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 тематическом исследовании объясняется, как формировать прогнозы для периода холдаута после выбора модели и стратегии на данных валидации. Выбирается ранее отобранная конфигурация, восстанавливаются её параметры обучения, после чего модель обучается заново,…
В ноутбуке создаётся распределитель на основе LSTM, который напрямую преобразует недавние признаки доходности и волатильности ETF в веса портфеля с длинными позициями. Выход softmax обеспечивает неотрицательные веса и полное инвестирование, а…
В ноутбуке описана последовательная модель LSTM для прогнозирования доходности акций по упорядоченным окнам недавних признаков. Каждый пример использует 60 последовательных сессий для одной акции; окна, пересекающие перерывы в листинге, приостановки торгов…
В этом ноутбуке обобщаются зарегистрированные результаты валидации пяти оценивателей скрытых факторов — PCA, IPCA, CAE, SDF и SAE — по девяти тематическим исследованиям. Сначала приводятся оцениватели, для которых есть результаты в каждой панели, затем для…
В этой записке нейросеть TabM с общими весами применяется к панели акций US, где для каждой акции и торговой сессии задана отдельная строка признаков. Общая двухслойная базовая сеть передаёт данные нескольким участникам ансамбля, у каждого из которых есть…
В ноутбуке метод главных компонент применяется к панели доходности акций US, чтобы представить широкие общие движения меньшим числом факторов. Каждый фактор — это направление совместной вариации, а факторная нагрузка каждой акции описывает её подверженность…
В ноутбуке сравниваются конфигурации градиентного бустинга для бессрочных криптовалютных фьючерсов с признаками, отражающими премию бессрочных контрактов к спотовому рынку. Меняются ёмкость деревьев и функция потерь, включая квадратичную, абсолютную и…
В этом ноутбуке создаются модельные признаки для бессрочных криптовалютных фьючерсов: прогнозы условной волатильности каждого актива на основе GJR-GARCH и вероятность стрессового режима на всём рынке, полученная с помощью двухсостоянийной скрытой марковской…
В исследовании описан конвейер анализа бессрочных криптовалютных фьючерсов, где выплаты финансирования между длинными и короткими позициями при регулярных расчётах рассматриваются как возможный источник доходности. Описаны этапы работы с данными и моделями:…
В анализе сравниваются результаты отбора признаков в девяти исследованиях торговых стратегий и ставится вопрос, предсказывают ли прошедшие отбор признаки более сильные стратегии. Отбор сочетает контроль ложных открытий Бенджамини—Хохберга с альтернативным…
В этом ноутбуке описана DeePM — сквозная портфельная политика для ETF, призванная улучшать результаты в разных рыночных условиях. В её компоненты входят признаки доходности и тренда, нормированные по волатильности, модель на основе LSTM, отбор переменных,…
В этом исследовании причинная оценка применяется к моментуму ETF: проверяется, меняется ли его влияние на будущую доходность в зависимости от волатильности рынка. Используются непрерывный показатель моментума, будущая доходность за 21 день, контроль…
В этом ноутбуке NLinear представлена как простая базовая последовательная модель для прогноза доходности акций US. Каждый пример использует окно из 60 последовательных торговых сессий одной акции, а признаки расположены в хронологическом порядке. Для каждого…
В этом ноутбуке предварительно обученная модель FinBERT применяется к финансовым заголовкам из FinMarBa, чтобы выяснить, почему её точность намного ниже результатов, указанных для оценки на Financial PhraseBank. Ключевая диагностическая задача —…
В этом ноутбуке оценивается NLinear — минималистичная последовательная модель, которая вычитает последний наблюдаемый уровень из каждого окна ретроспективных данных и преобразует оставшиеся значения в прогноз. Простота модели делает её полезным ориентиром…
В документе описано исследование нейросетей TabM с walk-forward-проверкой, прогнозирующих месячную доходность по характеристикам компаний. Поскольку общий исполнитель обучения фиксирует целевую функцию: квадратичную ошибку для регрессии и перекрёстную…
В документе представлен рабочий процесс, объединяющий стандартизированные загрузчики рыночных данных, реестр готовых признаков и диагностику сигналов. Расчёт признаков можно задавать именами, словарями параметров или YAML, что поддерживает воспроизводимые…
В этой главе бэктест рассматривается как попытка опровергнуть состоятельность стратегии с помощью явных предположений о времени сигнала, исполнении, ребалансировке, размере позиций, издержках, ограничениях и ориентирах для сравнения. Векторизованное…
В этом источнике описаны меры защиты при восстановлении запроса к модели по неизменяемой спецификации обучения и проверке полученного запуска. Проверяется, что запрос использует поддерживаемую версию идентификатора, канонический уровень исполнения,…
В этой записной книжке инструментированный анализ главных компонент представлен как модель поперечных доходностей. Вместо назначения прямых весов доходности характеристикам каждой компании IPCA оценивает общую линейную зависимость, отображающую…
В этой записной книжке сравниваются четыре архитектуры нейросетей для одной задачи: прогнозирования следующей дневной доходности по окну прошлых доходностей, объединённых для восьми биржевых фондов. Описано, как полносвязная сеть, одномерная свёртка, LSTM и…
В этой записной книжке оцениваются последовательные модели для ранжирования акций S&P 500 по окнам истории опционных поверхностей и цен. Нормализованная линейная модель без рекуррентной памяти сравнивается с LSTM, чьи управляющие элементы переносят…
Эта записка описывает обучение сети с долгой краткосрочной памятью на микроструктурных признаках NASDAQ-100 для прогнозирования будущей доходности на нескольких горизонтах в несколько минут. В отличие от линейной модели со сплющенным входом, LSTM…
В этой главе объясняется, как оценивать модели машинного обучения для финансовых рынков, учитывая информацию, доступную в каждый момент принятия решения. Различаются обучающая, валидационная и итоговая контрольная выборки; также объясняется, почему случайное…