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: 749

Machine Learning for Trading

В этом ноутбуке сравнивается ежедневная, еженедельная, двухнедельная и ежемесячная ребалансировка портфеля импульса с высокими рейтингами, сформированного из фиксированного набора ETF ETF. По историческим ценам рассчитываются оборот и валовая доходность с…

АкцииМоментумИсполнение ордеровБэктестинг
Machine Learning for Trading

Этот модуль конфигурации описывает структуру для задания параметров серий бэктестов для каждого тематического исследования. Он считывает из файлов настройки схем входа, методов распределения капитала, диапазонов торговых издержек и риск-контролей, выдавая…

БэктестингУправление рискамиОпределение размера позицииФормирование портфеля
Machine Learning for Trading

В документе задается еженедельный исследовательский процесс для акций S&P 500, использующий данные опционного рынка вместе с сигналами на основе цен. В нем определяются допустимый набор инструментов, время принятия решений и исполнения, а также разная…

ОпционыАкцииВолатильностьМоментум
Machine Learning for Trading

В ноутбуке объясняется, как лимит доли объема ограничивает часть рыночного объема, которую заявка может потребить за каждый интервал. Если родительская заявка превышает допустимый объем, брокер исполняет ее часть, а остаток переносит на следующий интервал.…

АкцииИсполнение ордеровМикроструктура рынкаУправление рисками
Machine Learning for Trading

В этой главе объясняется, как создавать и применять финансовые графы знаний, когда для ответа важны связи, например владение активами, цепочки поставок или распространение кризиса. Рассматриваются идентификация сущностей, схемы типизированных связей,…

Машинное обучениеАкцииРынки СШАФормирование портфеля
Machine Learning for Trading

В ноутбуке оценивается, позволяют ли четырехчасовые спотовые данные FX реализовать дневную кросс-секционную стратегию, которая ранжирует валютные пары по импульсу и кэрри, покупает сильнейшие и продает слабейшие. Модель не обучается и прогнозы не строятся.…

Валютный рынокМоментумДоходность от переноса позицииСтатистика
Machine Learning for Trading

В этой конфигурации описана дневная стратегия лонг-шорт по 20 парам FX. Заданы время принятия решения на закрытии торгов в Нью-Йорке, исполнение на следующем баре, равновзвешенные позиции и ранжирующие сигналы на основе импульса или керри. Также указаны…

Валютный рынокМоментумДоходность от переноса позицииВозврат к среднему
Machine Learning for Trading

В документе описан процессор парных сравнений результатов на разных этапах отбора стратегий. Сравниваются отобранные сигналы с эталонами с равными весами, выборки отложенного периода с валидационными, а также переходы между этапами распределения капитала,…

СтатистикаБэктестингУправление рискамиФормирование портфеля
Machine Learning for Trading

В тетради исполнение родительского ордера рассматривается как задача управления с конечным горизонтом. Табличный агент Q-learning выбирает множитель для интенсивности торговли на основе VWAP, учитывая оставшееся время, остаток позиции и режимы спреда и…

Исполнение ордеровМашинное обучениеМикроструктура рынкаУправление рисками
Machine Learning for Trading

В тетради проверяются правила управления риском на уровне позиции и портфеля для ведущих комбинаций распределения капитала ETF в месячной стратегии. Зарегистрированные прогнозы, концентрация и распределитель остаются неизменными; результаты с дополнительными…

АкцииУправление рискамиБэктестингИсполнение ордеров
Machine Learning for Trading

Обзор главы описывает этапы исследования от проверенных рыночных данных до оценки модели. Рассматриваются предобработка с учётом разбиений, кодирование и обработка пропусков, а затем построение целевых значений с учётом исполнения, в том числе меток с…

Машинное обучениеСтатистикаБэктестингИсполнение ордеров
Machine Learning for Trading

В этой тетради показана система ответов на вопросы по графу Neo4j с институциональными позициями 13F. Запрос направляется к одному из трёх написанных вручную шаблонов Cypher, а не генерируется из вопроса; используются фиксированные параметры, политика схемы…

