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.
837 Dokumente
Dieses Paper nutzt eine agentenbasierte Simulation einer kontinuierlichen Doppelauktion, um zu untersuchen, wie Umschichtungshandel mit Hebel-ETF den zugrunde liegenden Markt beeinflusst, etwa einen Markt für Nikkei-225-Futures. Untersucht wird, ob…
Diese Studie nutzt interne Bitcoin-Netzwerkdaten und externe Merkmale, um die tägliche Kursrichtung mit mehreren Modellen für maschinelles Lernen vorherzusagen. Die Prognosen werden anhand einer Handelsstrategie mit zuvor ungesehenen Beobachtungen aus dem…
Dieses Paper befasst sich mit der Portfolioverwaltung bei wechselnden Marktbedingungen, wenn das geeignete historische Rückblickfenster nicht im Voraus bekannt ist. Es schlägt einen zweistufigen Prozess vor: Zunächst werden Portfolios mit mehreren möglichen…
Dieses Paper untersucht Verluste in einem großen Portfolio aus Assets, deren Preise stochastischen Volatilitätsmodellen folgen und die ausfallen, wenn sie eine untere Schranke erreichen. Eine stochastische partielle Differentialgleichung beschreibt den…
Dieses Paper untersucht die Nutzenmaximierung für Anleger mit Potenznutzen, wenn die Preisdynamik Langzeitgedächtnis oder nicht-Markovsche Eigenschaften aufweist. Es beweist, dass sich der Wert des Anlageproblems bezüglich der Drift Fréchet-differenzierbar…
Dieses Paper befasst sich damit, wie Multi-Agenten-Marktsimulatoren so abgestimmt werden können, dass ihre generierten Preis- und Volumenreihen historischen Marktbedingungen ähneln. Solche Simulatoren unterstützen das Testen von Strategien. Die Autoren…
Diese Studie kombiniert die Stimmung aus Finanznachrichten, ermittelt mit Sprachmodellen, mit makroökonomischen Indikatoren und technischen Signalen, um Portfolios aus Russell-2000-Aktien zusammenzustellen. Der Ansatz berücksichtigt Unsicherheit, indem er…
Die Studie stellt ein unüberwachtes Verfahren vor, das eine datenbasierte Anzahl von Volatilitätsregimen in nichtstationären Finanzzeitreihen bestimmt. Mithilfe der Strukturbrucherkennung wird jede Reihe in lokal stationäre Abschnitte unterteilt. Das…
Das Dokument stellt eine Approximationsmethode vor, um optimale Strategien bei proportionalen Transaktionskosten zu finden. Es bildet die Restwertfunktion durch ein Polynom näherungsweise ab und bietet damit einen Ansatz für Probleme, deren exakte Lösung…
Die Studie untersucht Deep Reinforcement Learning als Ansatz zur Entwicklung einer adaptiven Handelsstrategie für ein Portfolio aus 30 Aktien. Sie nutzt Tageskurse als Trainingsdaten und Handelsumgebung und vergleicht den Agenten anschließend mit dem Dow…
Das Paper untersucht, ob kohärente Risikomaße das Risiko von Anlegern mit beschränkter Haftung oder einer Neigung zu übermäßigen Extremrisiken begrenzen können. Es führt risikomaßspezifische statistische Arbitrage ein, die als Rho-Arbitrage bezeichnet wird,…
Diese Forschung untersucht, wie Bitcoin-Mixing-Dienste die Wege von Geldern durch Transaktionen und Adressen verschleiern. Die Autoren beschreiben Verfahren, um Aktivitäten von Mixern nachzuverfolgen und Mixing-Transaktionen, Mixer-Adressen sowie Sender- und…
Das Dokument untersucht den Größeneffekt bei Aktien anhand des dollar-denominierten Handelsumschlags statt der Marktkapitalisierung. Es berichtet, dass ein gegenüber Beta und Niedrigvolatilität neutralisiertes Cold-Minus-Hot-Portfolio langfristig signifikant…
Diese Studie untersucht, ob Renditeextreme von Kryptowährungen je nach Alter und Marktkapitalisierung eines Vermögenswerts variieren. Sie analysiert mehr als siebentausend digitale Währungen und schätzt über die Geschichte des untersuchten Portfolios das…
Das Dokument beschreibt ein Verfahren, das Finanzzeitreihen in Prozesse mit unterschiedlichen Zeitskalen zerlegt. Die Zerlegung wird als verallgemeinertes Eigenwertproblem formuliert. Anhand von Kriterien zu Varianz und Stationarität der Verteilungsschwänze…
Die Studie definiert Preismomentum anhand von Analogien zu physikalischer Geschwindigkeit und Masse und nutzt dieses Maß, um Vermögenswerte für wöchentliche Contrarian-Strategien auszuwählen. Sie wendet den Ansatz auf die Aktienuniversen des südkoreanischen…
Die Studie erstellt ein dynamisches Netzwerk von Kryptowährungen mit zwei Arten von Verbindungen: der wechselseitigen Vorhersagbarkeit von Renditen und technologischer Ähnlichkeit. Um beide Informationsquellen zu berücksichtigen und Gemeinschaften zu…
Dieser Ansatz erkennt Anomalien in Finanzzeitreihen mit mehreren Marktrisikofaktoren, in denen kontaminierte Beobachtungen Risikomodelle und die daraus berechneten Kennzahlen verzerren können. Zunächst komprimiert und rekonstruiert er Zeitreihendaten…
Der Artikel leitet den stationären Handelsumschlag einer optimierten Handelsstrategie in einem Gauß-Prozessmodell her. Er stellt einen Zusammenhang zwischen dem Handelsumschlag, der Liquidität des Vermögenswerts, der Risikoaversion und der Autokorrelation…
Die Arbeit schlägt eine dynamische Methode für Kryptowährungsportfolios vor, die technische Signale mit Nachrichtenstimmung kombiniert. Als Momentum-Maße verwendet sie den Relative Strength Index über 14 Tage und den einfachen gleitenden Durchschnitt. VADER…
Diese Studie behandelt Volatilität als verborgene, zeitvariable Größe, die aus beobachteten Preisen erschlossen wird. Sie modelliert Kursrenditen und Volatilität gemeinsam als zweidimensionalen Diffusionsprozess und leitet anschließend ein…
Die Arbeit überträgt statistische Arbitrage auf Echtzeit-Displaywerbung, bei der Impressionen mit ähnlicher erwarteter Wirksamkeit auf fragmentierten Marktplätzen oder in unterschiedlichen Preismodellen verschieden viel kosten können. Die Methode verbindet…
Das Dokument stellt einen Hochfrequenz-Market-Making-Ansatz vor, der Marktdaten auf Tick-Ebene mit regelmäßigen Prognosesignalen kombiniert. Es setzt Deep Reinforcement Learning ein, um bei Market-Making-Entscheidungen sowohl schnelle Informationen auf…
Diese Studie betrachtet das Risiko von Kryptowährungen als Aufgabe der Volatilitätsprognose und wendet Modelle des maschinellen Lernens auf berechnete Risikomaße für zwanzig Bereiche des Kryptowährungsmarkts an. Sie vergleicht Convolutional Neural Networks,…