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
Dieser Überblick bewertet AI-Anwendungen bei Aktien, ETFs, zentralisierten Kryptomärkten, Perpetual Futures und On-Chain-Aktivitäten. Er beschreibt den Weg zu Anlageerträgen als Abfolge: Point-in-Time-Daten müssen ein zuverlässiges Signal, praktikable…
Das Paper stellt einen Deep-Reinforcement-Learning-Agenten für die Portfolioverwaltung vor, der Renditestreben und Risikobegrenzung miteinander abwägt. Seine Zielstrategie passt an, wie stark der Agent die optimale Aktion bevorzugt; ein einstellbarer…
Das Dokument stellt einen Rahmen für statistische Arbitrage vor, der Asset Pricing, Zeitreihenmodellierung und Portfoliooptimierung verbindet. Zunächst werden mithilfe bedingter latenter Preisfaktoren ähnliche Vermögenswerte identifiziert und…
Diese Studie betrachtet einen Händler, der über ein Limit-Orderbuch verkauft und anschließend den verbleibenden Bestand mithilfe vorgegebener Zeitpläne in einer Schlussauktion anpasst. Die beiden Phasen sind durch eine Prognose des Auktionspreises und…
Das Dokument untersucht, wie ein Händler einen riskanten Vermögenswert liquidieren kann, wenn Trades vorübergehenden Kurseinfluss verursachen und der Einflusskern unbekannt ist. Es schlägt vor, den Kern oder Propagator nichtparametrisch anhand statischer…
Die Studie untersucht, ob On-Chain-Kennzahlen von Kryptowährungen zur Erklärung von Kursen und zur Unterscheidung riskanter Vermögenswerte beitragen können. Sie analysiert historische Daten, misst Korrelationen zwischen Kursen und anderen Parametern,…
Das Dokument beschreibt Deep Partial Least Squares (DPLS), ein Modell zur Erklärung individueller Aktienrenditen anhand einer kleinen Zahl latenter Risikofaktoren und Unternehmensmerkmale. Die projizierte Methode der kleinsten Quadrate ordnet Renditen und…
Die Arbeit verwendet evolutionäre Optimierung, um regelbasierte Handelsstrategien aus Finanzsentimentdaten abzuleiten. Das Sentimentsignal bildet die bullische oder bearische Einschätzung einzelner Aktien durch die Online-Handelsgemeinschaft ab und stammt…
Die Arbeit argumentiert, dass herkömmliche Trendfolge- und Momentumstrategien auf der vergangenen Kursentwicklung beruhen und bei veränderten Marktbedingungen an Grenzen stoßen können. Sie schlägt den Einsatz künstlicher Intelligenz und maschinellen Lernens…
ManiScope ist ein visuelles Analysesystem, das Nutzer dabei unterstützen soll, Risiken handelsbasierter Manipulation an Kryptomärkten, einschließlich Wash-Trading, einzuschätzen. Die abgestimmten Ansichten führen die Verteilung des Tokenbesitzes, Beziehungen…
Diese Arbeit stellt ein Modell zur Prognose der realisierten Volatilität an globalen Aktienmärkten vor. Sie stellt Märkte als dynamisches Netzwerk dar und verwendet einen Volatilitäts-Spillover-Index, um zu beschreiben, wie sich Schocks in einem Markt auf…
Die Studie prüft die Informer-Prognosearchitektur als Grundlage automatisierter Strategien mit hochfrequenten Bitcoin-Daten. Sie trainiert Varianten mit RMSE, Generalized Mean Absolute Directional Loss (GMADL) und Quantilverlust und wandelt anschließend…
Diese vorläufige Studie untersucht, ob sich Bitcoin-Preisbewegungen durch die Kombination von Marktstimmung und technischer Analyse prognostizieren lassen. Als Stimmungsindikator dient der Fear and Greed Index, der zusammen mit technischen Indikatoren und…
Die Studie prüft die schwache Form der Effizienzmarkthypothese für Bitcoin mithilfe eines Feedforward-Neuronalen Netzes. Sie untersucht, ob Renditen oder verwandte Merkmale anderer Vermögenswerte zusätzlich zu Bitcoin-Renditen die Vorhersage verbessern. Zu…
Diese Studie nutzt den Hurst-Exponenten, um eine Zeitreihe als trendend oder mean-revertierend zu klassifizieren, und wählt anschließend eine dazu passende Strategie. Momentum wird mit Trendbedingungen verknüpft, Mean Reversion mit einem mean-revertierenden…
Die Studie vergleicht 41 Machine-Learning-Modelle, aufgeteilt in Klassifikatoren und Regressoren, um Bitcoin-Preise vorherzusagen und ihren Einsatz im algorithmischen Trading zu bewerten. Sie kombiniert Prognosekennzahlen wie absolute und quadrierte Fehler…
Diese Studie formuliert spekulatives Trading als sequenzielles optimal stopping Problem, bei dem Einstiegs- und Ausstiegszeitpunkte unter allgemeinen Nutzenfunktionen und Preisprozessen gewählt werden. Zunächst wird das Stoppzeitproblem gelockert, indem…
Diese Arbeit untersucht, ob unabhängige Agenten mit tiefem bestärkendem Lernen in einem Spiel zur optimalen Ausführung ein Verhalten entwickeln, das mit Kollusion vereinbar ist. In einem Liquidationsszenario mit zwei Spielern und begrenztem Zeithorizont…
Diese Arbeit entwickelt einen Rahmen zur Transaktionsüberwachung, um Geldwäsche bei Mobile Money in Ruanda zu erkennen. Sie befasst sich mit einer starken Unausgewogenheit der Klassen, verzögerten und begrenzten Kennzeichnungen sowie beschränkten…
Diese Studie fragt, ob Anleger in Kryptowährungen anders handeln als Aktienanleger, und nutzt Kursverläufe als Beleg für dieses Verhalten. Zunächst wendet sie mehrere Machine-Learning-Modelle an, um Zeitreihen von Kryptowährungen und Aktien aus demselben…
Diese Studie untersucht, ob die tägliche Twitter-Stimmung Aktienrenditen prognostizieren und Handelsentscheidungen unterstützen kann. Sie kombiniert maschinelles Lernen zur Bewertung des Stimmungssignals mit bestärkendem Lernen, konkret Q-Learning, um daraus…
MiniFed ist ein Rahmenwerk zur Simulation von Sitzungen des Federal Open Market Committee mit Agenten auf Basis großer Sprachmodelle. Es soll die Mitglieder und den Entscheidungsprozess des Ausschusses abbilden und den Fokus von der alleinigen Untersuchung…
DeePM wird als durchgängiges Deep-Learning-System zur Verwaltung diversifizierter Makroportfolios vorgestellt. Das Design behandelt asynchrone Marktdaten mit einem kausalen Verzögerungsmechanismus, schränkt Beziehungen zwischen Vermögenswerten mithilfe eines…
Das Dokument skizziert eine Intraday-Handelsstrategie für chinesische Aktien unter der T+1-Handelsbeschränkung des Marktes. Sie kombiniert Prognosen eines mehrschichtigen Perzeptrons (MLP) mit der Markowitz-Portfoliooptimierung und nutzt veröffentlichte…