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: 873
Этот исходный модуль предоставляет загрузчики цен акций США, данных индексов, опционов, микроструктуры рынка, фундаментальных показателей и институциональных пакетов акций. Наиболее существенная методическая деталь касается пересчёта внутридневных данных…
В ноутбуке показан единый интерфейс OHLCV для Yahoo Finance, архива акций США с длинной историей и макроэкономических рядов FRED. Для последующего примера ротации формируется вселенная ETF, показано объединение исторических и текущих источников и описан…
В этом примере строятся признаки для изучения того, превышает ли подразумеваемая дисперсия опционов «при деньгах» последующую реализованную дисперсию для компонентов S&P 500, а также различается ли эта разница между бумагами. Котировки стреддлов объединяются…
В ноутбуке метод наименьших квадратов сравнивается с Ridge, LASSO и Elastic Net для прогноза будущей доходности по вселенной ETF. Все модели используют одинаковые walk-forward-фолды с периодом purge, соответствующим горизонту целевой переменной, поэтому…
В этом ноутбуке ведущие конфигурации распределения капитала в ETF пересчитываются для двух сеток издержек при неизменных прогнозах, концентрации и правилах распределения. Сравниваются модель комиссии за акцию и половины спреда из примера, отражающая связь…
В этом ноутбуке метод главных компонент применяется к ликвидной выборке акций US, чтобы построить собственные портфели с нормировкой по валовой экспозиции и изучить их роль как латентных факторов риска. Рассматриваются объяснённая дисперсия, интерпретация…
В этом блокноте сравниваются линейные модели прогнозирования доходности ETF по перекрывающимся признакам, полученным из цен. Несколько горизонтов доходности и семейств индикаторов могут кодировать похожую информацию, поэтому обычный метод наименьших…
В этой конфигурации описаны месячные лонг-шорт портфели акций US, ранжированных по характеристикам компаний. Задаётся универсум без пропущенных значений с 46 характеристиками, решения на конец месяца, исполнение на открытии следующей сессии, равные веса в…
В этом руководстве причинные вопросы сопоставляются с библиотеками Python и поясняется различие между оценкой эффектов при заданной причинной структуре и поиском возможных структур по данным. Рассматриваются двойное машинное обучение для скорректированных…
В этом материале показаны проверки качества ежедневных данных US по акциям OHLCV. Структурная проверка охватывает соотношения цен, положительные значения цен, неотрицательный объём, пропуски, дублирующиеся даты, хронологический порядок, устаревшие цены и…
В этом блокноте представлена модель стохастического дисконтирующего фактора для оценки поперечного среза ETF. Вместо раздельной оценки экспозиций фондов и доходностей факторов сети обучаются находить общий временной ряд дисконтирующего фактора, ковариация…
В этом блокноте восстанавливаются лучшие действовавшие цены покупки и продажи для каждой сделки AAPL в ходе одной сессии марта 2020, после чего методом Lee–Ready определяется, кто инициировал сделку — покупатель или продавец. События котировок и сделок…
В этом блокноте финансовые и полученные из моделей признаки проверяются на способность ранжировать ETF по последующей доходности. Для каждой даты рассчитывается информационный коэффициент: поперечные ранги каждого признака сопоставляются с рангами будущей…
В этом блокноте проверяется, достаточно ли устойчивы атрибуции признаков SHAP для сокращения модели, принятия решений о риске или подготовки отчётности. На примере задачи прогнозирования ETF сначала ищутся тестовые наблюдения с близкими прогнозами, но…
В этой конфигурации описана дневная лонг-шортовая стратегия на акциях US: акции широкого набора ранжируются по прогнозам модели, покупается верхний дециль и открываются короткие позиции по нижнему децилю с равными весами внутри каждой группы. Заданы…
Эта утилита для работы с данными предназначена для набора данных оценки активов Chen, Pelger и Zhu, включающего доходность акций, характеристики компаний, макроэкономические ряды и тензоры характеристик до разбиения. Метод преобразования создаёт файлы…
В этом блокноте проверяется, помогают ли финансовые признаки объяснить целевую переменную доходности опционов с дельта-хеджированием за 10 сессий. Сравниваются модели Ridge с одним признаком подразумеваемой волатильности, группами зависимых и независимых от…
В этой реализации описано, как создавать пакетные окна последовательностей для панельных данных в исследованиях глубокого обучения. Окна следуют ожидаемому календарю панели, а не сжимают наблюдения по каждому активу в последовательные строки. Пропущенные…
В записной книжке представлены практические методы очистки рыночных и корпоративных данных: обработка дубликатов, отметки о пропусках, фильтры на основе предметных знаний, обнаружение скачков по разворотам, ограничение выбросов, кодирование категориальных…
В этой заметке объясняется, как оценить, способны ли стратегии на панели акций US выдержать торговые издержки. Для каждой метки выбирается одна конфигурация по коэффициенту Шарпа на валидационной выборке, затем та же стратегия пересчитывается с учетом…
В записной книжке проверяется, остаются ли атрибуции SHAP стабильными при сходных прогнозах или повторном обучении моделей с разными начальными случайными состояниями и архитектурами. На будущей доходности ETF находятся пары наблюдений со схожими прогнозами,…
В записной книжке сопоставляются прогнозные, структурные и причинные свидетельства моделей для поперечного исследования S&P 500, объединяющего признаки акций с показателями, полученными из рынка опционов, такими как подразумеваемая волатильность, асимметрия…
В записной книжке показано, как перейти от валовой доходности к чистой при заданных допущениях о торговых, финансовых и фондовых расходах. В структуру затрат входят спред и рыночное воздействие, комиссии и биржевые сборы, проценты по марже, стоимость…
В записной книжке показан процесс диагностики на уровне сделок, который связывает фактически реализованные убытки с объяснениями модели SHAP. Модель LightGBM обучается на запаздывающих признаках цены и волатильности, а также макроданных, чтобы прогнозировать…