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: 938

Machine Learning for Trading

В записной книжке проверяется, реализуема ли пятнадцатиминутная стратегия ранжирования акций по поперечному сечению до обучения модели или построения прогнозов. Используются данные котировок NASDAQ-100, доходность по средним ценам и окно разработки до…

АкцииРынки СШАМикроструктура рынкаБэктестинг
Machine Learning for Trading

В коде описано, как настройки бэктеста определяются по конфигурации примера и как при идентификации запуска учитываются изменения торгуемого набора и возраста прогнозов. Главный вывод: любой фильтр, изменяющий портфель или набор прогнозов, должен быть…

БэктестингИсполнение ордеровУправление рискамиОпределение размера позиции
Machine Learning for Trading

В документе описаны способы сравнить доходность стратегии с двумя внешними бенчмарками: дневной полной доходностью SPY и рыночной доходностью Fama-French, рассчитанной как сумма рыночной премии за риск и безрисковой ставки. Предусмотрены фильтрация по датам…

БэктестингСтатистикаУправление рискамиРынки США
Machine Learning for Trading

В документе описано обучение простой линейной модели последовательностей на минутных признаках NASDAQ-100 для прогноза будущей доходности на нескольких горизонтах. Каждый вход содержит предшествующий час данных по одной акции, представленных как изменения…

АкцииМашинное обучениеМикроструктура рынкаБэктестинг
Machine Learning for Trading

В документе представлен рабочий процесс исследований торговли с машинным обучением: от данных и построения признаков через обучение моделей, бэктестинг, транзакционные издержки, решения по портфелю и риску до внедрения и мониторинга. Подчёркиваются граница…

Машинное обучениеБэктестингУправление рискамиФормирование портфеля
Machine Learning for Trading

В этом исследовании фьючерсов CME меняются ёмкость деревьев градиентного бустинга и функция потерь, а прогнозы фиксируются на нескольких этапах обучения. Число листьев дерева определяет, насколько детально модель разбивает пространство признаков;…

ФьючерсыМашинное обучениеСтатистикаБэктестинг
Machine Learning for Trading

В записной книжке изучается, как выбор регуляризации Ridge влияет на информационный коэффициент панели ETF и как поиск гиперпараметров может завышать заявленные результаты. Сначала оценивается широкий диапазон значений альфа на walk-forward-фолдах с…

АкцииМашинное обучениеСтатистикаБэктестинг
Machine Learning for Trading

В записной книжке объясняется, как рассчитывать будущую спотовую доходность за одну, пять и 21 торговых сессий для фиксированного набора валютных пар FX. Сначала бары длительностью четыре часа распределяются по торговым сессиям с помощью календаря переноса…

Валютный рынокСпотовые рынкиМоментумВозврат к среднему
Machine Learning for Trading

В записной книжке спецификация уже выбранной стратегии FX применяется к зарегистрированным прогнозам отложенной выборки. Сохраняются сигнал стратегии, распределение активов, средства контроля риска, правило ребалансировки, издержки и настройки счёта; набор…

Валютный рынокБэктестингУправление рискамиФормирование портфеля
Machine Learning for Trading

В записной книжке объясняется инструментированный анализ главных компонент (IPCA), который моделирует факторную экспозицию каждого ETF как общую линейную функцию наблюдаемых признаков этого фонда. Метод чередующихся наименьших квадратов совместно оценивает…

АкцииФакторное инвестированиеМашинное обучениеСтатистика
Machine Learning for Trading

В записной книжке описан метод отчётности для стратегии возврата к среднему с длинными позициями по RSI на BTC. Сначала сопоставляются результаты до и после издержек, затем стратегия сравнивается с удержанием актива за те же торговые даты, при той же…

КриптовалютыВозврат к среднемуТехнические индикаторыБэктестинг
Machine Learning for Trading

В ноутбуке объясняется модель стохастического дисконтирующего фактора (SDF) для оценки поперечного среза доходности компаний US. Она обучает веса, при которых дисконтированная доходность активов удовлетворяет моментным условиям отсутствия арбитража, а не…

