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: 184
В ноутбуке представлен условный автоэнкодер, который сохраняет структуру модели латентных факторов с инструментальными переменными, заменяя линейное отображение характеристик компаний в факторные экспозиции нейронной сетью. Месячная доходность представляется…
В этом ноутбуке изучается регуляризация линейных моделей для прогнозирования доходности валютных пар. Различаются коллинеарность входных признаков и зависимость между активами: валютные пары имеют общие базовые валюты, поэтому их доходности и ранги не…
В этом ноутбуке изучается автоэнкодер с учителем для прогноза будущей доходности по характеристикам компаний. Узкое место нейросети сохраняется, но убираются интерпретация через условные факторы и ценовое ограничение, используемые в родственных моделях. Сеть…
В этом анализе реализуемости проверяется, можно ли оценить месячную стратегию лонг-шорт на основе характеристик компаний US с помощью имеющейся панели данных. Проверяется, закодированы ли показатели как ранги, описывается период наблюдаемости компаний,…
В тетради представлен процесс преобразования финансовых заголовков в сигналы для отдельных акций. Корпус новостей очищается и приводится к единому формату, точные дубликаты и дубликаты с совпадающим префиксом удаляются внутри групп «тикер — дата», а смысл…
В тетради ранее выбранные прогнозы характеристик компаний и фиксированная конфигурация портфеля применяются к годовой отложенной выборке. Новые решения о прогнозах, распределении активов, концентрации, ребалансировке или транзакционных издержках не…
В этой тетради объясняется инструментированный анализ главных компонент (IPCA) для меняющейся панели акций US. Традиционный PCA присваивает каждой акции рассчитанную факторную нагрузку, поэтому он не может естественным образом охватить бумаги,…
В этой тетради представлен обзор на уровне семейств пяти подходов к латентным факторам на примере аналитики опционов на акции. PCA оценивает общие движения непосредственно по панели доходности; IPCA линейно связывает характеристики с экспозициями; условный…
В этой тетради анализ главных компонент применяется к ликвидной выборке акций US, чтобы выделить скрытые факторы и сформировать лонг-шорт портфели собственных векторов. Здесь объясняется, как стандартизированные векторы PCA преобразуются в веса по обычным…
В этом ноутбуке обобщаются зарегистрированные результаты валидации пяти оценивателей скрытых факторов — PCA, IPCA, CAE, SDF и SAE — по девяти тематическим исследованиям. Сначала приводятся оцениватели, для которых есть результаты в каждой панели, затем для…
В ноутбуке метод главных компонент применяется к панели доходности акций US, чтобы представить широкие общие движения меньшим числом факторов. Каждый фактор — это направление совместной вариации, а факторная нагрузка каждой акции описывает её подверженность…
В документе описано исследование нейросетей TabM с walk-forward-проверкой, прогнозирующих месячную доходность по характеристикам компаний. Поскольку общий исполнитель обучения фиксирует целевую функцию: квадратичную ошибку для регрессии и перекрёстную…
В этой записной книжке инструментированный анализ главных компонент представлен как модель поперечных доходностей. Вместо назначения прямых весов доходности характеристикам каждой компании IPCA оценивает общую линейную зависимость, отображающую…
В ноутбуке объясняется инструментированный анализ главных компонент: факторные нагрузки зависят от наблюдаемых характеристик акций, а не задаются для каждой акции как фиксированные. Общая функция отображения характеристик в факторные экспозиции позволяет…
В документе представлено семейство моделей доходности компаний, в которых предполагается, что небольшое число ненаблюдаемых общих факторов объясняет значительную часть поперечного сечения. Вместо прямого прогнозирования доходности по характеристикам эти…
В записной книжке представлен автоэнкодер с учителем для моделирования факторов акций. В отличие от автоэнкодеров без учителя, которые учат узкое представление, восстанавливая поперечный срез, эта модель также включает будущую доходность в целевую функцию…
В записной книжке нейросетевая модель стохастического дисконтирующего фактора применяется к фьючерсам CME. В терминах оценки активов стохастический дисконтирующий фактор — случайная величина, произведение которой на доходность каждого актива имеет одинаковое…
В этом исследовании оцениваются месячные стратегии лонг-шорт по децилям, построенные на характеристиках компаний US; сравниваются линейные модели, градиентный бустинг и подходы со скрытыми факторами с учётом временных лагов бухгалтерских данных,…
Этот модуль координирует обучение и оценку методом walk-forward для нескольких моделей скрытых факторов, включая главные компоненты, инструментальные главные компоненты и нейронные автокодировщики. Он подготавливает панельные данные и фолды, запускает…
В этой реализации описан условный автокодировщик для оценки активов. Бета-сеть преобразует характеристики каждой акции в скрытые факторные нагрузки, а линейная факторная сеть преобразует доходности управляемых портфелей в факторные доходности. Модель…
В этой записной книжке рассматривается инструментированный анализ главных компонент (IPCA) для панели акций с признаками поверхности опционов. В отличие от обычного PCA, который оценивает экспозиции каждой акции по истории её доходности, IPCA моделирует…
В этом ноутбуке объясняется, как построить и изучить квартальную панель фундаментальных показателей акций по данным SEC XBRL. Для каждого наблюдения указаны описываемый финансовый период и дата публикации информации. Это различие важно для исторических…
В этом ноутбуке бухгалтерские и основанные на цене характеристики оцениваются как самостоятельные предикторы доходности акций США за следующий месяц US. Рассчитываются ежемесячные поперечные ранговые корреляции каждой характеристики с целевой доходностью, а…
В записной книжке объясняется, как условный автоэнкодер расширяет инструментированную модель главных компонент: нейронная сеть отображает характеристики акций в факторные экспозиции, сохраняя структуру модели, где экспозиция умножается на доходность фактора.…