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 объясняется, как сравнивать модели прогнозирования опционов S&P 500, не допуская искажения результатов из-за неполных или несогласованных выборок оценки. Каждая модель определяется семейством, конфигурацией и контрольной точкой; проверяется…
В этом ноутбуке строятся интервалы неопределённости для будущей доходности ETF с помощью регрессии Ridge и трёх конформных методов: split conformal prediction, conformalized quantile regression и adaptive conformal inference. Методы оцениваются на фолдах…
В этом ноутбуке с помощью двойного машинного обучения оценивается связь z-оценки премии бессрочных фьючерсов с доходностью за следующие восемь часов после учёта шести контрольных переменных до воздействия. Эффекты для режимов высокой и низкой волатильности…
В этом ноутбуке описан условный автоэнкодер, моделирующий доходность акций как произведение факторных нагрузок, зависящих от характеристик, на латентные факторы. Сначала совместная поперечная регрессия методом наименьших квадратов оценивает доходность…
В этом ноутбуке сравниваются линейные модели на признаках ETF, построенных на перекрывающихся окнах доходности и связанных показателях импульса, волатильности и осцилляторов. Такие предикторы коллинеарны, поэтому коэффициенты обычного метода наименьших…
Дробное дифференцирование применяет нецелую степень оператора лаговой разности к логарифмам цен. Его биномиальные веса затухают для прошлых наблюдений, поэтому результат объединяет изменения цен с частью сохраняющейся информации об уровне. Дробный порядок…
В этом ноутбуке описана модель LSTM, которая прогнозирует доходность по упорядоченным окнам характеристик акций из панели акций US. В отличие от простой табличной модели, LSTM обрабатывает торговые сессии последовательно и переносит скрытое состояние через…
В этом ноутбуке рассматривается TimeGAN — рекуррентная генеративно-состязательная модель для создания синтетических финансовых временных рядов. Её пять модулей обучаются строить эмбеддинг и восстанавливать данные, предсказывать последовательные латентные…
В ноутбуке применяются два последовательных детектора к реальным ошибкам прогнозов, полученных на выборке проверки, для двух конфигураций линейных моделей акций US за календарный год. Детектор сдвига среднего по двум окнам ищет изменения величины ошибки, а…
В документе описано, как вывести единый интервал обучения для отложенной выборки из существующей спецификации walk-forward-проверки. Используются заданные в конфигурации исследования даты отложенной выборки, самая ранняя дата начала обучения среди фолдов…
В анализе сопоставляются журналы первичной оценки признаков в девяти примерах торговых исследований. Значимость с контролем доли ложных открытий по Бенджамини—Хохбергу отделяется от второго пути к решению PROCEED: сочетания заданного для конкретного кейса…
В документе рассматриваются два подхода к скрытым факторам доходности фьючерсов. Метод главных компонент находит некоррелированные направления, объясняющие наибольшую долю изменчивости доходности, а нейронный стохастический фактор дисконтирования ищет…
В документе объясняется, как размечать дневную будущую доходность ETF, используя скорректированные цены закрытия на дату наблюдения и в более позднюю торговую сессию. Создаются основная метка с месячным горизонтом и более короткий недельный вариант; метки…
В блокноте факторы главных компонент строятся по панели доходности фьючерсов CME, а не по сконструированным характеристикам, таким как кэрри, моментум или волатильность. Метод PCA находит направления, объясняющие вариацию между продуктами; первая компонента…
В блокноте сравниваются разделённое конформное предсказание, конформная квантильная регрессия и адаптивный конформный вывод для прогноза будущей доходности ETF. В walk-forward-фолдах модель обучается на одной подвыборке, ошибки интервалов калибруются на…
В этом блокноте анализируется конвейер отбора заголовков ESG по ключевым словам и сопоставляются структурированные результаты классификатора с требованиями к помощнику на основе генерации с дополнением поиском. Первый список ключевых слов отбирает заголовки,…
В документе описан численный метод оценки меры, нейтральной к риску, на смоделированных траекториях цен базовых активов и опционов до конечного горизонта. В модели учитываются выпуклые транзакционные издержки и выпуклые торговые ограничения. Полученная мера…
Этот общий служебный модуль предоставляет единый конвейер градиентного бустинга для количественных исследований. Он задаёт пресеты вычислительной мощности и сопоставляет канонические названия параметров с соответствующими настройками LightGBM, XGBoost,…
В ноутбуке метод SHAP используется для объяснения вероятностей трёх классов финансовой тональности FinBERT на уровне токенов. Фиксируется контрольная точка модели, явно согласуются метки выходных классов, а затем изучается, какие токены повышают или понижают…
В этом ноутбуке инвентаризируются столбцы признаков на основе моделей в девяти тематических исследованиях рынков: читаются схемы Parquet без загрузки полных наборов данных. Поля идентификаторов исключаются, столбцы подсчитываются по рынкам, а семейства…
В этом исследовании сравниваются модели последовательностей на панели признаков акций и опционов S&P 500. Модель LSTM, сохраняющая состояние с управляющими механизмами в окне ретроспективного анализа, сопоставляется с базовой моделью N-Linear, которая…
В ноутбуке описана пятичастная архитектура TimeGAN: кодировщик и сеть восстановления отображают исходные наблюдения в латентное пространство и обратно, супервизор обучается временным переходам, а генератор и дискриминатор обучаются состязательно. Описано…
В этом ноутбуке скользящие окна доходности ETF преобразуются в двухканальные изображения для свёрточной нейронной сети. Поле угловых сумм Граммиана масштабирует значения внутри каждого окна, переводит их в углы и фиксирует тригонометрические зависимости…
Risk-Premium PCA изменяет ковариационную матрицу, добавляя взвешенное внешнее произведение вектора средних доходностей на обучающей выборке. Его ведущие собственные векторы задают статические факторные портфели: при нулевом весе получается обычный PCA, а…