АкцииФакторное инвестированиеМашинное обучениеСтатистика
Machine Learning for Trading

В документе описано абляционное исследование того, улучшают ли обученные графовые эмбеддинги прогнозы доходности акций по сравнению с обычными табличными признаками. Сеть строится по историческим корреляциям доходности акций; признаки моментума,…

АкцииМашинное обучениеБэктестингСтатистика
Machine Learning for Trading

В ноутбуке строится ежемесячная матрица модели для исследования характеристик компаний US на опубликованной панели, где характеристики уже ранжированы между компаниями. Составные признаки и взаимодействия добавляются из значений в одной строке «компания —…

АкцииФакторное инвестированиеФормирование портфеляБэктестинг
Machine Learning for Trading

В документе объясняется, как интерфейс поиска прогнозирующего агента может ограничивать используемые данные и делать действия агента проверяемыми. Независимый от поставщика протокол возвращает типизированные результаты с источником, датой публикации, оценкой…

БэктестингИсполнение ордеровМашинное обучение
Machine Learning for Trading

В ноутбуке описано создание прогнозов на отложенной выборке для стратегии на FX после выбора её конфигурации по результатам валидации. Из допущенных кандидатов, сохранивших платёжеспособность, выбирается вариант с наибольшим коэффициентом Шарпа на…

Валютный рынокБэктестингМашинное обучениеУправление рисками
Machine Learning for Trading

В этой записной книжке анализируется, как фиксированная базовая стратегия импульса только для длинных позиций на ETF работала в разных рыночных условиях с 2010 по 2024. Для каждой дневной доходности определяются состояния на основе волатильности и тренда,…

АкцииМоментумСледование за трендомВолатильность
Machine Learning for Trading

В этой записной книжке формируются метки будущей доходности для коротких стреддлов около денег на акции S&P 500. Поскольку ежедневная панель стреддлов со сроком 30 дней каждый день переходит к другому страйку или сроку экспирации, сдвинутый ценовой ряд…

ОпционыОценка стоимости деривативовВолатильностьБэктестинг
Machine Learning for Trading

В этой записной книжке представлен векторизованный бэктестинг с VectorBT на примере правила возврата к среднему для длинных позиций по RSI на данных о бессрочных фьючерсах Bitcoin. Рассчитывается RSI на основе цен закрытия; позиция открывается, если значение…

КриптовалютыБессрочные фьючерсыВозврат к среднемуТехнические индикаторы
Machine Learning for Trading

В ноутбуке изучаются шесть методов распределения капитала для выбранных конфигураций криптостратегий с бессрочными контрактами. Ранжирование и правила входа остаются неизменными, меняется только капитал, выделяемый на каждую позицию. Методы используют оценки…

КриптовалютыБессрочные фьючерсыОпределение размера позицииФормирование портфеля
Machine Learning for Trading

В ноутбуке представлен автономный рабочий процесс исследования: языковая модель использует универсальные инструменты для просмотра файлов, выполнения команд, запросов к реестру бэктестов и анализа данных. Вместо жёстко заданных исследовательских действий…

Машинное обучениеБэктестингСтатистика
Machine Learning for Trading

В этом ноутбуке объясняется, почему опубликованный коэффициент Шарпа — неопределённая оценка, а не окончательная мера качества стратегии. Рассматриваются доверительные интервалы и вероятностный коэффициент Шарпа, оценивающий вероятность того, что истинный…

СтатистикаБэктестингУправление рисками
Machine Learning for Trading

В ноутбуке сравниваются равные веса с двумя правилами распределения капитала для торговых стратегий, сформированных на основе характеристик компаний US: взвешивание по оценке направляет больше капитала в активы с более высокими прогнозами модели, а…

АкцииОпределение размера позицииФормирование портфеляБэктестинг
Machine Learning for Trading

В анализе сравниваются сигналы, полученные с помощью машинного обучения, для месячной доходности акций US в поперечном срезе на основе бухгалтерских и рыночных характеристик; целевая переменная — доходность следующего месяца. Рассматриваются линейные модели,…

АкцииРынки СШАМашинное обучениеСтатистика