Перейти к содержимому

База знаний

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.

Поиск по библиотеке

Документов: 129

Machine Learning for Trading

Этот модуль подготовки признаков обрабатывает дневные цены для систематических макропортфельных моделей. Он рассчитывает доходности за разные горизонты с поправкой на оценённую волатильность, несколько сигналов MACD разных масштабов и скользящие z-оценки…

Несколько классов активовМоментумСледование за трендомВолатильность
Machine Learning for Trading

В этой главе рассматриваются способы преобразования обученных статистических процедур в признаки для торговых моделей. Она охватывает диагностику и стационарность, структурные сдвиги, дробное дифференцирование, фильтрацию Калмана, спектральные методы и…

СтатистикаВолатильностьМашинное обучениеУправление рисками
Machine Learning for Trading

В этой конфигурации задаётся исторический макроэкономический набор данных FRED для фильтрации режимов и межрыночного анализа. Временные ряды сгруппированы по дневной, недельной, месячной и квартальной частоте: доходность казначейских облигаций, ставка по…

Несколько классов активовИнструменты с фиксированным доходомВолатильностьСтатистика
Machine Learning for Trading

Этот сравнительный анализ изучает, как прогнозная информация, измеряемая информационным коэффициентом (IC), соотносится с коэффициентом Шарпа портфеля в девяти исследованиях торговых случаев. Главный вывод: на эту связь влияет реализация стратегии — правила…

Несколько классов активовСтатистикаБэктестингФормирование портфеля
Machine Learning for Trading

В документе описан рабочий процесс сбора казначейских доходностей и экономических индикаторов FRED, выравнивания рядов с разной периодичностью относительно дневного календаря, а также загрузки и фильтрации полученного набора данных. Индикаторы включают…

Инструменты с фиксированным доходомНесколько классов активовУправление рискамиСтатистика
Machine Learning for Trading

В этом эксперименте проверяется ранжирование и ребалансировка ETF с позициями только на покупку. Задаётся широкий набор из 100-ETF инструментов с экспозицией на акции, облигации, сырьё и регионы; решения принимаются ежемесячно, исполнение — по цене открытия…

АкцииНесколько классов активовБэктестингИсполнение ордеров
Machine Learning for Trading

В ноутбуке объясняется, как изучать предоставленную панель экономических рядов FRED и интерпретировать её календарную сетку, метаданные и производные столбцы. Поскольку панель преобразована к ежедневному календарю, число строк скрывает графики публикации…

Несколько классов активовИнструменты с фиксированным доходомВолатильностьСтатистика
Machine Learning for Trading

В документе описаны два способа оценить спред бид-аск, если доступны только дневные данные OHLCV. Corwin-Schultz сравнивает диапазоны от минимума до максимума за соседние интервалы в один и два дня, используя различное поведение волатильности и спреда, чтобы…

Микроструктура рынкаСтатистикаИсполнение ордеровВолатильность
Machine Learning for Trading

В анализе сравниваются зарегистрированные семейства моделей на панели ETF для разных классов активов по результатам walk-forward-валидации. Модели прогнозируют доходность за 21 торговых дней и оцениваются по поперечным информационным коэффициентам, которые…

Несколько классов активовАкцииМоментумСтатистика
Machine Learning for Trading

В этом обзоре собран ряд тематических исследований торговли, сгруппированных по классу активов, размеру совокупности, частоте данных, периодичности принятия решений, режиму издержек и протоколу оценки. Обзор опирается на заявленные параметры каждой работы и…

Несколько классов активовБэктестингИсполнение ордеровУправление рисками
Machine Learning for Trading

Руководство по набору данных описывает получение рядов FRED, приведение наблюдений к дневному календарю и загрузку выбранных показателей для анализа. Среди примеров — доходность казначейских облигаций, спред между 10-летней и 2-летней доходностью, VIX,…

Инструменты с фиксированным доходомСтатистикаУправление рискамиНесколько классов активов
Machine Learning for Trading

В ноутбуке представлен рабочий процесс получения и сопровождения финансовых временных рядов с единым менеджером, готовыми или пользовательскими наборами символов и секционированным хранением Parquet. Рассматриваются одиночная и параллельная загрузка…

Несколько классов активовАкцииБэктестингИсполнение ордеров
Machine Learning for Trading

В этом обзоре собраны данные о настройках девяти торговых кейсов по акциям, криптовалютам, валютному рынку, фьючерсам, опционам и мультиактивным портфелям. Сравниваются наборы инструментов каждого исследования, частота данных, периодичность принятия решений,…

Несколько классов активовБэктестингУправление рискамиИсполнение ордеров
Machine Learning for Trading

В этом исследовательском анализе проверяется, связан ли моментум за двенадцать месяцев без учёта последнего месяца с доходностью следующего месяца для совокупности из 100–ETF. На основе скорректированных цен закрытия формируется месячная панель; допустимые…

Несколько классов активовМоментумСтатистикаБэктестинг
Machine Learning for Trading

В модуле задана базовая ежемесячная схема распределения активов ETF на основе скорректированного на риск показателя моментума: накопленная доходность за предшествующий период делится на реализованную волатильность в годовом выражении. Активы с наивысшим…

АкцииНесколько классов активовМоментумВолатильность
Machine Learning for Trading

В этой записной книжке месячная доходность девяти рядов факторов и рынков акций, облигаций, валют и сырьевых товаров кластеризуется с помощью моделей гауссовых смесей. После исключения месяцев с неполными данными ряды стандартизируются, чтобы различия…

Несколько классов активовФакторное инвестированиеМашинное обучениеСтатистика
Machine Learning for Trading

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…

Машинное обучениеСтатистикаВолатильностьНесколько классов активов
Machine Learning for Trading

В этом анализе профилируется фиксированная вселенная из 100 ETF в девяти группах активов. Проверяется покрытие по фондам и годам, соответствие панели цен конфигурации групп, пропуски и порядок значений OHLC; также сравниваются торговые объёмы между группами.…

Несколько классов активовСтатистикаУправление рискамиБэктестинг
Machine Learning for Trading

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…

Несколько классов активовАкцииРынки СШАИсполнение ордеров
Machine Learning for Trading

В ноутбуке строится полностью инвестированная стратегия на основе среднего и дисперсии без коротких позиций для диверсифицированной вселенной ETF. Формируются допустимые портфели и эффективная граница, затем по оценённым доходностям и ковариациям…

Несколько классов активовФормирование портфеляСтатистикаУправление рисками
Machine Learning for Trading

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…

АкцииНесколько классов активовМашинное обучениеСтатистика
Machine Learning for Trading

В этой записной книжке сравниваются шесть вариантов распределения длинного портфеля по нескольким классам активов ETF. Сжатие ковариационной матрицы Ледуа—Вульфа снижает выборочную вариативность, которая может дестабилизировать оптимизацию. Сравниваются…

Формирование портфеляУправление рискамиНесколько классов активовБэктестинг
Machine Learning for Trading

В записной книжке показано, как использовать PCMCI для поиска запаздывающих связей между доходностями ETF и волатильностью, не задавая причинный граф заранее. Панельные тесты условной независимости сопоставляются с попарными тестами Грейнджера: последние…

Машинное обучениеСтатистикаНесколько классов активовБэктестинг
Machine Learning for Trading

Эта конфигурация задаёт недельную исследовательскую совокупность фьючерсов на фондовые индексы, государственные облигации, энергоносители, металлы, валюты, сельскохозяйственные товары и скот. Снимок для принятия решения формируется по расчётам на закрытии…

ФьючерсыНесколько классов активовДоходность от переноса позицииМоментум