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: 342

Machine Learning for Trading

В эксперименте объединяются валидационные прогнозы модели градиентного бустинга деревьев, табличной нейронной сети и модели скрытых факторов для ежемесячного ранжирования ETF. Сначала прогнозы стандартизируются в поперечном срезе с помощью z-оценок, затем…

Несколько классов активовМашинное обучениеСтатистикаБэктестинг
Machine Learning for Trading

В этом руководстве поперечные сигналы ETF преобразуются в портфели из десяти лучших активов с равными весами и только длинными позициями. Регрессия Ridge и логистическая классификация сравниваются с базовыми вариантами на основе импульса и равных весов.…

АкцииБэктестингИсполнение ордеровФормирование портфеля
Machine Learning for Trading

В этом справочнике описаны два общедоступных источника документов SEC для изучения позиций в акциях и активности инсайдеров. Ежеквартальные отчёты 13F содержат сведения об институциональных вложениях: по выбранной группе управляющих или в виде массивов…

АкцииРынки СШАФормирование портфеляТорговля на событиях
Machine Learning for Trading

В этой записной книжке реальные граф знаний цепочек поставок и данные об институциональных владениях 13F преобразуются в признаки для машинного обучения. Вычисляются сетевые показатели, например центральность и зависимости, оцениваются концентрация…

Машинное обучениеАкцииФормирование портфеляСтатистика
Machine Learning for Trading

В этом руководстве создаётся симулятор ежемесячной ротации ETF на основе ранжирования по моментуму с поправкой на риск за скользящий период и фильтра режима по кривой доходности казначейских облигаций. В конце каждого месяца правило ранжирует десять фондов…

БэктестингМоментумФормирование портфеляИсполнение ордеров
Machine Learning for Trading

В ноутбуке стоимость риска объясняется как квантиль убытка, а условная стоимость риска, или ожидаемый дефицит, — как средний убыток за этим порогом. Оценивается однодневный хвостовой риск для широкого фондового ETF четырьмя способами: эмпирические…

АкцииВолатильностьУправление рискамиСтатистика
Machine Learning for Trading

В ноутбуке иерархический паритет риска рассматривается как альтернатива распределению по средней дисперсии при шумных оценках ковариации. HRP кластеризует активы по расстояниям корреляции, упорядочивает их по иерархии, затем рекурсивно делит упорядоченный…

Формирование портфеляУправление рискамиБэктестингАкции
Machine Learning for Trading

В ноутбуке представлен сводный по нескольким исследованиям перечень сконструированных финансовых признаков и наиболее высокий информационный коэффициент из реестра для каждого рыночного исследования. Подсчитываются признаки и семейства названий признаков,…

Несколько классов активовСтатистикаМашинное обучениеФормирование портфеля
Machine Learning for Trading

В этом ноутбуке прогнозы валютных пар FX преобразуются в базовые торговые результаты. В каждый момент принятия решения пары ранжируются, для длинной и короткой сторон выбираются равные доли, а выбранные конфигурации прогнозов и контрольные точки запускаются…

Валютный рынокБэктестингФормирование портфеляОпределение размера позиции
Machine Learning for Trading

В этом ноутбуке сравниваются две симуляции одной и той же месячной стратегии моментума ETF. В обеих одинаковы целевые веса, набор инструментов, даты и общие торговые издержки. В одной доходность рассчитывается по запаздывающим весам и доходности активов; в…

АкцииМоментумБэктестингИсполнение ордеров
Machine Learning for Trading

В тетради сравниваются равные веса, веса, обратные волатильности, минимальная дисперсия и иерархический паритет риска при одинаковой вселенной ETF, прогнозах, графике ребалансировки и протоколе бэктеста. Скользящая модель Ridge ранжирует ETF по моментуму,…

Формирование портфеляБэктестингУправление рискамиМашинное обучение
Machine Learning for Trading

В тетради объясняется Value at Risk (VaR), обозначающий квантиль убытка, и Conditional Value at Risk (CVaR), усредняющий убытки, превышающие этот порог. На дневных доходностях ETF сравниваются оценки историческим методом, гауссовской моделью, с поправкой…

