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: 671

Machine Learning for Trading

В документе описаны сквозные конвейеры для объединения исторических и недавних данных по акциям, а также подготовки часовых данных бессрочных криптоконтрактов. В основном примере наблюдения WikiPrices и Yahoo объединяются на границе покрытия; проверяются…

Несколько классов активовСтатистикаУправление рисками
Machine Learning for Trading

В записной книжке представлен структурированный формат состояния для исследовательских агентов, сохраняющий вопрос запуска, дату отсечения, свидетельства, нерешённые вопросы, историю инструментов, результаты проверок качества и статус синтеза. Это состояние…

Машинное обучениеСтатистикаУправление рисками
Machine Learning for Trading

В руководстве объясняется, как выявлять и предотвращать смещение заглядывания в будущее в данных ETF и макроэкономических данных. Показано, что центрированные скользящие средние используют будущие наблюдения, а простая корреляция уровня признака с…

БэктестингСтатистикаАкцииРынки США
Machine Learning for Trading

В документе оценивается, как торговые издержки меняют валидационные результаты одного ранее выбранного распределения между акциями и опционами S&P 500. Рассматриваются комиссии за одну сторону как доля торгуемой стоимости; они сравниваются с фиксированной…

АкцииОпционыБэктестингИсполнение ордеров
Machine Learning for Trading

В записной книжке анализ главных компонент на основе корреляций применяется к доходности секторных ETF, чтобы описать общие факторы риска и ротацию секторов. Стандартизация доходности придаёт каждому сектору единичную дисперсию перед декомпозицией, уменьшая…

АкцииФакторное инвестированиеСтатистикаФормирование портфеля
Machine Learning for Trading

В записной книжке сравниваются Монте-Карло-дропаут и глубокие ансамбли как способы оценить неопределённость ежедневных прогнозов доходности ETF. Дропаут остаётся активным при повторных прогнозах, а участники ансамбля обучаются отдельно; разброс прогнозов…

Машинное обучениеСтатистикаУправление рискамиОпределение размера позиции
Machine Learning for Trading

В записной книжке рассматриваются методы выявления изменений во временном финансовом ряду на примере SPY. Тест Зивота—Эндрюса, который оценивает один структурный сдвиг при проверке гипотезы о единичном корне, сопоставляется с PELT и бинарной сегментацией,…

АкцииСтатистикаМашинное обучениеУправление рисками
Machine Learning for Trading

В записной книжке оценивается предварительно обученная модель финансового тонального анализа на заголовках FinMarBa и объясняется, почему этот результат не является чистой проверкой переноса тональности. FinBERT обучалась на человеческих оценках тональности…

Машинное обучениеНастроения рынкаАкцииСтатистика
Machine Learning for Trading

В записной книжке описан базовый метод главных компонент для прогнозирования доходности фьючерсов CME. PCA обучается на панели доходности инструментов обучающего фолда, поэтому её компоненты отражают направления совместного движения контрактов, а не сжатые…

ФьючерсыФакторное инвестированиеСтатистикаБэктестинг
Machine Learning for Trading

В этой записной книжке сравниваются модели последовательностей на недельной сетке, прогнозирующие ту же доходность за следующие пять сессий, что и модели на дневной сетке. Выборка по пятницам превращает эту целевую переменную примерно в прогноз на один шаг…

АкцииМашинное обучениеБэктестингСтатистика
Machine Learning for Trading

В этой записной книжке создаётся исследовательский помощник с дополнением ответов извлечёнными данными на основе выдержек из годовых отчётов компаний US по форме 10-K. Он загружает отчёты, разбивает текст на окна предложений, преобразует фрагменты в векторы…

Машинное обучениеАкцииСтатистика
Machine Learning for Trading

В исследовательском анализе описывается дневная панель биржевых фондов по девяти группам. Проверяется покрытие символов во времени, сравнивается панель со справочником классификации, рассматриваются пропуски и нулевые объёмы, а также порядок ценовых баров и…

