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: 687
В ноутбуке объясняется, почему поиск среди множества сигналов или стратегий делает лучший наблюдаемый результат сильнее его реальной прогнозной ценности. На симуляции факторов без достоверной информации показано, как выбор наибольшего информационного…
В ноутбуке объясняется, как преобразовать опубликованную поперечно ранжированную панель характеристик компаний US в матрицу признаков с ключами для факторного анализа. Входные данные группируются по заданным семействам, характеристики объединяются с…
В этом исследовании признаков для акций US объясняется, как получать признаки из оценённых моделей, не перенося будущие данные в более ранние наблюдения. График оценки предусматривает начальный период накопления истории: параметры обучаются только на данных…
В ноутбуке TSMixer применяется к последовательностям ETF с одной общей для всех фондов функцией. Каждый пример содержит историю и ковариаты отдельного фонда; временные взаимодействия и взаимодействия признаков обучаются на всей панели, но наблюдения одного…
В ноутбуке описана модель стохастического дисконтного фактора (SDF) для оценки поперечного распределения доходности компаний US. Вместо того чтобы сначала оценить факторы, а затем применить их, модель напрямую обучает веса компаний по месяцам при условии…
В ноутбуке запрашиваются реестры бэктестов по девяти исследованиям и формируются сопоставимые таблицы для последующего анализа. Результаты группируются по классу активов и частоте данных, после чего фиксируется эффективность на этапах формирования сигнала,…
В ноутбуке показан мост для внедрения между автономным конвейером машинного обучения и торговым движком LEAN QuantConnect. Запуск модели воспроизводимо выбирается из реестра, прогнозы на отложенной выборке экспортируются в формате JSON с индексом по датам, а…
В ноутбуке оцениваются четыре сигнала на основе новостей — взвешенный сюрприз, среднее настроение, изменение настроения и охват публикаций — относительно будущей доходности акций. Вычисляется дневной поперечный информационный коэффициент Спирмена,…
В документе описано обучение временных сверточных сетей на минутных признаках микроструктуры NASDAQ 100. Причинные свёртки не позволяют прогнозу использовать последующие наблюдения, а дилатация даёт последовательным слоям возможность выявлять закономерности…
В этом анализе проверяется, позволяют ли ежедневные данные по опционам и акциям поддержать еженедельную стратегию по S&P 500, которая ранжирует компоненты индекса по подразумеваемой волатильности опционов «при деньгах» с экспирацией через тридцать дней и…
В документе описан годичный вневыборочный бэктест опционных стрэддлов S&P 500. В нём применяются прогнозы модели, переобученной на истории до отложенной выборки, вместе с ранее выбранными стратегией, распределением средств, ограничением концентрации,…
В этом анализе сравниваются прогнозы нескольких семейств моделей, обученных на месячных характеристиках акций US, для прогноза доходности следующего месяца. Основное внимание уделено поперечному информационному коэффициенту, который измеряет, насколько…
В этом исследовании к доходности коротких стрэддлов «при деньгах», удерживаемых до истечения срока, применяются регуляризованные линейные модели. Сделка приносит премии по колл- и пут-опционам, что ограничивает максимальную прибыль, но при резком движении…
В документе объясняется, как реестр экспериментов отслеживает модель от конфигурации обучения до прогнозов и результатов бэктеста. Каждому этапу присваивается идентификатор на основе канонизированной спецификации, благодаря чему повторные идентичные запуски…
В ноутбуке сравниваются методы поиска связей в панели доходностей ETF: NOTEARS для одновременных линейных ориентированных ациклических графов, VAR-LiNGAM для структуры с запаздывающими и мгновенными связями, PCMCI для связей условной независимости и тесты…
В этом ноутбуке показана настройка гиперпараметров LightGBM с помощью сэмплера TPE в Optuna, где целевая метрика — информационный коэффициент в поперечном разрезе. Ранняя остановка помогает выбрать число раундов бустинга, а пользовательский callback для…
В этой главе построение портфеля представлено как преобразование прогнозов доходности, оценок риска и ограничений в веса, кредитное плечо и решения о ребалансировке. Излагается исследовательский процесс документирования решений по распределению капитала,…
В ноутбуке объясняется, как оценивать выходы на уровне позиции и сочетать их с контролем всего портфеля. Фиксированные стоп-лоссы, тейк-профиты и выходы по времени сопоставляются с трейлинг-стопами и подтягиваемыми стопами; поэтапный выход сокращает позицию…
В исследовании зарегистрированные предсказания моделей преобразуются в сопоставимые стратегии опционов S&P 500. На еженедельные даты принятия решений прогнозы доходности ранжируются, затем выбирается ликвидная вселенная и продаются стреддлы «при деньгах» с…
В ноутбуке объединены пять подходов на основе латентных факторов для моделирования поперечного среза доходности акций в исследовании опционов S&P 500. PCA оценивает общие движения только по доходности; IPCA линейно сопоставляет характеристики с экспозициями;…
В ноутбуке протокол Rademacher Anti-Serum демонстрируется как способ учесть выбор победителя из класса проверенных стратегий. Эмпирическая сложность оценивается по траекториям результатов кандидатов, показывая, как зависимость между кандидатами меняет…
В ноутбуке разрабатывается политика выхода из двух моделей для бессрочных криптоконтрактов на часовых данных. Классификатор входа выявляет необычно высокую будущую доходность, а классификатор выхода прогнозирует, будет ли следующая будущая доходность…
В ноутбуке результаты девяти рыночных исследований объединяются в последовательную воронку отбора стратегий. По порядку проверяется, имеет ли модель положительный информационный коэффициент, положителен ли коэффициент Шарпа выбранной конфигурации на…
В ноутбуке объясняется, когда стратегию удобнее представить заранее рассчитанными массивами, а когда полезнее последовательная симуляция, которая переносит во времени позиции, исполнения, денежные средства, реализованные прибыли и убытки или капитал.…