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
Ноутбук демонстрирует конвейер извлечения связей между поставщиками, клиентами и конкурентами из годовых отчётов компаний и сохранения их в виде графа знаний. Локальная языковая модель генерирует из текста отчётов предполагаемые тройки «субъект — отношение —…
В документе объясняется, как создавать признаки валютных пар на основе трёх обученных моделей временных рядов: фильтра пространства состояний, оценивающего медленно меняющийся уровень цены; двухрежимной скрытой марковской модели волатильности доллара; и…
В документе представлена единая машина состояний для автоматической приостановки торговли с состояниями «закрыт», «открыт» и «полуоткрыт». Этот цикл применяется к четырём условиям: просадке портфеля, дневному убытку, последовательным убыточным сессиям и…
В этом ноутбуке проверяется, могут ли последовательностные модели улучшить заданные вручную сводные показатели истории премии за бессрочное финансирование. Сравниваются NLinear — простая линейная модель, анализирующая упорядоченное окно, — и двухслойная…
В документе объясняется, почему стоп-лоссы, трейлинг-стопы и выход по времени нельзя оценить в исследовании, где бэктест сохраняет веса в течение месяца и учитывает только реализованную месячную будущую доходность. Такие правила зависят от траектории цены…
В документе описан процесс оценки зарегистрированных бэктестов микроструктуры NASDAQ-100. Он считывает существующие запуски, не обучая модели и не выполняя бэктесты повторно, отслеживает цепочки выбранных стратегий, сравнивает кандидатов с эталоном с равными…
В документе представлен поэтапный метод сопоставления названий компаний из альтернативных данных, отчётности, новостей и ценовых источников с ценными бумагами. Сначала выполняется соединение по доступным идентификаторам в заданном порядке доверия;…
В документе описано построение матрицы признаков для поперечного среза акций S&P 500 путём объединения скорректированных исторических цен акций со сводными поверхностями подразумеваемой волатильности опционов. Признаки организованы по назначению, входным…
В ноутбуке запускается или повторно воспроизводится панель одинаковых исследовательских агентов, отвечающих на общий вопрос для прогнозирования, а затем анализируются их прогнозы, поисковая активность и цепочки диалогов. Отдельная трассировка каждого агента…
В ноутбуке определяются метки месячной полной доходности для исследования характеристик компаний US с поперечным срезом и проверяется, как результаты соотносятся со строками поставщика данных. В панели характеристики за предыдущий месяц сопоставлены с…
В этом ноутбуке объясняется, как временная свёрточная сеть (TCN) может прогнозировать доходность по упорядоченным финансовым данным. Причинные свёртки гарантируют, что результат для заданного момента зависит только от текущих и предыдущих входных данных.…
В документе описаны несколько способов преобразовать оценки прогнозов в торговые сигналы: фиксированные пороги, скользящие процентили для каждого актива и поперечные процентили. Фиксированные пороги используют заданный уровень оценки; скользящие адаптируются…
В ноутбуке рассматриваются выбранная валютная стратегия и цепочка её результатов на отложенной выборке с использованием зарегистрированных исследовательских артефактов. Выбор воспроизводится на замороженном наборе кандидатов для валидации: подходящие…
В этом ноутбуке строятся описательные режимы рынка по ежемесячным экономическим данным Федеральной резервной системы: безработице, ставке по федеральным фондам, кривой доходности казначейских облигаций и инфляции. В нём объясняется, как согласовать ряды с…
В документе описаны инструменты сравнения зарегистрированных торговых стратегий и подготовки структурированных оценок тематических исследований. Основной метод ранжирования ограничивает ряды доходности точными общими временными метками перед расчётом…
В этом ноутбуке сравниваются sklearn HistGradientBoosting, XGBoost, LightGBM и CatBoost в задаче прогнозирования доходности ETF. Измеряются поперечный информационный коэффициент, время обучения и память процесса при запусках на CPU и, где поддерживается, на…
В записной книжке рассматриваются данные отчётности S&P 100 по формам 10-K и 8-K, предназначенные для построения финансового графа знаний. Проверяются полнота схемы, уникальность ключей компании и идентификатора подачи отчётности (accession number),…
В записной книжке представлен рабочий процесс отбора признаков для исследований ETF: множество возможных преобразований и периодов ретроспективы сокращается до меньшего набора для последующего моделирования. Рассчитываются информационные коэффициенты…
В записной книжке оцениваются прогнозы модели как торговые стратегии NASDAQ-100 с помощью общего движка бэктеста. Сначала проводится проверка работы конвейера на случайных сигналах: устойчивая прибыль после издержек указывала бы на такие проблемы, как…
В документе описаны способы сравнить доходность стратегии с двумя внешними бенчмарками: дневной полной доходностью SPY и рыночной доходностью Fama-French, рассчитанной как сумма рыночной премии за риск и безрисковой ставки. Предусмотрены фильтрация по датам…
В документе описано обучение простой линейной модели последовательностей на минутных признаках NASDAQ-100 для прогноза будущей доходности на нескольких горизонтах. Каждый вход содержит предшествующий час данных по одной акции, представленных как изменения…
В документе описана загрузка рыночных данных ETF с необязательными фильтрами по символу и дате, а также с детерминированным ограничением числа возвращаемых символов. Главный аналитический вывод — выбирать ценовой ряд в соответствии с измеряемой величиной:…
В записной книжке строятся модельные признаки условной волатильности акций S&P 500 с помощью модели GJR-GARCH(1,1), затем сравнивается спред между подразумеваемой волатильностью опционов и реализованной волатильностью со спредом относительно модельного…
В этом исследовании фьючерсов CME меняются ёмкость деревьев градиентного бустинга и функция потерь, а прогнозы фиксируются на нескольких этапах обучения. Число листьев дерева определяет, насколько детально модель разбивает пространство признаков;…