Sprache: Deutsch. Sprache wählen
Jetzt starten

Lernen / Bibliothek

Kurse

Entwickler-Trader

Für Analysten, die Code schreiben und datenbasierte Regeln und Modelle entwickeln, testen und dokumentieren wollen.

Marktdaten im Code verarbeiten, Regeln mit Code-Knoten erweitern, ML-Studien ohne Datenleck validieren und ein eigenes Modell innerhalb einer Strategie ausführen.

Neu an den Märkten? Beginnen Sie zuerst mit Einstieg.

Hier beginnen

What a backtest can prove, and what it can't

A backtest shows how a precisely defined rule would have behaved on past data under stated assumptions. It cannot show the rule will behave that way again.

In der App: Quantitative Tests (in Entwicklung)

Grundlagen

  1. 1

    Exchanges, brokers and data feeds: who does what

    Who supplies the data your code reads.

    • Anfänger
    • Visueller Leitfaden
    • 3 Min.
    • Demnächst
  2. 2

    Where market data comes from

    Where market data comes from.

    • Anfänger
    • Erklärung
    • 3 Min.
    • Demnächst
  3. 3

    Data quality: gaps, spikes and duplicates

    Data faults code must catch.

    • Anfänger
    • Visueller Leitfaden
    • 3 Min.
    • Demnächst
  4. 4

    Discretionary vs rules-based research

    Rules versus judgement.

    • Anfänger
    • Erklärung
    • 3 Min.
    • Demnächst
  5. 5

    From idea to tested rule

    From idea to testable rule.

    • Anfänger
    • Erklärung
    • 3 Min.
    • Demnächst
  6. 6

    Anatomy of a rule: entry, exit, size, filter

    Parts of a rule.

    • Anfänger
    • Visueller Leitfaden
    • 3 Min.
    • Demnächst
  7. 7

    Your first visual strategy graph

    Visual graph that code nodes extend.

    • Anfänger
    • Forschungsrezept
    • 5 Min.
    • Demnächst
  8. 8

    What a backtest can prove, and what it can't

    Limits of backtests.

    • Anfänger
    • Erklärung
    • 3 Min.
  9. 9

    Your first backtest, step by step

    First backtest run.

    • Anfänger
    • Forschungsrezept
    • 5 Min.
    • Demnächst
  10. 10

    Reading a backtest report: metrics that matter

    Reading the report.

    • Anfänger
    • Visueller Leitfaden
    • 3 Min.
    • Demnächst
  11. 11

    Returns: simple, log and percentage points

    Returns, the first calculation in code.

    • Anfänger
    • Erklärung
    • 3 Min.
    • Demnächst
  12. 12

    Standard deviation: volatility as a number

    Volatility as a number.

    • Anfänger
    • Visueller Leitfaden
    • 3 Min.
    • Demnächst
  13. 13

    Correlation without the confusion

    Correlation before regression.

    • Anfänger
    • Visueller Leitfaden
    • 3 Min.
    • Demnächst

Kern

  1. 14

    Python for market data: your first script

    First Python script on market data.

    • Mittleres Niveau
    • Forschungsrezept
    • 5 Min.
    • Demnächst
  2. 15

    Python for analysts cheat sheet

    Python operations cheat sheet.

    • Mittleres Niveau
    • Spickzettel
    • 2 Min.
    • Demnächst
  3. 16

    Build a custom indicator in code

    Custom indicator verified by hand.

    • Mittleres Niveau
    • Forschungsrezept
    • 5 Min.
    • Demnächst
  4. 17

    Code nodes: when visual logic isn't enough

    Code nodes inside a graph.

    • Mittleres Niveau
    • Forschungsrezept
    • 5 Min.
    • Demnächst
  5. 18

    Rule playground: wire a rule, see the signals

    Interactive rule playground.

    • Mittleres Niveau
    • Interaktives Werkzeug
    • 3 Min.
    • Demnächst
  6. 19

    Regression basics: lines through noisy data

    Regression before ML.

    • Mittleres Niveau
    • Visueller Leitfaden
    • 3 Min.
    • Demnächst
  7. 20

    Machine learning for markets: what it can and can't do

    What ML can and cannot do.

    • Mittleres Niveau
    • Erklärung
    • 5 Min.
    • Demnächst
  8. 21

    Features and labels: framing an ML question

    Framing features and labels.

    • Mittleres Niveau
    • Erklärung
    • 5 Min.
    • Demnächst
  9. 22

    Look-ahead bias: the backtest that read tomorrow

    Look-ahead bias, the root of leakage.

    • Mittleres Niveau
    • Erklärung
    • 5 Min.
    • Demnächst
  10. 23

    Overfitting in one picture

    Overfitting in one picture.

    • Mittleres Niveau
    • Visueller Leitfaden
    • 3 Min.
    • Demnächst
  11. 24

    In-sample vs out-of-sample

    In-sample versus out-of-sample.

    • Mittleres Niveau
    • Visueller Leitfaden
    • 3 Min.
    • Demnächst
  12. 25

    Leakage: how ML studies accidentally cheat

    Leakage in ML studies.

    • Mittleres Niveau
    • Erklärung
    • 5 Min.
    • Demnächst

Fortgeschritten

  1. 26

    Time-series cross-validation done right

    Time-series cross-validation.

    • Fortgeschritten
    • Visueller Leitfaden
    • 4 Min.
    • Demnächst
  2. 27

    Trees and boosting on tabular market data

    Tree models and tuning risk.

    • Fortgeschritten
    • Erklärung
    • 6 Min.
    • Demnächst
  3. 28

    Export a model to ONNX for on-device inference

    Export and verify a model.

    • Fortgeschritten
    • Forschungsrezept
    • 6 Min.
    • Demnächst
  4. 29
    Abschlussprojekt

    Use your own ML model inside a strategy graph

    Capstone recipe: your own model in a strategy graph.

    • Fortgeschritten
    • Forschungsrezept
    • 6 Min.
    • Demnächst
Optionale Lektüre: 9
  • Time zones and session boundaries in data
  • JavaScript in the research workspace
  • Pandas time-series essentials for analysts
  • Code as a transparent calculation aid
  • Checking an AI-generated indicator formula
  • Model cards: document a model before you use it
  • Reproducible notebooks and environments
  • Spot the leak: an ML study quiz
  • Why a node graph

In der App

Die Analess-Funktionen, die diese Lektionen am häufigsten verwenden. Die Verfügbarkeit wird auf der jeweiligen Funktionsseite angezeigt.