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.
934 Dokumente
Diese Arbeit fasst Pair Trading als hierarchisches Entscheidungsproblem mit zwei verbundenen Stufen auf: der Auswahl eines Wertpapierpaars über einen längeren Horizont und der Ausführung von Trades über kürzere Horizonte bei teilweiser Beobachtbarkeit. Da…
FedNLP wird als mehrteiliges System zur Verarbeitung natürlicher Sprache vorgestellt, das Mitteilungen der Federal Reserve untersucht, die lang und schwer zu interpretieren sein können. Es kombiniert Methoden von klassischem maschinellem Lernen bis zu tiefen…
Das Dokument untersucht, wie das Verhalten adaptiver, induktiv rationaler Agenten die Volatilität in vereinfachten Märkten beeinflusst. Es benennt zwei Ursachen übermäßiger Volatilität in diesen Modellwelten: Agenten handeln als Preisnehmer und…
Diese Arbeit entwickelt sparsame Hochfrequenzschätzer für Volatilität, die auch bei abrupten Änderungen der Spotvolatilität robust bleiben sollen. Die vorgeschlagenen Schätzer wenden eine ℓ1-Strafe auf bestehende Verfahren an und konzentrieren sich auf…
Diese Arbeit schlägt einen generativen Rahmen vor, um den Orderflow an Finanzmärkten mit kontrollierbarem Marktverhalten zu erzeugen. Hintergrund ist, dass bestehende Verfahren zur Orderflow-Erzeugung Marktdaten möglicherweise nur unzureichend reproduzieren…
Die Arbeit entwickelt einen Rahmen, der bedingte latente Faktoren lernt, um zusammengehörige Aktien zu identifizieren, relative Fehlbewertungen aufzudecken und eine Handelsstrategie unter Berücksichtigung der Handelskosten zu bilden. Die Attention-Faktoren…
Die Arbeit untersucht die optimale Portfolioauswahl, wenn die Vermögensvolatilität zwei stochastische Faktoren aufweist: eine mean-revertierende Komponente und ein stochastisches Mean-Reversion-Niveau. Beim Handel fallen proportionale exogene Kosten sowie…
Diese Arbeit bewertet die Taylor-Regel neu, indem sie Federal-Funds-Zinssätze sowohl mit einer linearen Regression als auch mit einem nichtlinearen Machine-Learning-Modell schätzt. Beim linearen Ansatz schätzt die Methode der kleinsten Quadrate Koeffizienten…
Diese Studie prüft, ob sich Ineffizienzen an Kryptowährungsmärkten für ungewöhnliche Handelsgewinne nutzen lassen. Sie bewertet einfache, durch Machine Learning unterstützte algorithmische Strategien anhand täglicher Beobachtungen zu 1,681 Kryptowährungen…
Das Dokument schlägt vor, mithilfe bayesscher Optimierung den ATR-Multiplikator und die ATR-Periode des Supertrend-Indikators auszuwählen. Diese Einstellungen bestimmen, wie der Indikator dem Kurs folgt und Handelssignale erzeugt. Ziel ist es, ihre Auswahl…
Die Strategie verbindet die Online-Erkennung statistischer Änderungspunkte mit einem Deep Momentum Network auf Basis eines LSTM. Das Netzwerk lernt Trendschätzungen und Positionsgrößen, während das Erkennungsmodul einen vermuteten Änderungspunkt und ein Maß…
Diese Studie untersucht, ob Narrative zur Zentralbankpolitik Bitcoin-Renditen erklären können, und unterscheidet dabei Markterwartungen von tatsächlich umgesetzten geldpolitischen Maßnahmen. Sie erstellt einen wöchentlichen Index der geldpolitischen…
Diese Studie analysiert, wie die Geometrie von Prädiktoren das entscheidungsorientierte Lernen einschränkt, bei dem das Modelltraining an ein nachgelagertes Entscheidungsziel gebunden ist. Anhand des sparsamen Index-Trackings unterscheidet sie zwischen den…
Das Dokument skizziert einen Ansatz des überwachten Lernens zur Prognose der Kursrichtung am chinesischen Futures-Markt. Ein Klassifikationsmodell prognostiziert Futures-Kursbewegungen und wandelt diese Prognosen in eine Handelsstrategie um. Ziel ist laut…
Die Studie verwendet Hidden-Markov-Modelle mit mehreren Zuständen, um Renditen von Bitcoin, Ether und Ripple zu prognostizieren und zu erklären. Sie vergleicht Modelltypen, darunter eine nicht homogene Hidden-Markov-Spezifikation, und untersucht finanzielle,…
Das Dokument untersucht vektorielle genetische Programmierung (VGP) zur Entwicklung finanzieller Handelsstrategien. Es stellt zwei Varianten vor: Eine unterstützt Operationen mit komplexen Zahlen, die andere verwendet starke Typisierung. Ihre Leistung wird…
Das Paper behandelt Overfitting bei Querschnittsstrategien, die mit Vermögenswerten trainiert werden, für die nur begrenzte historische Daten vorliegen. Es stellt Fused Encoder Networks vor, die Darstellungen aus einem auf einem Quelldatensatz trainierten…
Das Paper modelliert anhaltende Kauf- und Verkaufsorderflüsse als Hinweis auf wechselnde Marktregime, die entstehen können, wenn große Orders über die Zeit aufgeteilt und ausgeführt werden. Es schlägt eine Bayes’sche Methode zur Online-Erkennung von…
Diese Arbeit schlägt vor, Aktien anhand ihres Rangs nach Marktkapitalisierung statt anhand ihrer Unternehmensidentität darzustellen. Hintergrund ist, dass herkömmliche, auf Unternehmensnamen basierende Darstellungen verrauscht und volatil sein können,…
Diese Studie nutzt die Verarbeitung natürlicher Sprache für chinesische Analystenberichte und klassifiziert deren Ton mit einem angepassten BERT-Modell als positiv, neutral oder negativ. Sie untersucht, ob die Stimmung in den Berichten spätere…
Die Studie verwendet historische Preise und technische Indikatoren, um kurzfristige Bewegungen bei Bitcoin, Ethereum und Litecoin zu klassifizieren. Sie vergleicht Klassifikationsmethoden danach, wie gut sie Aufwärts- und Abwärtsbewegungen über einen…
Die Studie prüft, ob Gesundheitsindikatoren zu COVID-19 zusätzlichen Vorhersagewert für Bitcoin-Renditen liefern. Sie vergleicht LightGBM-Regressionsmodelle mit und ohne pandemiebezogene Merkmale, darunter Impfungen, Krankenhausaufenthalte und Tests. Ein…
Diese Studie prüft Deep Reinforcement Learning als ergänzende Ausführungsstrategie für den Paarhandel in volatilen Kryptowährungsmärkten. Der Ansatz filtert und ordnet zunächst mögliche Paare und setzt dann einen Proximal-Policy-Optimization-Agenten mit…
Diese Arbeit stellt einen generativen, vortrainierten Transformer vor, der Finanzzeitreihen als Sequenzen von Ordernachrichten modelliert. Das Modell dient als Engine zur Ordergenerierung in einem diskreten Ereignissimulator, um die Dynamik von…