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: 184

Machine Learning for Trading

В документе объясняется инструментированный анализ главных компонент для моделирования доходности ETF. В отличие от обычного PCA, который задаёт каждому фонду фиксированные факторные экспозиции, IPCA представляет экспозиции каждого фонда как общую линейную…

АкцииФакторное инвестированиеМашинное обучениеСтатистика
Machine Learning for Trading

В этом ноутбуке анализ главных компонент представлен как безусловная базовая модель со скрытыми факторами для прогнозирования доходности акций в исследовании опционного анализа. Метод PCA использует панель исторической доходности для оценки общих движений и…

АкцииМашинное обучениеСтатистикаФакторное инвестирование
Machine Learning for Trading

В этом ноутбуке фактор поперечного моментума оценивается с помощью информационных коэффициентов, квантильной доходности, спредов между верхней и нижней группами и диагностик классификации. Коэффициент Спирмена IC определяется как ежедневная ранговая…

МоментумФакторное инвестированиеСтатистикаБэктестинг
Machine Learning for Trading

В этом ноутбуке анализ главных компонент используется для представления общих движений в широкой панели акций US. Метод PCA выделяет направления, объясняющие общую вариацию доходности; нагрузка каждой акции показывает её подверженность каждому направлению.…

АкцииРынки СШАМашинное обучениеСтатистика
Machine Learning for Trading

В этой записной книжке объясняется, как условный автоэнкодер расширяет инструментальный PCA для моделирования доходности ETF. Оба метода преобразуют признаки фондов в факторные экспозиции и объединяют их с доходностями факторов; автоэнкодер заменяет линейное…

АкцииФакторное инвестированиеМашинное обучениеБэктестинг
Machine Learning for Trading

В этом исследовании панели акций US линейная модель со штрафом служит базовым методом прогнозирования будущей доходности по признакам, наблюдаемым на закрытии торгов. Набор признаков включает перекрывающиеся измерения импульса и волатильности, что создаёт…

АкцииФакторное инвестированиеСтатистикаУправление рисками
Machine Learning for Trading

В ноутбуке объясняется инструментальный анализ главных компонент (IPCA), который оценивает общие факторы, задавая экспозиции каждой акции к ним как общую линейную функцию характеристик поверхности опционов на ту же дату. К этим характеристикам относятся…

ОпционыАкцииФакторное инвестированиеМашинное обучение
Machine Learning for Trading

В ноутбуке проверяется, объясняют ли четыре стратегии управляемых портфелей доходность SPY после учёта совместного движения широкого набора ETF. Стратегии ранжируют ETF по запаздывающему импульсу, волатильности или недавней доходности. Контролями служат…

Факторное инвестированиеМашинное обучениеСтатистикаМоментум
Machine Learning for Trading

В документе представлена месячная панель акций US от Chen, Pelger и Zhu для сравнения моделей ценообразования активов. Описаны 46 характеристик компаний, сгруппированных по экономическим темам, избыточная доходность за следующий месяц и разделение панели на…

АкцииРынки СШАФакторное инвестированиеСтатистика
Machine Learning for Trading

В этом анализе рассматривается зарегистрированный процесс бэктестинга ежемесячной стратегии на акциях US, основанной на характеристиках компаний. Приводятся неопределённость коэффициента Шарпа, вероятностные и скорректированные показатели Шарпа, парные…

АкцииФакторное инвестированиеСтатистикаБэктестинг
Machine Learning for Trading

В этой записной книжке рассматривается PCA с премией за риск PCA, которая изменяет ковариационную матрицу доходностей, добавляя взвешенное внешнее произведение средних доходностей за обучающий период. Главные собственные векторы задают статические факторные…

Факторное инвестированиеСтатистикаФормирование портфеляБэктестинг
Machine Learning for Trading

В ноутбуке представлен инструментальный анализ главных компонент (IPCA) — подход со скрытыми факторами для прогнозирования доходности по характеристикам компаний. Вместо прямого назначения веса доходности каждой характеристике метод IPCA моделирует факторные…

