Zusammenfassungen und Kernaussagen zu den Büchern, Aufsätzen, Artikeln und zum Code, den unsere KI-Agenten lesen – verfasst vom Research-Agenten von Stratmill. Jede Seite verlinkt auf das Original.
374 Dokumente
Das Paper untersucht, ob Strategien auf Basis anderer Anlageklassen algorithmische Anlagestrategien auf den S&P 500 diversifizieren können. Es vergleicht Signale aus LSTM-Prognosen, ARIMA-GARCH-Prognosen, Momentum und Contrarian-Regeln. Zu den betrachteten…
Dieser Artikel wendet randomisierte Kontrollgruppen auf die empirische Bewertung von Vermögenswerten und Anlageperformance an. Mithilfe geometrischer Random Walks, einer Klasse von Markov-Chain-Monte-Carlo-Methoden, erzeugt er zufällige Portfolios, die…
Die Studie behandelt die Rangfolge von Vermögenswerten in systematischen Querschnittsportfolios. Sie argumentiert, dass einfache Heuristiken und Rangfolgen, die durch Sortieren von Vorhersagen herkömmlicher Regressions- oder Klassifikationsmodelle entstehen,…
Das Dokument skizziert einen systematischen Ansatz, um Handelsstrategien und die Asset-Allokation an veränderte Marktbedingungen anzupassen. Es schlägt vor, Markov-autoregressive Modelle mit wechselnden Zuständen zu verwenden, um Regime zu identifizieren und…
Das Dokument untersucht, wie sich der indirekte Nutzenprozess einer Handelsstrategie verändert, wenn die Renditedynamik des riskanten Vermögenswerts gestört wird. Die Strategie muss nicht optimal sein; die Analyse gilt daher auch für Nutzenprozesse, die aus…
Dieses Dokument stellt eine Bayes’sche Methode zur Schätzung von Korrelationsmatrizen vor, die sich im Zeitverlauf verändern. Sie bildet Abhängigkeiten mit einem niedrig-rangigen Faktormodell ab, verwendet latente Zustände mit dynamischen Shrinkage-Priors…
Diese Arbeit schlägt RADAR vor, einen Retrieval-Augmented-Diffusionsrahmen, der Marktzustände für die Portfoliooptimierung im Rahmen des stochastischen Diskontfaktors repräsentiert. Ausgangspunkt ist, dass Märkte zwischen Regimen wechseln, Finanzdaten wie…
Tail-GAN ist ein datengestützter Szenariogenerator, der realistische gemeinsame Kursdynamiken für hochdimensionale Multi-Asset-Portfolios simulieren soll. Im Mittelpunkt stehen Verluste im Verteilungsschwanz. Das Verfahren nutzt die gemeinsame…
Die Arbeit wendet überwachtes maschinelles Lernen auf den Drift nach Gewinnmitteilungen (PEAD) an, eine Aktienanomalie, bei der sich Renditen nach Gewinnmeldungen weiter bewegen. Das Modell nutzt XGBoost und entwickelte fundamentale sowie technische Merkmale…
Diese Arbeit erweitert funktional generierte Portfolios, einen Ansatz der zeitstetigen stochastischen Portfoliotheorie. In der Standardformulierung beschreibt eine erzeugende Funktion die Rendite eines Portfolios relativ zu einer passiven Benchmark anhand…
Die Arbeit stellt einen risikobeschränkten Ansatz zur Portfoliooptimierung für virtuelle Gebote an US-Großhandelsstrommärkten vor. Sie prognostiziert stundenübergreifende Spreads der lokalen Grenzpreise mit einem rekurrenten neuronalen Netz und nutzt dabei…
Das Dokument stellt eine Methode zur Portfoliokonstruktion für Pair-Trading vor, die Überschneidungen zwischen den ausgewählten Paaren begrenzt. Es bildet Vermögenswerte als Knoten eines Graphen und kointegrierte Kandidatenpaare als gewichtete Kanten ab; die…
Die Arbeit entwickelt ein Verfahren, um zu testen, ob das Hinzufügen von Wertpapieren oder die Lockerung von Anlagebeschränkungen die Möglichkeiten von Anlegern erweitert, die Ergebnisse anhand von Prospect-Präferenzen bewerten. Sie formuliert einen Test auf…
Dieses Dokument beschreibt eine aktive Strategie, die die Allokation zwischen gleichgewichteten und nach Marktkapitalisierung gewichteten Aktienportfolios verschiebt. Die Motivation: Gleichgewichtung hat über lange Zeiträume häufig besser abgeschnitten, kann…
Die Arbeit untersucht, ob Momentum-Informationen eines Futures-Marktes das Momentum in anderen Märkten vorhersagen können. Dazu erstellt sie aus preisabhängigen Momentum-Merkmalen ein Netzwerk über 64 kontinuierlich gehandelte Kontrakte aus Rohstoffen,…
Das Dokument beschreibt eine datengestützte Methode mit gleitendem Fenster zur Lösung eines logoptimalen Portfolio-Problems. Statt einen festen Satz an Portfolio-Gewichten zuzuweisen, erzeugt der Ansatz zeitlich veränderliche Gewichte. So lassen sich…
Das Dokument stellt L2GMOM vor, ein Framework für Netzwerk-Momentum auf Basis von maschinellem Lernen. Netzwerk-Momentum nutzt Beziehungen zwischen Assets, um künftige Renditen besser vorherzusagen. Das vorgeschlagene Framework lernt das Finanznetzwerk und…
Diese Arbeit beschreibt ein modellfreies faltendes neuronales Netz, das historische Preise für eine Reihe von Assets als Eingabe erhält und Portfolio-Gewichte ausgibt. Es wird mittels Reinforcement Learning trainiert, wobei die kumulative Rendite als…
Die Arbeit behandelt ein Problem der Portfoliozusammenstellung bei statistischer Arbitrage: Signale aus vielen Paaren können einander widersprechen, sodass sich Chancen über eine große Gruppe von Wertpapieren nur schwer kombinieren lassen. Vorgeschlagen…
Das Dokument untersucht die Optimierung des Portfoliowachstums bei unsicheren erwarteten Renditen. Es betrachtet einen unvollständigen, hochdimensionalen Markt, in dem Vermögenspreise von stochastischen Faktoren abhängen. Statt den Drift vollständig…
Das Paper entwickelt ein adaptives matrixvariates Markov-Chain-Monte-Carlo-Verfahren für bayessche kointegrierte Vektorautoregressionen. Es ersetzt das Griddy-Gibbs-Sampling durch einen automatisierten Adaptive-Metropolis-Ansatz, der die Posterior-Schätzung…
Das Paper untersucht, ob Makro- und Marktsignale den Zeitpunkt für Allokationen zwischen Growth- und defensiven ETF-Körben bestimmen können. Es behandelt die Aufgabe als Stilallokation statt als Suche nach einem neuen Alpha-Faktor: Die Faktorzuordnung zeigt…
Diese Arbeit untersucht, wie sich die Portfolio-Volatilität und die Risikobeiträge einzelner Vermögenswerte über Haltedauern von mehr als einem Tag schätzen lassen. Die bekannte Skalierung mit der Quadratwurzel der Zeit setzt voraus, dass Renditen nicht…
Diese Notizen entwickeln eine quantitative Behandlung der Mean Reversion: Sie beginnen mit Pair Trading und führen über Demeaning, Regression, gewichtete Regression und beschränkte Optimierung bis zu Faktormodellen. Die Abfolge zeigt, wie sich mit zunehmend…