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 Dokument untersucht, wie ein Anleger mit konstanter relativer Risikoaversion in einem Black-Scholes-Markt handeln sollte, wenn er zusätzlich eine zufällige Ausstattung hält. Mithilfe eines Dualitätsansatzes leitet es eine explizite optimale…
Diese Studie prüft, ob Kontext auf Satzebene Nachrichtenthemenmodelle verbessert, die zum Aufbau systematischer Asset-Pricing-Faktoren verwendet werden. Sie vergleicht Latent Dirichlet Allocation mit einem eingefrorenen Satz-Transformer und anschließendem…
Diese Arbeit schlägt ein Zwei-Faktoren-Modell zur Bewertung von Vermögenswerten für Volkswirtschaften vor, in denen die Marktkapitalisierungen von Unternehmen eine ausreichend schwer-taillierte Verteilung aufweisen. Neben dem herkömmlichen Marktrisiko…
Das Dokument präsentiert Belege aus einem Jahrzehnt zur Anwendung von Trendfolgestrategien auf Kryptowährungsmärkten, beginnend mit der frühen Markthistorie von Bitcoin. Es argumentiert, dass Kryptomärkte Merkmale mit historischen Rohstoffmärkten teilen, und…
Diese Studie stellt SimStock vor, einen Rahmen zur Identifizierung ähnlicher Aktien anhand ihres Zeitreihenverhaltens, statt sich ausschließlich auf herkömmliche Branchen- oder Regionszuordnungen zu stützen. Das Verfahren kombiniert selbstüberwachtes Lernen…
Diese Notiz stellt Eigenrisk Parity vor, einen Portfolio-Konstruktionsansatz, der das Risiko gleichmäßig auf die Hauptkomponenten der Hauptkomponentenanalyse einer Kovarianzmatrix verteilt. Die übergeordnete Idee besteht darin, Symmetrie zu nutzen, statt…
Das Paper bietet eine faktorgestützte Erklärung für die Niedrigvolatilitätsanomalie. Es verwendet ein adaptives Multifaktormodell, das mit dem Groupwise-Interpretable-Basis-Selection-Algorithmus geschätzt wird, um Basiswerte zu ermitteln, die mit Portfolios…
Diese Arbeit vergleicht Finanzmathematik und maschinelles Lernen bei der dynamischen Portfoliooptimierung zweier miteinander verflochtener Assets über einen endlichen Zeithorizont in kontinuierlicher Zeit. Der finanzmathematische Ansatz nutzt ein…
Diese Notiz behandelt die Bedeutung einer selbstfinanzierenden Handelsstrategie in der quantitativen Finanzwirtschaft. Sie ordnet das Konzept an der Schnittstelle von stochastischer Analysis und Finanzhandel ein, wo Missverständnisse entstehen können. Laut…
Diese Studie erstellt ein zeitvariables Netzwerk von Kryptowährungen anhand zweier Informationsarten: der wechselseitigen Vorhersagbarkeit von Renditen und technologischer Ähnlichkeit. Sie nutzt ein dynamisches, kovariatenunterstütztes spektrales Clustering,…
Die Arbeit untersucht die Portfolioauswahl, wenn der Drift eines riskanten Vermögenswerts nicht direkt beobachtet wird und von zwei verborgenen stochastischen Faktoren abhängt, die sich mit unterschiedlichen Geschwindigkeiten entwickeln. Sie leitet aus der…
Die Studie bildet Residualkorrelationen zwischen S&P 500-Aktien in Adjazenzmatrizen für Gaussian Boson Sampling ab, einer photonischen Quantenmethode zur Stichprobenziehung dichter Teilgraphen. Sie vergleicht zwei klassische Clustering-Ansätze, Spectral und…
Die Arbeit leitet eine optimale Portfoliostrategie für einen Anleger her, der den erwarteten logarithmischen Nutzen maximiert, während der mehrdimensionale Drift der Aktienrenditen verborgen bleibt und sich als Ornstein-Uhlenbeck-Prozess entwickelt. Der…
Die Arbeit setzt Methoden des maschinellen Lernens ein, um Schlusskurse eines Kryptowährungsindex und von neun zugehörigen Kryptowährungen vorherzusagen. Mehrere Algorithmen und Modelle werden verglichen, um den leistungsstärksten Ansatz zu bestimmen;…
Das Dokument beschreibt ein Verfahren zur Erstellung heterotischer Risikomodelle für Aktien. Der Ansatz kombiniert Branchenklassifikationen mit Kovarianzschätzungen auf Basis von Hauptkomponenten innerhalb von Aktiengruppen und reduziert das Kovarianzmodell…
Diese Studie stellt einen Ensembleansatz für den Intraday-Handel mit Kryptowährungsportfolios und Deep Reinforcement Learning vor. Kandidatenmodelle werden anhand mehrerer Validierungszeiträume ausgewählt. Anschließend werden die ausgewählten Richtlinien…
Das Dokument stellt einen risikosensitiven Reinforcement-Learning-Ansatz vor, bei dem ein Agent zeitkonsistente dynamische spektrale Risikomaße optimiert. Mit bedingter Elicitierbarkeit werden strikt konsistente Bewertungsfunktionen konstruiert, die bei der…
Dieses Dokument stellt ein Pairs-Trading-Modell für zwei kointegrierte Vermögenswerte vor, das zeitvariierende Volatilität mithilfe einer Constant-Elasticity-of-Variance-Spezifikation berücksichtigt. Die Portfolioauswahl wird als stochastisches…
Dieses Paper schlägt eine Prüfung auf Ebene einzelner Aussagen für modulare Agenten vor, die planen, handeln, prüfen und verbessern. Anlass sind die Grenzen eines einzelnen aggregierten Aufgabenwerts. Die Prüfung dokumentiert die Evidenz zu jeder…
Dieser Artikel untersucht, wie Trendfolgesignale unterschiedliche Momentum-Rückblickzeiträume adaptiv nutzen können. Statt sich nur auf feste Zusammenfassungen vergangener Renditen zu stützen, wird ein dynamischer binärer Klassifikator eingesetzt. Er lernt,…
Das Paper kombiniert Pairs Trading mit dem Black-Litterman-Framework, um Mean-Variance-Portfolios zu konstruieren. Ausgangspunkt ist, dass Pair-Trades möglicherweise nicht innerhalb des Anlagehorizonts zum Gleichgewicht zurückkehren, insbesondere in…
Die Arbeit untersucht statistische Arbitrage auf Basis von Kointegration und vergleicht Methoden zur Suche nach geeigneten Aktienportfolios anhand mehrerer Faktoren. Bewertet werden K-Means-Clustering, grafisches Lasso über das gesamte Aktienuniversum und…
Diese Arbeit schlägt bedingte generative adversarielle Netzwerke vor, um einzelne Handelsstrategien zu kalibrieren und ihre Signale zu kombinieren. Sie beschreibt einen Ablauf zum Trainieren und Auswählen eines cGAN für Zeitreihendaten, bei dem generierte…
Dieser Artikel stellt Signature Trading vor, eine Portfoliooptimierungsmethode, die eine Strategie als lineare Funktion einer Pfadsignatur darstellt. Signaturen codieren die Historie gemeinsamer Signal- und Vermögensbewegungen. So kann das Framework…