках известного семейства симуляторов. В задаче используются многочисленные синтетические наборы данных с соответствующими известными…
В этой тетради объясняется подход Tail-GAN — генеративно-состязательный метод создания сценариев финансовой доходности с оптимизацией стоимости под риском (VaR) и ожидаемого дефицита (ES). Используется дифференцируемая сортировка, позволяющая градиентам…
В этой тетради по разработке признаков объясняется, как более медленная информация о фундаментальных показателях, макроэкономике и календарном контексте может уточнять более быстрые торговые сигналы. Описаны стоимостные коэффициенты, например отношение…
В этой тетради обобщены зарегистрированные результаты валидации для пяти оценивателей латентных факторов на наборе примеров. Сначала показано, для каких панелей есть результаты по каждому оценивателю, затем определяется лидер по среднему дневному ранговому…
В этой тетради показана оценка отдельного фактора на реальных данных ETF и примере импульса, рассчитанного по ценам. Измеряются поперечные информационные коэффициенты Спирмена относительно будущей доходности, сравниваются горизонты и объясняется разница…
В этом разборе кандидаты в финансовые признаки и признаки на основе моделей проверяются относительно будущей доходности стратегии микроструктуры NASDAQ-100. Рассчитываются поперечные ранговые информационные коэффициенты во времени, выводы корректируются с…
В этой главе генерация с дополнением на основе поиска представлена как способ повысить полезность языковых моделей для открытых финансовых исследований, где неподтверждённые утверждения и галлюцинации могут дорого обойтись. Рассматривается весь процесс: от…
В этой тетради для примера с фьючерсами CME выбирается вариант из зарегистрированных валидационных бэктестов, охватывающих правила сигналов, распределение капитала и надстройки управления риском. Кандидаты сравниваются по двум горизонтам доходности, после…
В этой тетради разрабатываются признаки, для которых нужны ряды нескольких активов. Сравниваются тесты коинтеграции Энгла—Грейнджера и Йохансена, объясняется, почему одно лишь совместное движение не означает стационарность спреда, а коэффициенты хеджирования…
В этой тетради объясняется, как формировать метки будущей внутридневной доходности для акций NASDAQ-100, используя минутные бары и котировки NBBO. Доходность определяется от следующего после сигнала бара до заданного будущего момента; для снижения эффекта…
В документе представлен рабочий процесс поддержания актуальности ежедневных рыночных данных: загрузить начальную историю, получить небольшой перекрывающийся массив новых данных, проверить пропущенные даты и отслеживать актуальность и ошибки проверки.…
В ноутбуке обучается трансформер с патчами для предсказания основной целевой переменной в исследовании акций и опционов S&P 500. Историческое входное окно каждой акции делится на последовательные неперекрывающиеся фрагменты, и каждый фрагмент рассматривается…
В этом исследовательском анализе изучаются часовые данные OHLCV по бессрочным контрактам Binance и восьмичасовой индекс премии. Проверяются охват набора данных, изменение состава контрактов, единицы измерения, пропуски и согласованность OHLC исходных баров.…
В коде представлена архитектура автоэнкодера с учителем для прогнозирования по финансовым признакам. Энкодер сжимает нормализованные входные данные до узкого представления, а декодер восстанавливает исходные входные данные как задачу регуляризации. На…
В ноутбуке описана модель стохастического дисконтирующего фактора ETF, которая подбирает единую последовательность весов для доходностей фондов при ценообразовании. В отличие от моделей, отдельно оценивающих экспозиции фондов и доходности факторов, здесь две…
В блокноте представлен процесс мониторинга работающей торговой модели: прогнозы на отложенной выборке используются как офлайн-замена текущим данным. Перед расчётом дрейфа проверяется входная панель признаков, затем эталонные и текущие окна сравниваются с…
В этом блокноте представлена GReaT — метод генерации синтетических финансовых таблиц с помощью языковой модели. Каждая строка преобразуется в текст, модель на основе GPT дообучается на признаках ETF, а сгенерированный текст разбирается обратно на числовые и…
В этом блокноте объясняется, как формировать признаки на основе моделей для панели акций US, не допуская влияния будущих наблюдений на исторические значения. Основной метод — расписание оценивания: модели используют период разогрева, обучаются только на…