Перейти к содержимому

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: 1,044

Machine Learning for Trading

В записной книжке обучается модель Skip-gram Word2Vec на небольшом корпусе финансовых новостей с метками тональности и изучаются её ближайшие соседи. Метод представляет слова на основе контекстов, в которых они встречаются. В примере слова «прибыль» и…

Машинное обучениеНастроения рынкаСтатистика
Machine Learning for Trading

В этой записной книжке описан способ преобразовать валовую доходность в результат после издержек, отдельно моделируя торговые трения, финансирование и расходы фонда. Параметризованная структура затрат рассчитывает торговые издержки по обороту и размеру…

АкцииИсполнение ордеровУправление рискамиБэктестинг
Machine Learning for Trading

В документе описан рабочий процесс сбора казначейских доходностей и экономических индикаторов FRED, выравнивания рядов с разной периодичностью относительно дневного календаря, а также загрузки и фильтрации полученного набора данных. Индикаторы включают…

Инструменты с фиксированным доходомНесколько классов активовУправление рискамиСтатистика
Machine Learning for Trading

В модуле описан интерфейс поиска для исследовательских агентов с действующим провайдером и детерминированным имитационным провайдером. Поиск позволяет ограничивать число результатов и задавать отсечку по дате публикации, поддерживая исследование на…

Машинное обучениеТорговля на событияхБэктестингУправление рисками
Machine Learning for Trading

В этом модуле задаётся дифференцируемый целевой функционал для сквозного обучения портфеля. Ограниченные риск-веса на уровне активов преобразуются в портфельные экспозиции с помощью масштабирования по волатильности; затем рассчитывается средняя валовая…

Машинное обучениеФормирование портфеляУправление рискамиИсполнение ордеров
Machine Learning for Trading

В этой записной книжке анализируются восстановленные книги заявок NASDAQ: описываются внутридневные спреды и глубина на лучших ценах покупки и продажи, а затем проверяется связь дисбаланса потока заявок с доходностью следующего интервала. Спреды выражаются в…

АкцииМикроструктура рынкаИсполнение ордеровСтатистика
Machine Learning for Trading

В этой записной книжке объясняется, как условный автоэнкодер расширяет инструментальный PCA для моделирования доходности ETF. Оба метода преобразуют признаки фондов в факторные экспозиции и объединяют их с доходностями факторов; автоэнкодер заменяет линейное…

АкцииФакторное инвестированиеМашинное обучениеБэктестинг
Machine Learning for Trading

В этом разборе объясняется, почему стоп-лоссы, трейлинг-стопы и другие надстройки на уровне позиции нельзя проверить для портфелей характеристик компаний US, построенных на месячных наблюдениях. В векторизованном бэктесте один вектор весов применяется к…

АкцииУправление рискамиБэктестинг
Machine Learning for Trading

В этой записной книжке задаётся базовый уровень для оценки модельных прогнозов по фьючерсам CME на этапе работы с сигналами. При каждом еженедельном решении инструменты ранжируются по прогнозируемой доходности: верхняя группа покупается, нижняя продаётся в…

ФьючерсыБэктестингФормирование портфеляИсполнение ордеров
Machine Learning for Trading

В этой записной книжке линейная регрессия используется как базовая модель для прогнозирования доходности NASDAQ-100 по микроструктурным признакам с минутной частотой. Поскольку показатели спреда и дисбаланса заявок перекрываются на разных окнах…

АкцииМикроструктура рынкаМашинное обучениеСтатистика
Machine Learning for Trading

В ноутбуке сравниваются два причинных вопроса о чрезмерных премиях в бессрочных фьючерсах на биткоин: предсказывает ли состояние премии будущую доходность и предсказывает ли оно последующее снижение премии. Воздействие задаётся бинарным индикатором: z-оценка…

КриптовалютыБессрочные фьючерсыСтатистикаМикроструктура рынка
Machine Learning for Trading

В ноутбуке представлен порядок анализа для выбора модели финансовых временных рядов. Сначала графики цен и доходностей SPY, уровней VIX и распределения доходности помогают выявить дрейф уровней, кластеры движений и тяжёлые хвосты. Затем сочетаются тест…

