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: 113

Machine Learning for Trading

В модуле задана базовая ежемесячная схема распределения активов ETF на основе скорректированного на риск показателя моментума: накопленная доходность за предшествующий период делится на реализованную волатильность в годовом выражении. Активы с наивысшим…

АкцииНесколько классов активовМоментумВолатильность
Machine Learning for Trading

В этой записной книжке месячная доходность девяти рядов факторов и рынков акций, облигаций, валют и сырьевых товаров кластеризуется с помощью моделей гауссовых смесей. После исключения месяцев с неполными данными ряды стандартизируются, чтобы различия…

Несколько классов активовФакторное инвестированиеМашинное обучениеСтатистика
Machine Learning for Trading

В этом учебном ноутбуке рассматриваются признаки, полученные из цены и объёма, которые используются в количественных исследованиях. Охвачены простая и логарифмическая доходность на разных горизонтах, моментум с пропуском одного периода, ночная и…

АкцииТехнические индикаторыВолатильностьМоментум
Machine Learning for Trading

В этом исследовании оцениваются короткие стрэддлы около денег на компоненты индекса S&P 500: позиции открываются еженедельно и удерживаются до экспирации с ежедневным дельта-хеджированием. Главный методологический выбор — моделировать доходность при…

ОпционыВолатильностьБэктестингИсполнение ордеров
Machine Learning for Trading

В ноутбуке описана адаптация Diffusion-TS для генерации синтетических рядов доходности ETF. Модель устранения шума предсказывает чистый ряд как сумму полиномиального тренда, сезонной составляющей Фурье и остатка; совместная функция потерь во временной и…

Машинное обучениеСтатистикаВолатильностьНесколько классов активов
Machine Learning for Trading

В ноутбуке на примере дневных доходностей ETF объясняется, как модели GARCH описывают группирование волатильности и преобразуют его в признак для каждой сессии. Сначала визуальная диагностика и тест ARCH-LM используются для проверки зависимости квадратов…

ВолатильностьСтатистикаУправление рискамиАкции
Machine Learning for Trading

В этом примере строятся признаки для изучения того, превышает ли подразумеваемая дисперсия опционов «при деньгах» последующую реализованную дисперсию для компонентов S&P 500, а также различается ли эта разница между бумагами. Котировки стреддлов объединяются…

ОпционыВолатильностьАкцииБэктестинг
Machine Learning for Trading

В записной книжке модели градиентного бустинга на деревьях обучаются на признаках рынка опционов, описывающих такие характеристики, как подразумеваемая волатильность, асимметрия, временная структура и премия за дисперсионный риск. С помощью…

ОпционыМашинное обучениеВолатильностьБэктестинг
Machine Learning for Trading

В записной книжке размер позиции связывается с анализом максимального неблагоприятного и благоприятного движения цены. Показан фиксированный пропорциональный метод расчёта размера: число акций определяется бюджетом риска портфеля и расстоянием от цены входа…

Определение размера позицииУправление рискамиВолатильностьБэктестинг
Machine Learning for Trading

В записной книжке объясняется, как строить признаки на данных, выходящих за пределы истории цены одного актива. Годовая доходность роллирования фьючерсов рассчитывается по текущим ценам ближнего и отложенного контрактов; три срока используются для расчёта…

ФьючерсыОпционыДоходность от переноса позицииВолатильность
Machine Learning for Trading

В этом ноутбуке объясняется, как скрытые марковские модели определяют ненаблюдаемые состояния рынка по доходности и недавней волатильности. Сначала задаются простые правила сравнения: порог индекса волатильности для стресса и цена относительно долгосрочной…

Машинное обучениеСтатистикаВолатильностьТехнические индикаторы
Machine Learning for Trading

В этом ноутбуке с помощью двойного машинного обучения оценивается связь z-оценки премии бессрочных фьючерсов с доходностью за следующие восемь часов после учёта шести контрольных переменных до воздействия. Эффекты для режимов высокой и низкой волатильности…

КриптовалютыБессрочные фьючерсыМашинное обучениеСтатистика
Machine Learning for Trading

В этой тетради создаются метки будущей доходности для коротких стрэддлов на акциях S&P 500 с ценой исполнения около текущей цены. Поскольку номинальный 30-дневный стрэддл в дневной панели представляет собой каждый раз новый контракт, сдвиг ценового ряда…

ОпционыВолатильностьОценка стоимости деривативовСтатистика
Machine Learning for Trading

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…

Машинное обучениеУправление рискамиВолатильностьФормирование портфеля
Machine Learning for Trading

В этом разборе сравниваются модели градиентного бустинга, прогнозирующие доходность до экспирации коротких стрэддлов около денег. Меняются ёмкость деревьев и три целевые функции обучения: квадратичная ошибка, абсолютная ошибка и функция потерь Хьюбера.…

ОпционыВолатильностьМашинное обучениеБэктестинг
Machine Learning for Trading

В этой конфигурации описано исследование еженедельной продажи стрэддлов «при деньгах» на компоненты индекса S&P 500. Позиции открываются в пятницу и удерживаются до приближения экспирации; дельта-хеджирование акциями выполняется ежедневно при изменении…

ОпционыВолатильностьУправление рискамиБэктестинг
Machine Learning for Trading

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…

АкцииМашинное обучениеСтатистикаВолатильность