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 этой записной книжке показано, как анализировать граф финансовых событий, не смешивая время события, момент его публикации и момент извлечения данных конвейером графа. Загружаются связи 8-K с временными метками, измеряются задержки раскрытия и извлечения,…
В документе представлены скрытые факторы — общие драйверы доходности, выводимые из совместного движения фьючерсов, а не задаваемые в качестве именованных предикторов. Сравниваются два подхода, каждый из которых обучается внутри отдельного фолда. Анализ…
В документе объясняется, как двойное машинное обучение (DML) оценивает влияние доли объёма сделок, инициированных покупателями, на будущую доходность с учётом спреда, краткосрочной волатильности и предшествующей доходности. С помощью кросс-фиттинга из…
В документе описан процесс оценки девяти примеров торговых стратегий через пять последовательных этапов: от качества сигнала до валидации, транзакционных издержек, результатов на отложенной выборке и качества доказательств. Этапы накапливаются: стратегия…
В этой записной книжке разбирается репетиция развёртывания модели, предсказывающей направление ставки финансирования криптовалют. Модель LightGBM с тремя классами обучается на исторических данных бессрочных контрактов, полученных из Binance, затем…
В ноутбуке представлен условный автоэнкодер, расширяющий метод главных компонент с инструментальными переменными: линейное преобразование характеристик акций в факторные экспозиции заменено нейросетью. Сохраняется структура «экспозиция × доходность фактора»,…
Этот служебный модуль формирует таблицы и графики для оценки прогнозных моделей на валидационных и отложенных данных. Диагностика включает доверительные интервалы для информационных коэффициентов, снижение метрики от валидации к отложенной выборке,…
В ноутбуке представлен рабочий процесс для проверки того, влияет ли импульс за шесть месяцев с исключением недавнего периода на доходность за 21 дней вперёд и меняется ли эффект при изменении рыночной волатильности. Эффекты оцениваются на обучающих данных…
В ноутбуке представлена безусловная модель Sig-Wasserstein GAN для генерации финансовых временных рядов. Обучаемый дискриминатор, отличающий реальные данные от сгенерированных, заменён расстоянием, основанным на ожидаемых сигнатурах траекторий —…
В этой главе описано, как создавать согласованные по времени исследования фундаментальных и альтернативных данных по акциям, макроэкономическим рядам, фьючерсам, криптовалютам и рынкам прогнозов. Основные методы — битетемпоральное хранение и запросы «на…
В этом ноутбуке представлен автоэнкодер с учителем для прогнозирования будущей доходности ETF. Сеть сжимает строку признаков фонда в низкоразмерное представление и напрямую прогнозирует доходность по этому представлению. В отличие от условных автоэнкодеров…
В этом ноутбуке дообучаются три контрольные точки трансформеров для классификации тональности финансовых предложений на три класса; сравниваются точность, макроусреднённый F1, матрицы ошибок, число параметров и время обучения. Используются стратифицированные…
В этом ноутбуке отбираются признаки-кандидаты для стратегии, которая продаёт стрэддлы около цены исполнения и удерживает их до экспирации. Для каждого торгового дня сравниваются поперечные ранги доступных инструментов по признаку с рангами итогов стрэддлов,…
В документе описана архитектура нейросетевой политики, которая преобразует временные ряды и контекст по отдельным активам в ограниченные риск-веса портфеля. Основа для каждого актива объединяет встраивания контекста, модуляцию по признакам, отбор переменных,…
В документе зафиксирован многоэтапный прогноз о том, повысит ли Федеральная резервная система ставки в 2026. Три агента ищут подтверждения и оценивают вероятности, после чего проводят обсуждение и передают обновлённую оценку руководителю. Их мнения…
В этой записной книжке запускается модель NLinear — участник заданной популяции из трёх моделей обучения последовательностей для опционов S&P 500. Запросы и контрольные точки для всей популяции фиксируются до обучения этой модели, чтобы в следующих записных…
В этой записной книжке описан этап прогноза на отложенной выборке в исследовании характеристик компаний US. Конфигурация модели, выбранная по результатам проверки, восстанавливается вместе со спецификацией обучения и контрольной точкой, после чего модель…
В этой заметке о настройке объясняется, почему в трёхклассовой логистической регрессии со штрафом L1 используется SAGA, а не решатель liblinear из scikit-learn. Указывается на совместимость с многоклассовыми задачами в новых версиях scikit-learn и…
В записной книжке описан анализ двойного машинного обучения с расширяющимся окном: проверяется, предсказывает ли моментум за период от 12 до -2 месяцев доходность компаний US за следующий месяц после поправки на бета-коэффициент, идиосинкратическую…
В этой записной книжке представлен конвейер извлечения структурированных корпоративных событий из документов SEC 8-K и загрузки их в граф знаний Neo4j. Языковая модель пакетно обрабатывает документы и формирует записи о событиях с субъектами, отношениями,…
В этой записной книжке сравнивается поиск гиперпараметров Optuna для XGBoost, LightGBM и CatBoost на наборе характеристик компаний. Для каждой библиотеки запускается отдельный поиск с древовидным оценщиком Парзена, отсечением по медиане, ранней остановкой и…
В этой записной книжке сравниваются клонирование поведения и обратное обучение с подкреплением (IRL) на демонстрациях правила исполнения по средневзвешенной по времени цене (TWAP). Клонирование поведения напрямую связывает наблюдаемые состояния рынка с…
В этой записной книжке применяется двойное машинное обучение, чтобы изучить связь спреда подразумеваемой и реализованной волатильности с последующими доходностями акций после поправки на наблюдаемые смешивающие факторы. В качестве релевантных контрольных…
Эта утилита обучения описывает цикл оптимизации модели типа DeePM. AdamW обновляет параметры модели на основе устойчивой функции потерь, ориентированной на коэффициент Шарпа; передаются будущие доходности, масштабирование по волатильности, маски,…