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
Diese Arbeit stellt einen allgemeinen Algorithmus für den Pair-Handel vor, der als Feedback-Regelungsproblem formuliert ist. Händler können eine breite Klasse von Spread-Funktionen wählen; die Anlagebeträge werden dynamisch angepasst, wenn sich der Spread…
Die Studie modelliert, wie sich die Schwere extremer Verluste in Hochfrequenzmärkten mit Handelsaktivität und Marktunsicherheit verändert. Ihre dynamische Extremwertregression berücksichtigt sowohl stationäre Prädiktoren als auch Prädiktoren mit lokalem…
Das Dokument beschreibt einen rechnergestützten Ansatz für Händler, die Portfoliovermögensstände anstreben, welche ein konvexes Risikomaß erfüllen. Die vorgeschlagene Black-Box-Methode verwendet die gemeinsame Verteilung der Aktienkurse und das gewählte…
Dieses Dokument analysiert, wie Datenschutzrauschen die Preisbildung in einem Kyle-artigen Markt beeinflusst. Es nimmt an, dass ein festgelegter Bayes'scher Market Maker einen Orderflow beobachtet, der mit unabhängigem Gauß'schem Rauschen vermischt ist, und…
Dieses Dokument stellt den GT-Score vor, eine kombinierte Zielfunktion zur Optimierung datengestützter Handelsstrategien. Er verbindet Kennzahlen zu Performance, statistischer Signifikanz, Konsistenz und Abwärtsrisiko, um Lösungen zu vermeiden, die zu stark…
Diese Notiz untersucht die Nutzenmaximierung, wenn beim Trading proportionale Transaktionskosten anfallen. Im Mittelpunkt steht der Beweis eines Grenzwertsatzes für optimale Handelsstrategien unter diesen Bedingungen; damit wird eine offene Frage behandelt,…
Das Dokument stellt ein modellfreies Reinforcement-Learning-Verfahren zur sequenziellen Optimierung vor, bei dem Ergebnisse anhand dynamischer konvexer Risikomaße bewertet werden. Es nutzt ein zeitkonsistentes dynamisches Programmierungsprinzip zur Bewertung…
Das Dokument stellt TrendFolios vor, ein Framework zur Portfoliozusammenstellung, das Momentum- und Trendfolgesignale über mehrere Anlageklassen und Risikofaktoren der Anlageklassen hinweg kombiniert. Es beschreibt eine aktive Anlagestrategie, die…
Das Paper untersucht, ob CryptoQuant-Signale, darunter On-Chain-, Börsen- und Minerdaten, sowie Posts von Whale-Alert-Diensten helfen können, die Bitcoin-Volatilität am Folgetag und insbesondere extreme Ausschläge vorherzusagen. Es schlägt ein…
Das Dokument stellt FutureQuant vor, ein Transformer-Modell für Futures-Märkte, das mithilfe von Aufmerksamkeitsmechanismen komplexe Eingaben wie Echtzeitdaten aus dem Limit-Orderbuch verarbeitet. Statt einen einzelnen zukünftigen Preis vorherzusagen, soll…
Dieses Dokument erläutert, wie das Open Interest bei Krypto-Perpetual-Swaps mit der Marktaktivität, der Liquidität und einer möglichen Hebelwirkung von Börsen zusammenhängt. Da offene Kontrakte auf einen Mindestbedarf an Sicherheiten hinweisen können, kann…
PPO-HRAP verbindet Proximal Policy Optimization mit einem aus Marktregimen abgeleiteten Zielengagement. Die Strategie beobachtet Marktmerkmale und den Portfoliostatus und kombiniert anschließend die gelernte Aktion mit dem Regimeziel. Die Belohnungsfunktion…
Diese theoretische Studie untersucht, wann mehrere kausale Risikovorgaben, die jeweils auf überlappenden Informationen beruhen, durch ein einziges selbstfinanzierendes Portfolio umgesetzt werden können, das angesichts gebündelter Informationen optimal ist.…
Dieses Dokument skizziert einen Rahmen für die Portfolioverwaltung, der einen auf Rendite ausgerichteten Reinforcement-Learning-Agenten mit einem Risikoregler auf Basis einer Barrierefunktion kombiniert. Die lernende Komponente sucht nach profitablen…
Die Arbeit ergänzt eine Trading-Politik zur Drawdown-Steuerung um einen datengetriebenen Neustartmechanismus. Die zugrunde liegende Politik soll den maximalen prozentualen Drawdown mit Wahrscheinlichkeit eins innerhalb einer vorab festgelegten Grenze halten.…
Diese Studie schlägt einen Rahmen für statistische Arbitrage mit mehreren US-Aktienpaaren vor, der Graphen-Clustering zur Identifikation von Beziehungen zwischen Aktien nutzt. Sie kombiniert quantitative Methoden mit Klassifikatoren des maschinellen Lernens…
Die Studie beschreibt einen automatisierten Long-Volatilitätsansatz, der Straddle-Optionen handelt, ohne vorherzusagen, ob die Preise steigen oder fallen. Sie verwendet ein Transformer-basiertes Double-Deep-Q-Netzwerk mit Aufmerksamkeit auf…
Diese Arbeit untersucht Bertrams optimale Strategie für ein Paar kointegrierter Vermögenswerte, deren Preisdifferenz einem Ornstein-Uhlenbeck-Prozess folgt. Das grundlegende Ziel ist, den erwarteten Gewinn pro Zeiteinheit zu maximieren. Die Autoren erweitern…
Diese Arbeit analysiert Risikoteilungsgleichgewichte, wenn für die Handelsraten der Akteure konvexe Kosten anfallen. In einem Modell mit unendlichem Zeithorizont, linearer Zustandsdynamik und exogener Volatilität schwanken die Gleichgewichtsrenditen um ihre…
Dieser Artikel untersucht optimale Anlage und optimalen Konsum in einem unvollständigen Markt, wenn Präferenzen durch nichtlineare g-Erwartungen ausgedrückt werden. Für Trading-Strategien gelten allgemeine Nebenbedingungen; die Entscheidungen der Anleger…
Das Dokument untersucht, ob aktuelle Markttrends bei der Prognose künftiger Volatilität und Korrelationen helfen können. Es schlägt vor, die Trendstärke in Risikoprognosen einzubeziehen und erweitert damit frühere Arbeiten, die Trendstärke mit erwarteten…
Die Studie analysiert im Black–Scholes-Rahmen eine Strategie, die zum risikofreien Zinssatz Kredite aufnimmt und eine Long-Position in einer Aktie hält, bis ihr Kurs eine deterministische Barriere erreicht. Sie leitet analytische Ausdrücke für…
Die Studie stellt einen allgemeinen Rahmen zur Ableitung einer optimalen Handelsstrategie aus einem historischen Indikator vor. Sie konstruiert eine Strategie zur Maximierung der erwarteten Rendite und eine separate Strategie zur Maximierung der…
Die Studie bewertet zwei Deep-Reinforcement-Learning-Methoden für den Handel: Double Deep Q-Network und Proximal Policy Optimization. Ihre Leistung wird anhand täglicher Daten von 2019 bis 2023 mit einer Buy-and-Hold-Benchmark verglichen. Zu den…