АкцииУправление рискамиМикроструктура рынка
Machine Learning for Trading

В этой записке описан анализ методом двойного машинного обучения с расширяющимся окном: проверяется, предсказывает ли моментум за период от 12 до -2 месяцев доходность акций компаний US за следующий месяц при учёте Beta, IdioVol, LME и Variance.…

АкцииМоментумМашинное обучениеСтатистика
Machine Learning for Trading

В документе описаны сквозные конвейеры для объединения исторических и недавних данных по акциям, а также подготовки часовых данных бессрочных криптоконтрактов. В основном примере наблюдения WikiPrices и Yahoo объединяются на границе покрытия; проверяются…

Несколько классов активовСтатистикаУправление рисками
Machine Learning for Trading

В записной книжке представлен структурированный формат состояния для исследовательских агентов, сохраняющий вопрос запуска, дату отсечения, свидетельства, нерешённые вопросы, историю инструментов, результаты проверок качества и статус синтеза. Это состояние…

Машинное обучениеСтатистикаУправление рисками
Machine Learning for Trading

В документе оценивается, как торговые издержки меняют валидационные результаты одного ранее выбранного распределения между акциями и опционами S&P 500. Рассматриваются комиссии за одну сторону как доля торгуемой стоимости; они сравниваются с фиксированной…

АкцииОпционыБэктестингИсполнение ордеров
Machine Learning for Trading

В записной книжке обычный автоэнкодер обучается на стандартизированной часовой доходности группы рынков бессрочных криптоконтрактов. Энкодер сжимает вектор доходности разных активов до двумерного латентного представления, а декодер восстанавливает исходные…

КриптовалютыБессрочные фьючерсыМашинное обучениеВолатильность
Machine Learning for Trading

В записной книжке сравниваются Монте-Карло-дропаут и глубокие ансамбли как способы оценить неопределённость ежедневных прогнозов доходности ETF. Дропаут остаётся активным при повторных прогнозах, а участники ансамбля обучаются отдельно; разброс прогнозов…

Машинное обучениеСтатистикаУправление рискамиОпределение размера позиции
Machine Learning for Trading

В записной книжке рассматриваются методы выявления изменений во временном финансовом ряду на примере SPY. Тест Зивота—Эндрюса, который оценивает один структурный сдвиг при проверке гипотезы о единичном корне, сопоставляется с PELT и бинарной сегментацией,…

АкцииСтатистикаМашинное обучениеУправление рисками
Machine Learning for Trading

В исследовательском анализе описывается дневная панель биржевых фондов по девяти группам. Проверяется покрытие символов во времени, сравнивается панель со справочником классификации, рассматриваются пропуски и нулевые объёмы, а также порядок ценовых баров и…

АкцииФормирование портфеляИсполнение ордеровУправление рисками
Machine Learning for Trading

В записке показано обучение генеративно-состязательной сети на дневных признаках ETF с дифференциальной приватностью. Сначала вводятся гарантия и бюджет конфиденциальности, затем с помощью Opacus градиент дискриминатора каждого наблюдения ограничивается по…

Машинное обучениеСтатистикаАкцииУправление рисками
Machine Learning for Trading

В этой главе рассматриваются способы генерации синтетических финансовых данных и критерии полезности результата. Она начинается с ограниченного числа реализованных рыночных траекторий и риска того, что повторный поиск стратегий завышает видимые результаты…

Машинное обучениеСтатистикаБэктестингУправление рисками
Machine Learning for Trading

В исследовании сравниваются заданные правила фиксированного и скользящего стоп-приказа для позиций FX. Сначала для каждой метки выбирается одна базовая стратегия из когорты валидации с зафиксированным составом, затем меняется только правило риска для…

Валютный рынокУправление рискамиБэктестингОпределение размера позиции
Machine Learning for Trading

В этом анализе сравниваются зарегистрированные модели прогнозирования ETF из нескольких семейств на общей межрыночной панели. Оценивается, насколько хорошо каждая модель ранжирует фонды по последующей доходности с помощью информационных коэффициентов;…

Несколько классов активовМашинное обучениеСтатистикаБэктестинг