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 ноутбуке описана адаптация Diffusion-TS для генерации синтетических рядов доходности ETF. Модель устранения шума предсказывает чистый ряд как сумму полиномиального тренда, сезонной составляющей Фурье и остатка; совместная функция потерь во временной и…
В главе утверждается, что повторяемая дисциплина исследований — более устойчивый источник торгового преимущества, чем любая отдельная стратегия. Представлен процесс, основанный на опровержимых гипотезах, вневыборочной оценке и поправках на множественные…
В документе объясняется, почему TabM используется для моделирования панельных данных по бессрочному фандингу: общая нейросетевая основа объединяет все входные признаки, а нелинейные слои могут представлять взаимодействия. В отличие от дерева, выбирающего…
Этот процесс оценки отбирает финансовые признаки и признаки на основе моделей по будущей доходности на внутридневной панели NASDAQ-100. Сначала резервируется финальный тестовый период, а наблюдения, чьи будущие метки рассчитываются внутри этого окна,…
В этом анализе оценивается, связан ли пропуск недавних периодов в импульсной стратегии с причинным изменением будущей доходности ETF, а не то, насколько хорошо импульс предсказывает доходность. Метод двойного машинного обучения моделирует результат и…
В ноутбуке изучаются модели градиентного бустинга для прогноза доходности и направления движения бессрочных криптофьючерсов. Сетка варьирует ёмкость деревьев и функцию потерь, включая квадратичную ошибку, абсолютную ошибку и функцию Хьюбера; модели…
В документе представлена базовая архитектура нейросети PatchTST для прогноза многомерных временных рядов. Каждый входной ряд делится на перекрывающиеся патчи, проецируемые в обучаемое пространство признаков; к ним добавляются позиционные кодировки, после…
В ноутбуке оценивается, влияет ли z-оценка премии бессрочного криптофьючерса на доходность за последующие восемь часов при фиксированных трёх указанных факторах: волатильности цены, ставке финансирования и среднем отклонении премии. Поскольку воздействие…
В ноутбуке объясняется, как восстановить каталог модельных экспериментов по реестру примеров и сравнить его содержимое с MLflow. Эксперименты прослеживаются от запусков обучения через наборы прогнозов до запусков бэктеста, причём каждый этап связан с…
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 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 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 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 TabM — нейронный ансамбль с разделяемыми весами — применяется к панельным данным признаков криптовалютных бессрочных фьючерсов. Его компоненты используют общую нейронную основу, но отдельные векторы масштабирования и выходные слои; это…
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 конкретная гипотеза: улучшает ли обученное представление последовательности признаков финансирования бессрочных контрактов результаты по сравнению с вручную заданными сводными показателями премии — разницы между ценами бессрочного…
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 этом блокноте кандидатные признаки для 20 валютных пар по одному сопоставляются с будущей доходностью. Анализ ограничен периодами валидации walk-forward; каждой сессии присваивается её фолд, а перед отложенной выборкой оставляется буферный промежуток,…
В этом блокноте объясняется, как объединять вероятностные прогнозы нескольких агентов и калибровать итоговые вероятности. Представлена экстремизация Неймана, которая смещает средний прогноз относительно базовой частоты с учётом размера группы и…
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 этом модуле описан общий способ подготовки обучающих и проверочных фолдов walk-forward для нескольких семейств моделей. Он отделяет затратную работу, не зависящую от модели: нарезку временных окон, применение признаков на основе модели для каждого фолда,…
В записной книжке оцениваются модели последовательностей LSTM и NLinear для прогнозирования фьючерсов. В отличие от моделей, которые используют одну строку признаков на решение, модели последовательностей обрабатывают упорядоченные окна прошлых наблюдений и…
В записной книжке сравниваются прогнозы нескольких семейств моделей на валидации для исследования ставки финансирования бессрочных фьючерсов. Объясняется, что информационный коэффициент измеряет ранговую связь между прогнозами и последующей доходностью, AUC…