АкцииФормирование портфеляИсполнение ордеровУправление рисками
Machine Learning for Trading

В записке показано обучение генеративно-состязательной сети на дневных признаках ETF с дифференциальной приватностью. Сначала вводятся гарантия и бюджет конфиденциальности, затем с помощью Opacus градиент дискриминатора каждого наблюдения ограничивается по…

Машинное обучениеСтатистикаАкцииУправление рисками
Machine Learning for Trading

В записке ансамбль TabM с общими весами применяется для прогнозирования доходности акций по признакам опционов на акции. Участники используют общую двухслойную основу нейронной сети, отдельные векторы масштабирования активаций и выходные слои; прогнозы…

АкцииОпционыМашинное обучениеБэктестинг
Machine Learning for Trading

В записке объясняется построение меток будущей ценовой доходности для панели криптоперпетуальных контрактов с восьмичасовым интервалом. Временные метки открытия бара сдвигаются до момента, когда данные завершённого бара становятся доступны; затем будущая…

КриптовалютыБессрочные фьючерсыВозврат к среднемуСтатистика
Machine Learning for Trading

В этой главе рассматриваются способы генерации синтетических финансовых данных и критерии полезности результата. Она начинается с ограниченного числа реализованных рыночных траекторий и риска того, что повторный поиск стратегий завышает видимые результаты…

Машинное обучениеСтатистикаБэктестингУправление рисками
Machine Learning for Trading

В записке TabM применяется к плоской таблице признаков акций US; этот метод занимает промежуточное положение между линейными моделями со штрафами и ансамблями деревьев. У каждого участника ансамбля общая основа нейронной сети, но собственный вектор…

АкцииМашинное обучениеСтатистикаБэктестинг
Machine Learning for Trading

В записке описан автоэнкодер с учителем, который сжимает строки признаков ETF в представление малой размерности и напрямую прогнозирует будущую доходность по этому представлению. В отличие от условного автоэнкодера, он не предполагает, что доходность…

Несколько классов активовМашинное обучениеФакторное инвестированиеСтатистика
Machine Learning for Trading

В записке модели ridge, lasso и elastic net обучаются на широком наборе общепринятых характеристик акций US, включая стоимость, рентабельность, инвестиции, импульс, размер, риск и ликвидность. С помощью фолдов walk-forward оцениваются исходная месячная…

АкцииФакторное инвестированиеМоментумМашинное обучение
Machine Learning for Trading

В этом анализе сравниваются зарегистрированные модели прогнозирования ETF из нескольких семейств на общей межрыночной панели. Оценивается, насколько хорошо каждая модель ранжирует фонды по последующей доходности с помощью информационных коэффициентов;…

Несколько классов активовМашинное обучениеСтатистикаБэктестинг
Machine Learning for Trading

В анализе к доходности отраслевых биржевых фондов применяется анализ главных компонент на основе корреляций. Стандартизация доходности перед разложением придаёт каждому сектору единичную дисперсию, поэтому главные компоненты описывают совместное движение, а…

АкцииФакторное инвестированиеСтатистикаФормирование портфеля
Machine Learning for Trading

Утилита рассчитывает метрики смещения отбора и неопределённости результатов для групп бэктестов стратегий. Она формирует когорты на уровне семейств, этапов и меток, а также отдельных меток, затем рассчитывает такие показатели, как дефлированные коэффициенты…

БэктестингСтатистикаУправление рисками
Machine Learning for Trading

В документе описаны принципы реализации общего средства запуска бэктестов и правильной интерпретации сеток доходности при пересчёте показателей на годовой период. Наблюдаемая частота выборки оценивается по типичным интервалам между наблюдениями доходности;…

БэктестингУправление рискамиСтатистикаФормирование портфеля
Machine Learning for Trading

В этой записке объясняется, как дробление акций и денежные дивиденды нарушают исходные исторические ряды цен и искажают рассчитанную доходность. Показана корректировка назад, при которой исторические цены пересчитываются с учётом последующих корпоративных…

АкцииРынки СШАБэктестингСтатистика