СтатистикаВолатильностьТехнические индикаторыАкции
Machine Learning for Trading

В этом эксперименте проверяется ранжирование и ребалансировка ETF с позициями только на покупку. Задаётся широкий набор из 100-ETF инструментов с экспозицией на акции, облигации, сырьё и регионы; решения принимаются ежемесячно, исполнение — по цене открытия…

АкцииНесколько классов активовБэктестингИсполнение ордеров
Machine Learning for Trading

В ноутбуке строятся интервалы прогнозирования для прогнозов градиентного бустинга и сравниваются разделённое конформное прогнозирование, квантильная регрессия, конформированная квантильная регрессия и адаптивный конформный вывод. Разделённый конформный метод…

Машинное обучениеСтатистикаУправление рискамиОпределение размера позиции
Machine Learning for Trading

В этом исследовании панели акций US линейная модель со штрафом служит базовым методом прогнозирования будущей доходности по признакам, наблюдаемым на закрытии торгов. Набор признаков включает перекрывающиеся измерения импульса и волатильности, что создаёт…

АкцииФакторное инвестированиеСтатистикаУправление рисками
Machine Learning for Trading

В тесте сравниваются CSV, Parquet, Feather (Arrow IPC) и HDF5 на одной и той же детерминированной панели OHLCV. Измеряются время записи, время чтения с загрузкой в память, размер файла и эффект чтения только выбранных столбцов. Выполняется одна запись, а…

АкцииБэктестингИсполнение ордеров
Machine Learning for Trading

В этом исследовании признаков ETF строятся три признака на основе моделей: скрытая марковская модель (HMM) для оценки рыночного режима, дробно дифференцированные цены эталонных фондов и условная волатильность каждого ETF по модели GARCH(1,1). Чтобы избежать…

АкцииВолатильностьМашинное обучениеСтатистика
Machine Learning for Trading

В ноутбуке объясняется инструментальный анализ главных компонент (IPCA), который оценивает общие факторы, задавая экспозиции каждой акции к ним как общую линейную функцию характеристик поверхности опционов на ту же дату. К этим характеристикам относятся…

ОпционыАкцииФакторное инвестированиеМашинное обучение
Machine Learning for Trading

В этом руководстве на дневных данных SPY сравниваются фиксированные уровни стоп-лосса и тейк-профита, трейлинг-стопы, выходы с масштабированием по ATR, сигнал выхода на основе машинного обучения и сочетания этих подходов. Фиксированные уровни симулируются от…

АкцииУправление рискамиТехнические индикаторыБэктестинг
Machine Learning for Trading

В исследовании деревья градиентного бустинга сравниваются с линейной моделью со штрафом для ранжирования валютных пар по будущей доходности. Деревья могут отражать условные связи — например, использовать импульс в одном рыночном режиме и керри в другом; при…

Валютный рынокМашинное обучениеСтатистикаБэктестинг
Machine Learning for Trading

В этом исследовательском анализе рассматривается четырёхчасовой набор данных OANDA по двадцати валютным парам. Поясняется, что поле объёма считает обновления котировок на одной площадке, а не совокупный объём торгов, поэтому по нему нельзя ранжировать…

Валютный рынокСтатистикаМикроструктура рынка
Machine Learning for Trading

В этом практическом руководстве показаны меры безопасности во время работы торговой системы на реальном счёте с использованием синтетического брокера. Пример показывает, как SafeBroker отклоняет заявки, если рыночные данные слишком старые или дневные убытки…

Управление рискамиИсполнение ордеровМикроструктура рынка
Machine Learning for Trading

В этом ноутбуке собирается агент прогнозирования из клиента языковой модели, инструмента поиска и цикла с ограниченным числом ходов. Агент ищет свидетельства и возвращает бинарную вероятность с обоснованием. Парсер ответа обрабатывает типичные ошибки…

Машинное обучениеСтатистикаНастроения рынкаБэктестинг
Machine Learning for Trading

В ноутбуке применяются байесовские методы событийного анализа на структурных временных рядах для оценки влияния заявлений Федеральной резервной системы на облигационный ETF. Контрфактический сценарий строится на связях до события между дневной…

Инструменты с фиксированным доходомТорговля на событияхСтатистикаМашинное обучение