АкцииФакторное инвестированиеМашинное обучениеСтатистика
Machine Learning for Trading

В этом инструменте описан метод объяснения доходности стратегии с помощью трёхфакторной или пятифакторной модели Фама—Френча, при необходимости с добавлением импульса. Данные дневных доходностей факторов сопоставляются с доходностью стратегии; определяется…

Факторное инвестированиеСтатистикаУправление рискамиФормирование портфеля
Machine Learning for Trading

В ноутбуке оцениваются опубликованные доходности факторов как потенциальные составляющие портфеля. Рассматриваются три отдельных вопроса: превышает ли средняя доходность фактора высокий статистический порог, диверсифицируют ли факторы друг друга по причинам,…

Факторное инвестированиеСтатистикаФормирование портфеляУправление рисками
Machine Learning for Trading

В записной книжке оценивается, можно ли исследовать месячную стратегию лонг-шорт по характеристикам компаний на опубликованной панели компаний US. Проверяются кодировка данных, изменение доступной вселенной со временем, достаточность числа компаний для обеих…

АкцииФакторное инвестированиеСтатистикаБэктестинг
Machine Learning for Trading

В документе представлены скрытые факторы — общие драйверы доходности, выводимые из совместного движения фьючерсов, а не задаваемые в качестве именованных предикторов. Сравниваются два подхода, каждый из которых обучается внутри отдельного фолда. Анализ…

ФьючерсыФакторное инвестированиеМашинное обучениеФормирование портфеля
Machine Learning for Trading

В этой записной книжке модели ridge, lasso и elastic net обучаются на опубликованных характеристиках отдельных акций US. Признаки охватывают стоимость, прибыльность, инвестиции, размер, моментум, разворот, риск и ликвидность. Фолды walk-forward обеспечивают…

АкцииФакторное инвестированиеМашинное обучениеСтатистика
Machine Learning for Trading

В документе представлены общедоступные наборы данных доходности факторов Fama-French и AQR для сравнительного анализа, атрибуции риска и исследований факторов. Описаны рыночные факторы, размер, стоимость, прибыльность, инвестиции и моментум из библиотеки…

Факторное инвестированиеАкцииСтатистикаБэктестинг
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 этой записной книжке оцениваются 57 бухгалтерских и ценовых характеристик как отдельных предикторов доходности акций US за следующий месяц. Рассчитываются ежемесячные ранговые корреляции в поперечном срезе, усредняются во времени и корректируется…

АкцииФакторное инвестированиеСтатистикаУправление рисками
Machine Learning for Trading

В главе представлен подход к преобразованию торговой идеи в документированную спецификацию признака. Исследователям предлагается согласовать горизонт признака с целевым решением, сформулировать гипотезу о движущем факторе и отличать прогнозные сигналы от…

Технические индикаторыМашинное обучениеСтатистикаБэктестинг
Machine Learning for Trading

В ноутбуке собраны результаты линейных моделей, включая OLS, Ridge, Lasso и ElasticNet, по девяти исследованиям. Для каждого исследования сравнивается лучшая полная конфигурация на основной метке, затем анализируются регуляризация, информационные…

Машинное обучениеСтатистикаБэктестингФакторное инвестирование
Machine Learning for Trading

В главе представлен подход к оценке причинно-следственных утверждений в исследованиях количественного трейдинга. Сначала даются чёткие определения воздействия, результата, оцениваемого параметра, контрфактического сценария и набора корректировок, а затем…

Машинное обучениеСтатистикаБэктестингФакторное инвестирование
Machine Learning for Trading

В этом ноутбуке метод главных компонент применяется к ликвидной выборке акций US, чтобы построить собственные портфели с нормировкой по валовой экспозиции и изучить их роль как латентных факторов риска. Рассматриваются объяснённая дисперсия, интерпретация…

АкцииФакторное инвестированиеСтатистикаУправление рисками