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: 938
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 формируется проверяемый отчёт по биткоин-стратегии с длинными позициями, входящей и выходящей по порогам RSI. Сначала сравниваются результаты до и после издержек, затем эффективность сопоставляется с ориентиром «купи и держи», рассчитанным на…
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 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…
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 рейтинги моделей преобразуются в простые портфели криптовалютных бессрочных фьючерсов. В каждый момент начисления финансирования правило входа выбирает контракты из верхней или нижней части рейтинга и назначает им равные веса. Равные веса…
В этом блокноте измеряется, как коэффициент Шарпа на валидации для стрэддлов на опционы S&P 500 с ценой исполнения у денег меняется при разных предполагаемых издержках исполнения и на двух наборах опционов. Издержки спреда выражены как доля котируемого…
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…
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 модели градиентного бустинга на деревьях обучаются на признаках рынка опционов, описывающих такие характеристики, как подразумеваемая волатильность, асимметрия, временная структура и премия за дисперсионный риск. С помощью…
В записной книжке размер позиции связывается с анализом максимального неблагоприятного и благоприятного движения цены. Показан фиксированный пропорциональный метод расчёта размера: число акций определяется бюджетом риска портфеля и расстоянием от цены входа…
В этом разборе проверяются еженедельные длинно-короткие стратегии, ранжированные по доходности переноса позиции, на диверсифицированном наборе фьючерсов CME. Используются дневные данные, оценка моделей методом walk-forward и затраты на комиссии, спреды и…
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…
В записной книжке поведенческое клонирование сравнивается с обратным обучением с подкреплением (IRL) на данных об исполнении. Демонстрации основаны на графике TWAP, цель которого при нейтральном отношении к риску известна: равномерно распределить сделки,…
В этом разборе объясняется, как формировать метки будущей доходности для поперечной стратегии на валютных парах, которая ранжирует валютные пары и покупает или продаёт их в соответствии с относительным порядком. Сначала четырёхчасовые спотовые бары…
Код рассчитывает стандартизированные метрики эффективности по таблицам прогнозов вне выборки отдельно для каждого фолда и в виде сводных показателей. Он поддерживает регрессию и классификацию, включая информационный коэффициент, метрики ошибок, показатели…
В записной книжке PCA описан как базовый метод со скрытыми факторами, не использующий признаки, для прогнозирования доходностей ETF. Матрица доходностей каждого целевого значения за обучающее окно раскладывается на компоненты: для каждого фонда оценивается…