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 этой конфигурации описаны месячные лонг-шорт портфели акций US, ранжированных по характеристикам компаний. Задаётся универсум без пропущенных значений с 46 характеристиками, решения на конец месяца, исполнение на открытии следующей сессии, равные веса в…

АкцииФакторное инвестированиеМоментумБэктестинг
Machine Learning for Trading

В этом блокноте представлена модель стохастического дисконтирующего фактора для оценки поперечного среза ETF. Вместо раздельной оценки экспозиций фондов и доходностей факторов сети обучаются находить общий временной ряд дисконтирующего фактора, ковариация…

Машинное обучениеФакторное инвестированиеСтатистикаАкции
Machine Learning for Trading

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…

АкцииСтатистикаМашинное обучениеБэктестинг
Machine Learning for Trading

Эта утилита для работы с данными предназначена для набора данных оценки активов Chen, Pelger и Zhu, включающего доходность акций, характеристики компаний, макроэкономические ряды и тензоры характеристик до разбиения. Метод преобразования создаёт файлы…

АкцииФакторное инвестированиеМашинное обучениеСтатистика
Machine Learning for Trading

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…

АкцииОпционыМашинное обучениеФакторное инвестирование
Machine Learning for Trading

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…

Факторное инвестированиеМашинное обучениеСтатистикаБэктестинг
Machine Learning for Trading

В записной книжке представлена нейросетевая модель стохастического дисконт-фактора для панели фьючерсов CME. Модель использует доходности продуктов и наблюдаемые характеристики, например кэрри, моментум и волатильность, чтобы строить скрытые факторы и…

ФьючерсыМашинное обучениеФакторное инвестированиеБэктестинг
Machine Learning for Trading

В эксперименте исследуется, насколько выбранный месячный длинно-короткий сигнал по акциям US зависит от акций малой капитализации. К прогнозам для валидации применяется фильтр по рыночной капитализации с лагом, отсекающий самый малый квартиль, после чего…

АкцииРынки СШАФакторное инвестированиеБэктестинг
Machine Learning for Trading

В этом ноутбуке описан условный автоэнкодер, моделирующий доходность акций как произведение факторных нагрузок, зависящих от характеристик, на латентные факторы. Сначала совместная поперечная регрессия методом наименьших квадратов оценивает доходность…

АкцииФакторное инвестированиеМашинное обучениеФормирование портфеля
Machine Learning for Trading

В анализе сопоставляются журналы первичной оценки признаков в девяти примерах торговых исследований. Значимость с контролем доли ложных открытий по Бенджамини—Хохбергу отделяется от второго пути к решению PROCEED: сочетания заданного для конкретного кейса…

СтатистикаМашинное обучениеБэктестингФакторное инвестирование
Machine Learning for Trading

В блокноте факторы главных компонент строятся по панели доходности фьючерсов CME, а не по сконструированным характеристикам, таким как кэрри, моментум или волатильность. Метод PCA находит направления, объясняющие вариацию между продуктами; первая компонента…

ФьючерсыФакторное инвестированиеМашинное обучениеБэктестинг
Machine Learning for Trading

В блокноте описаны медленно меняющиеся контекстные признаки для ежедневных торговых решений: бухгалтерские коэффициенты, макроэкономические условия и календарные кодировки. Рассматриваются показатели стоимости и качества, такие как доходность прибыли на…

АкцииФакторное инвестированиеСтатистикаТехнические индикаторы
Machine Learning for Trading

В этом блокноте анализируется конвейер отбора заголовков ESG по ключевым словам и сопоставляются структурированные результаты классификатора с требованиями к помощнику на основе генерации с дополнением поиском. Первый список ключевых слов отбирает заголовки,…

Настроения рынкаМашинное обучениеФакторное инвестирование
arXiv papers

В статье сравниваются портфели, оптимизированные для минимизации недополученного дохода, и портфели, оптимизированные для минимизации дисперсии. В эмпирическом исследовании используются модель экстремального риска Barra и стилевые факторы, такие как Value,…

АкцииФормирование портфеляУправление рискамиФакторное инвестирование
Machine Learning for Trading

В документе описаны способы преобразования датированных записей по инструментам в массивы для тематических исследований латентных факторов. Первый метод оставляет только инструменты, соответствующие порогу охвата, рассчитанному по набору данных о…

Факторное инвестированиеФормирование портфеляСтатистика
Machine Learning for Trading

В этом ноутбуке объясняется, как поиск среди множества факторов или стратегий завышает видимые результаты выбранного победителя, даже если отдельные оценки рассчитаны корректно. На смоделированном наборе шумовых факторов показано, что наибольший…

СтатистикаФакторное инвестированиеБэктестингУправление рисками
Machine Learning for Trading

Risk-Premium PCA изменяет ковариационную матрицу, добавляя взвешенное внешнее произведение вектора средних доходностей на обучающей выборке. Его ведущие собственные векторы задают статические факторные портфели: при нулевом весе получается обычный PCA, а…

Факторное инвестированиеСтатистикаМашинное обучениеБэктестинг
Machine Learning for Trading

В этой тетради модель гауссовых смесей группирует месяцы по совместному поведению девяти рядов доходности факторов и классов активов. Месячные наблюдения стандартизируются, месяцы с пропущенными значениями исключаются, а варианты числа кластеров сравниваются…

Факторное инвестированиеМашинное обучениеСтатистикаНесколько классов активов
Machine Learning for Trading

В этой тетради по разработке признаков объясняется, как более медленная информация о фундаментальных показателях, макроэкономике и календарном контексте может уточнять более быстрые торговые сигналы. Описаны стоимостные коэффициенты, например отношение…

Факторное инвестированиеАкцииСтатистикаМашинное обучение
Machine Learning for Trading

В этой тетради обобщены зарегистрированные результаты валидации для пяти оценивателей латентных факторов на наборе примеров. Сначала показано, для каких панелей есть результаты по каждому оценивателю, затем определяется лидер по среднему дневному ранговому…

Машинное обучениеСтатистикаФакторное инвестированиеБэктестинг
Machine Learning for Trading

В этой главе генерация с дополнением на основе поиска представлена как способ повысить полезность языковых моделей для открытых финансовых исследований, где неподтверждённые утверждения и галлюцинации могут дорого обойтись. Рассматривается весь процесс: от…

Машинное обучениеСтатистикаАкцииНастроения рынка
arXiv papers

В статье предложена однонаправленная модель Transformer, SERT, для оценки акций крупных компаний US; предобученные трансформеры применяются для оценки акций и инвестиций в факторы. Эти подходы сравниваются со стандартными трансформерами и моделями только с…

АкцииМашинное обучениеФакторное инвестированиеСледование за трендом
arXiv papers

В документе описана аномалия оценки активов, связанная с оплатой труда сотрудников: сообщается, что акции компаний, которые тратят больше на зарплаты и льготы в расчёте на сотрудника, в среднем показывают более высокую доходность. Также выдвигается…

АкцииФакторное инвестированиеСтатистика
arXiv papers

В исследовании выясняется, меняются ли результаты ценового моментума на корейских акциях, если допустимую совокупность ограничить подгруппами KOSPI 200. Доходность моментума сравнивается между подсегментами рынка, а выявленная закономерность проверяется на…

АкцииМоментумФакторное инвестирование