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: 855
В этом ноутбуке изучается автоэнкодер с учителем для прогноза будущей доходности по характеристикам компаний. Узкое место нейросети сохраняется, но убираются интерпретация через условные факторы и ценовое ограничение, используемые в родственных моделях. Сеть…
В этом ноутбуке проводится различие между прогнозированием доходности и утверждением, что моментум вызывает её. Доходность акции за предыдущий год, за исключением последнего месяца, рассматривается как воздействие, а будущая доходность — как результат.…
В этом ноутбуке PatchTST обучается как одна из моделей заявленного набора последовательных моделей для опционов S&P 500. PatchTST делит окно ретроспективы на фрагменты фиксированного размера, представляет их как токены и использует механизм внимания для…
В этом ноутбуке агрегируются результаты LightGBM по нескольким торговым исследованиям и сравниваются с линейными моделями и базовыми моделями TabM. Для каждого исследования рассматривается конфигурация с наибольшим значением IC, приводятся интервалы с…
В этом ноутбуке проверяется, добавляют ли обученные графовые эмбеддинги прогнозную информацию к табличной модели для акций US. Сеть строится на основе абсолютных корреляций доходности, измеренных до целевого периода; признаки моментума, волатильности и…
В этом документе описана последовательная модель LSTM для исследования опционов S&P 500. В отличие от кросс-секционных моделей, которые используют сконструированные признаки для обобщения истории инструмента, LSTM получает хронологические окна и учится…
В тетради строятся прогнозные интервалы для прогнозов градиентного бустинга методом раздельного конформного предсказания. Модель обучается на более раннем сегменте, абсолютные остатки измеряются на более позднем калибровочном сегменте, а ширина интервала…
В тетради представлен процесс преобразования финансовых заголовков в сигналы для отдельных акций. Корпус новостей очищается и приводится к единому формату, точные дубликаты и дубликаты с совпадающим префиксом удаляются внутри групп «тикер — дата», а смысл…
В тетради сравниваются DQN, PPO и A2C в симулируемой среде торговли криптовалютами. Процесс волатильности GARCH(1,1) калибруется по часовым доходностям бессрочных фьючерсов на биткоин, после чего моделируются траектории, сохраняющие кластеризацию…
В тетради создаётся прогнозный агент, чередующий веб-поиск и вероятностные прогнозы. Небольшой интерфейс языковой модели с двумя методами позволяет запускать один и тот же цикл с имитатором, локальным или коммерческим провайдером. Агент получает вопрос о…
В тетради показан доступный только для чтения процесс ответов на вопросы по графу институциональных владений, построенному по отчётам 13F. Вместо генерации запросов к базе данных из естественного языка система направляет точно поддерживаемые вопросы к…
В тетради описан трансформер с патчами для прогнозирования последовательностей в исследовании акций и опционов индекса S&P 500. Он делит временное окно на последовательные блоки и представляет каждый блок как токен. Благодаря этому механизм внимания может…
В этой тетради объясняется инструментированный анализ главных компонент (IPCA) для меняющейся панели акций US. Традиционный PCA присваивает каждой акции рассчитанную факторную нагрузку, поэтому он не может естественным образом охватить бумаги,…
В этой главе обучение с подкреплением рассматривается как инструмент последовательного управления, отличающийся от прогнозирования с учителем. В центре внимания задачи, где действия влияют на последующие результаты, а вознаграждения сравнительно конкретны:…
В этой тетради о признаках ETF объясняется, как обученные статистические модели могут допускать утечку будущей информации через оценённые параметры, даже если в формулах используются прошлые наблюдения. Решение — график переоценки walk-forward: предусмотреть…
В тетради методом двойного машинного обучения оценивается, прогнозирует ли премия по фьючерсам последующую доходность независимо от волатильности, моментума и ранга премии в поперечном сечении. Премия и доходность очищаются от этих смешивающих факторов с…
В этой тетради представлен обзор на уровне семейств пяти подходов к латентным факторам на примере аналитики опционов на акции. PCA оценивает общие движения непосредственно по панели доходности; IPCA линейно связывает характеристики с экспозициями; условный…
В тетради сравниваются равные веса, веса, обратные волатильности, минимальная дисперсия и иерархический паритет риска при одинаковой вселенной ETF, прогнозах, графике ребалансировки и протоколе бэктеста. Скользящая модель Ridge ранжирует ETF по моментуму,…
В документе описана среда Gymnasium для обучения агента ликвидировать позицию за фиксированный период. Наблюдение объединяет оставшуюся позицию и время со спредом, глубиной рынка, волатильностью и нормальным либо стрессовым режимом. Непрерывное действие…
В ноутбуке изучается градиентный бустинг для панели акций US: меняются ёмкость деревьев, целевая функция и контрольная точка обучения для трёх горизонтов будущей доходности. Объясняется, как неглубокие деревья могут выявлять взаимодействия признаков, а…
В ноутбуке демонстрируются объяснения SHAP для модели LightGBM, прогнозирующей будущую доходность ETF. TreeSHAP оценивает вклад признаков в отдельные прогнозы и формирует сводные показатели важности. Графики beeswarm и зависимости показывают связь значений…
В ноутбуке описано формирование прогнозов на холдауте для стратегии фандинга криптофьючерсов после выбора её конфигурации по результатам валидации. Определяется подходящий бэктест на валидации с наибольшим коэффициентом Шарпа, сохраняются семейство модели,…
Этот общий модуль утилит предназначен для причинного анализа торговых данных методом двойного машинного обучения для временных рядов (DML). В числе описанных инструментов — оценивание walk-forward с эмбарго, вспомогательные модели и проверки опровержения.…
В ноутбуке объясняется работа TSMixer — нейронной сети для временных рядов, в которой чередуются две операции: общая линейная проекция по дням ретроспективного окна для каждого признака и общий модуль смешения признаков MLP, применяемый отдельно для каждого…