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 анализе объясняется, как читать поперечные информационные коэффициенты (IC) для моделей фьючерсов CME и как они связаны с последующими тестами портфелей. Для каждой даты рассчитывается ранговая корреляция прогнозируемой и реализованной доходности,…
В этом ноутбуке сравниваются поиск по ключевым словам BM25, плотные эмбеддинги, объединение обратных рангов (RRF) и переупорядочивание с помощью кросс-энкодера на фрагментах годовых отчётов компаний по форме 10-K. Реализуются разные подходы к поиску и…
В этом ноутбуке сравниваются модели LightGBM на панели акций US для трёх горизонтов доходности. Сетка варьирует число листьев деревьев и функции потерь, а затем оценивает каждую конфигурацию на нескольких контрольных точках числа деревьев. В обсуждении…
В этой записной книжке разрабатывается задача симулируемого маркет-мейкинга, в которой агент PPO выбирает смещение котировки и ширину спреда. Вероятность исполнения снижается по мере удаления котировок от средней цены, а дисбаланс ордеров влияет и на…
В этом учебном блокноте сравниваются способы формирования целевых меток для моделей трейдинга с учителем на данных ETF. Рассматриваются доходность и направление движения на фиксированном горизонте, процентили по скользящим временным окнам, поперечные…
Этот общий модуль моделирования поддерживает рабочие процессы количественных исследований: загружает признаки, метки, временные данные и конфигурацию, а затем подготавливает фолды walk-forward-кросс-валидации. В его основе — воспроизводимость и происхождение…
В записной книжке показано, как извлечь два потенциальных сигнала по акциям из раздела «Обсуждение и анализ руководством» квартальных отчётов SEC 10-Q. FinBERT оценивает фрагменты текста по позитивной, нейтральной или негативной тональности; оценки…
В этой записной книжке сравниваются три способа учитывать рыночные режимы в прогнозировании: базовая модель без признака режима, одна модель с отфильтрованной вероятностью волатильного состояния и отдельные модели, обучаемые для жёстко заданных режимов.…
В этой оценке опционные признаки, признаки на основе цены и признаки условной волатильности проверяются на соответствие будущей доходности акций. Для каждой сессии рассчитывается ранговая корреляция между активами: значения признаков сопоставляются с…
В этой записной книжке рассматривается инструментированный анализ главных компонент (IPCA) для панели акций с признаками поверхности опционов. В отличие от обычного PCA, который оценивает экспозиции каждой акции по истории её доходности, IPCA моделирует…
В этой записной книжке временная свёрточная сеть (TCN) добавлена к сравнению моделей последовательностей для прогноза премий по ставкам финансирования бессрочных криптовалютных контрактов. Каузальный паддинг гарантирует, что для каждой позиции используются…
В документе представлена сквозная архитектура прогнозирования, объединяющая исследовательскую группу, агрегированный прогноз, состязательную дискуссию и супервизора. Супервизор выявляет разногласия, ищет уточняющие свидетельства и предлагает вероятность с…
В этой записной книжке четырёхэтапный процесс прогнозирования реализован с помощью обычной оркестрации Python, CrewAI и LangGraph. Сравнивается, где хранится состояние, как выявляются и исправляются ошибки, какие зависимости добавляет каждый подход и как…
В этой записной книжке прогнозы ARIMA рассматриваются как входные столбцы для последующих моделей, а не как самостоятельные прогнозы. Модели обучаются на доходности ETF; проверки стационарности и диагностика автокорреляции помогают предложить порядки, а…
В этой записной книжке применяется TabM — нейросетевая архитектура для табличных данных, в которой участники ансамбля совместно используют двухслойную сеть признаков. Каждый участник масштабирует общее представление своим обучаемым вектором и использует…
В этой записной книжке к признакам ETF и будущей доходности применяется классический вывод метода наименьших квадратов. Рассматриваются оценки коэффициентов, стандартные ошибки, t-статистики, p-значения и тесты на гетероскедастичность, автокорреляцию…
В этой записной книжке признаки строятся по минутным данным NASDAQ-100 тремя способами: скользящая гетерогенная авторегрессионная регрессия для краткосрочных прогнозов дисперсии, преобразование Фурье для описания периодической структуры недавней активности и…
В документе описано сравнение валидационных прогнозов линейных моделей, градиентного бустинга, табличного глубокого обучения и последовательных моделей для опционов S&P 500. Перед публикацией диагностик проверяется, что каждая зарегистрированная совокупность…
В этой записной книжке объясняется, как хранилища признаков обеспечивают согласованность обучающих данных и входов модели в реальном времени. Представления признаков описываются через ключ сущности, временную метку события, срок действия и столбцы признаков;…
В этой записной книжке описано обучение сети долгой краткосрочной памяти на минутных признаках микроструктуры NASDAQ-100 для прогнозирования будущей доходности на нескольких горизонтах. Модель пошагово обрабатывает последовательность прошлых наблюдений и…
В этом ноутбуке оценивается, связана ли доля объёма сделок, инициированных покупателями, с будущей доходностью за 15 минут после учёта относительного спреда, недавней реализованной волатильности и доходности за предыдущий месяц. Двойное машинное обучение с…
В этом ноутбуке двойное машинное обучение (DML) применяется для оценки скорректированного эффекта непрерывного показателя импульса ETF на последующую доходность с контролем недавней и долгосрочной волатильности, рыночного режима и наклона кривой доходности.…
В этом ноутбуке настраивается запуск прогноза с LSTM для исследования валютных пар FX. Модель переносит скрытое состояние по последовательности окна истории, а архитектура и параметры обучения задаются общими инструментами конфигурации и планирования…
В этом ноутбуке изучается, как отражать неопределённость в прогнозах доходности ETF; сравниваются dropout Монте-Карло и глубокие ансамбли. Dropout остаётся активным в повторных проходах вывода, а ансамбль измеряет расхождения между отдельно обученными…