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.
Документов: 938
В главе представлены агентные рабочие процессы для финансовых исследований, где основная сложность состоит в сборе, фильтрации и обобщении неоднородных данных. Они сопоставляются с традиционными моделями, хорошо работающими со стабильными структурированными…
В этой проверке Backtrader и Zipline сравниваются с ML4T на реальных примерах стратегий. Используются только сочетания активов и контрактов, которые каждый движок и зафиксированный набор данных могут обрабатывать нативно. Для обоих движков рассматриваются…
В ноутбуке задаются и проверяются месячные метки доходности для исследования поперечных характеристик компаний US. Проверяется, как поставщик данных сопоставляет характеристики каждой строки с результатом по доходности; подчёркивается, что панель уже…
В этом ноутбуке объясняется, как оценивать финансовые модели, не допуская утечки в обучение или отбор модели информации, недоступной на дату принятия решения. Различаются обучающая, валидационная и итоговая контрольная выборки; также объясняется, почему…
В этом ноутбуке сравниваются четыре способа выявить связи в панели доходности ETF: NOTEARS для одновременных линейных ориентированных ациклических графов, VAR-LiNGAM для структуры с лагами и мгновенными связями, PCMCI для тестов условной независимости и…
В этом ноутбуке изучается, как регуляризация Ridge влияет на результативность информационного коэффициента (IC) и как поиск гиперпараметров может смещать результаты валидации. Сначала оценивается широкий диапазон значений альфа с разбиением на…
В этом ноутбуке сравниваются модели комиссий и проскальзывания для акций и фьючерсов, а затем рассматривается влияние предположений о комиссиях на фиксированную стратегию импульса ETF ETF. Объясняется, как процентные, поштучные, минимальные, комбинированные…
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…
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…
В документе описана нейросеть TabM для ранжирования ETF по табличным признакам. Общая двухслойная базовая сеть передает данные нескольким компонентам ансамбля; у каждого есть собственный обучаемый вектор масштабирования и выходной слой. Усреднение прогнозов…
В обзоре главы объясняется, как градиентный бустинг на деревьях развивает идеи деревьев решений и случайных лесов для прогнозирования по табличным финансовым данным. Бустинг последовательно добавляет модели, исправляющие предыдущие ошибки, что помогает…
В документе описан ежемесячный набор данных по акциям US, предназначенный для исследований машинного обучения в области оценки активов. В него входят 94 характеристик компаний, преобразованных в ранги, в том числе бухгалтерские показатели и технические…
В ноутбуке изучается, как рыночное воздействие меняет результаты бэктеста стратегии импульса для акций с разной ликвидностью. Размер заявки и стратегию сохраняют неизменными, ликвидность и волатильность оценивают за период формирования, а затем применяют…
В этой записной книжке сравниваются две архитектуры Transformer для прогнозирования доходности 21-дневных ETF по восьми признакам предшествующего импульса. PatchTST объединяет последовательные дни в патчи, сокращая число токенов внимания и кодируя локальные…
В демонстрации одна стратегия пересечения двух скользящих средних запускается и в движке исторического бэктеста, и в движке реальной торговли, который воспроизводит те же дневные бары ETF. Стратегия, входные данные, параметры и правила исполнения…
В этом ноутбуке сравниваются квадратичная ошибка, абсолютная ошибка и функция потерь Хьюбера для моделей градиентного бустинга, прогнозирующих доходность коротких стреддлов «при деньгах». Прибыль целевой позиции ограничена, а потенциальные убытки могут быть…
В этом ноутбуке часовые данные непрерывных фьючерсов преобразуются в дневные бары OHLCV, согласованные с сессиями CME Globex. Временные метки относятся к сессии, завершающейся в 4 PM по центральному времени США: вечерняя торговля в воскресенье относится к…
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…
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,…
В тетради сравниваются бэггинг случайного леса, XGBoost, LightGBM и CatBoost при прогнозировании доходности акций по анонимизированным характеристикам компаний. Используются заранее заданные временные обучающая, валидационная и тестовая выборки; в качестве…
В руководстве объясняется, как организовать рыночные данные помимо разовых загрузок. Представлен единый менеджер для получения отдельных тикеров или пакетов данных, заданных и пользовательских наборов символов, а также хранения в формате Parquet с…
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…
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…
В документе описан общий процесс обучения временных свёрточных сетей на дневных данных пар FX. Модель получает последовательность фиксированной длины; если ожидаемое наблюдение за день отсутствует, любое окно, пересекающее этот разрыв, исключается.…