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
Das Dokument beschreibt den Einsatz von Deep Reinforcement Learning für Mean-Reversion-Handel. Es soll Praktikern aktuelle Reinforcement-Learning-Methoden zugänglicher machen, die andernfalls aus vielen Ansätzen wählen oder Agenten auf Grundlage klassischer…
Das Dokument nutzt ein tiefes Feedforward-Netz, um nichtlineare Wechselwirkungen zwischen hochfrequenten Renditen und vorzeichenbehaftetem Handelsvolumen bei Aktien mit großen und kleinen Ticks zu untersuchen. Es vergleicht das Netz mit einer linearen…
Das Dokument untersucht, warum leistungsfähigere große Sprachmodelle mit Kryptowährungen manchmal weniger effektiv handeln als schwächere Modelle. Als einen Grund dafür nennt es die stärkere Neigung leistungsfähigerer Modelle, faktische Informationen…
Das Dokument stellt Real-CATS vor, einen Datensatz zur Unterstützung der Entwicklung und Bewertung von Methoden zur Erkennung von Kryptowährungsadressen. Er kombiniert Adressen, die in realen Berichten als kriminell identifiziert wurden, mit unbedenklichen…
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…
PulseReddit verknüpft umfangreiche Reddit-Diskussionen mit hochfrequenten Kryptowährungsmarktdaten, um zu untersuchen, ob soziale Informationen kurzfristiges Trading unterstützen können. Das Paper wertet LLM-basierte Multi-Agenten-Systeme aus, die diese…
Dieses Paper prognostiziert die kurzfristige realisierte Bitcoin-Volatilität, indem Momentaufnahmen von Orderflow-Daten als Bilder kodiert werden. Handelsgröße, Richtung und Informationen aus dem Limit-Orderbuch werden Farbkanälen zugeordnet und dann zum…
Dieses Paper nutzt einen agentenbasierten Computermarkt, um zu untersuchen, wie stark sich informierter Handel auf die Gewinne von Market Makern auswirkt. Das Modell umfasst Market Maker mit unterschiedlichen Informationsständen und unterschiedlicher…
Diese Studie untersucht, wie das Automated Ball-Strike-Einspruchssystem der Major League Baseball die Entscheidungen der Schiedsrichter und das Einspruchsverhalten der Spieler beeinflusst hat. Sie analysiert angesagte Würfe von 2015 bis 2026 sowie Einsprüche…
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 untersucht, ob ein von einem großen Sprachmodell angetriebener generativer Agent Veränderungen im Verhältnis zwischen fundamentalorientiertem und trendfolgendem Verhalten reproduzieren kann, wie sie in Modellen heterogener Agenten beschrieben…
Dieses Dokument beschreibt einen modellunabhängigen Rahmen zur Prognose der Asset-Volatilität. Dazu werden aus realisierten Volatilitäten kompakte, zeitvariable Faktoren abgeleitet. Sie sollen die wechselnden Zusammenhänge zwischen Assets erfassen und den…
Das Dokument stellt TiMi vor, ein Multi-Agenten-System für quantitatives Trading, das die Entwicklung einer Handelsstrategie von ihrer Ausführung auf Minutenebene trennt. Es weist Sprachmodellen spezialisierte Aufgaben zu, etwa die Interpretation von…
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…
Die Studie beschreibt ein Verfahren, das Forex-Trends mithilfe eines Faltungsnetzwerks klassifiziert. Zunächst wandelt es quantitative Marktdaten in Bilder um, die Handelscharts ähneln. Anschließend wird ein CNN darauf trainiert, Chartmuster zu lernen und…
Diese Arbeit beschreibt ein Long-Short-Term-Memory-Modell, das die Kursrichtung von Kryptowährungen über einen festgelegten kurzfristigen Prognosehorizont anhand einzelner Transaktionen aus einem Rückblickzeitraum vorhersagt. Zum Ablauf gehören die…
Die Arbeit stellt ein generatives neuronales Netz vor, das probabilistische Prognosen für Strompreise im kontinuierlichen Intraday-Markt in Deutschland erstellt. Statt nur einen Punktschätzer zu liefern, generiert die Methode mögliche Preisverläufe und nutzt…
Die Prüfung untersucht, wie sich ein Prognosefaktor aus regimegesteuerten Vorhersagen entfernen lässt. Die verzögerten Eingaben einer Variable zu löschen, ist nicht gleichbedeutend damit, sie beim gesamten Anpassen, Filtern und Abstimmen des Modells…
Die Arbeit schlägt ein Modell vor, das die kurzfristige Kursrichtung von Bitcoin anhand stündlicher Kurs- und Volumenmerkmale sowie der Stimmung auf Reddit prognostiziert. Ein gleitendes Volatilitätsmaß klassifiziert jede Beobachtung als stabil oder volatil.…
Das Dokument untersucht erneut, wie sieben häufig analysierte Unternehmenskennzahlen mit Aktienrenditen zusammenhängen. Es verwendet topologische Datenanalyse, insbesondere den Ball-Mapper-Algorithmus, um Beobachtungen im Raum der Finanzkennzahlen als…
Diese Arbeit stellt Multi-Factor Inception Networks (MFIN) vor, einen Rahmen für den Handel mit mehreren Kryptowährungen anhand von Kursrenditen und weiteren häufig aktualisierten Signalen. Sie begründet die Einbeziehung von Faktoren wie Netzwerk-Hashrate…
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 Dokument skizziert eine Studie zu hybriden Ansätzen für die Prognose von Strom-Spotpreisen am EPEC-Markt. Zu den Modellkomponenten zählen eine naive Prognose, Fourier-Analyse, ARMA- und GARCH-Modelle, ein mittelwertrückkehrender Jump-Diffusionsprozess…
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…