Управление рискамиВолатильностьБэктестингФормирование портфеля
Machine Learning for Trading

В модуле определено, как формируется поле отбора на отложенной выборке на этапах валидации и для разных меток стратегий. Он устраняет расхождения, из-за которых зафиксированные наборы кандидатов и реконструкция в текущем режиме могут выбирать разные…

БэктестингУправление рискамиФормирование портфеляСтатистика
Machine Learning for Trading

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…

АкцииФакторное инвестированиеСтатистикаУправление рисками
Machine Learning for Trading

В ноутбуке создаётся распределитель на основе LSTM, который напрямую преобразует недавние признаки доходности и волатильности ETF в веса портфеля с длинными позициями. Выход softmax обеспечивает неотрицательные веса и полное инвестирование, а…

Машинное обучениеФормирование портфеляБэктестингУправление рисками
Machine Learning for Trading

В ноутбуке применяется метод главных компонент к изменениям доходности восьми казначейских облигаций с постоянным сроком погашения от одного до тридцати лет. Календарные строки, заполненные переносом предыдущих значений и не содержащие изменений доходности,…

Инструменты с фиксированным доходомСтатистикаУправление рискамиФормирование портфеля
Machine Learning for Trading

Этот скрипт собирает данные об институциональных владениях из документов SEC 13F двумя способами: загружает документы для выбранного набора управляющих или скачивает квартальные массовые файлы SEC. Оба способа приводят данные о владениях к общей схеме;…

АкцииСтатистикаФормирование портфеля
Machine Learning for Trading

В этом ноутбуке описана DeePM — сквозная портфельная политика для ETF, призванная улучшать результаты в разных рыночных условиях. В её компоненты входят признаки доходности и тренда, нормированные по волатильности, модель на основе LSTM, отбор переменных,…

Несколько классов активовФормирование портфеляМашинное обучениеУправление рисками
Machine Learning for Trading

В этой итоговой записной книжке сравниваются равные веса, обратная волатильность, оптимизация среднего и дисперсии и иерархический паритет рисков на общем сигнале для диверсифицированного набора ETF. Скользящая модель Ridge использует признаки моментума,…

Формирование портфеляБэктестингАкцииИсполнение ордеров
Machine Learning for Trading

В этой записной книжке изолируется влияние распределения активов: выбранный сигнал в каждом исследовании фиксируется, а бэктесты на этапе распределения сравниваются. Рассматриваются равные веса, обратная волатильность, взвешивание по оценке, оптимизация…

Формирование портфеляБэктестингУправление рискамиСтатистика
Machine Learning for Trading

В этой записной книжке сравниваются методы распределения активов в разных исследованиях при фиксированном выбранном прогнозе сигнала для каждого исследования. Загружаются бэктесты этапа распределения, связанные с одним и тем же базовым прогнозом, а затем…

Формирование портфеляБэктестингУправление рискамиСтатистика
Machine Learning for Trading

В ноутбуке структурированный поиск по графу сравнивается с векторным поиском на основе эмбеддингов на данных об институциональных владениях из отчётов 13F. Создаётся снимок владений на фиксированный момент отсечения, ограничивается набор акций и формируются…

АкцииМашинное обучениеСтатистикаФормирование портфеля
Machine Learning for Trading

В ноутбуке сравниваются распределения портфеля из PyPortfolioOpt, Riskfolio-Lib и skfolio на одной и той же панели доходности ETF. Алгоритмы подгоняются на обучающем периоде; проверяется, что эквивалентные целевые функции и согласованные веса совпадают в…

Несколько классов активовФормирование портфеляБэктестингИсполнение ордеров
Machine Learning for Trading

В ноутбуке построена модель Марковица для длинных позиций с полной инвестицией, включая допустимые портфели, эффективную границу, решения с максимальным коэффициентом Шарпа и минимальной дисперсией. Объясняется, как дисперсия портфеля зависит от…

Несколько классов активовФормирование портфеляСтатистикаБэктестинг