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
Dieses Paper fasst automatisiertes Trading unter wechselnden Marktbedingungen als nichtstationäres Banditenproblem mit kontinuierlichem Aktionsraum auf. Es schlägt PRBO vor, das bayessche Optimierung mit einem Banditen-über-Banditen-Ansatz kombiniert, um…
Dieses Paper beschreibt einen simulierten Aktienmarkt, in dem große Sprachmodelle als konkurrierende Agenten mit unterschiedlichen Strategien, Informationen und Kapitalausstattungen agieren. Der Markt umfasst ein fortlaufendes Orderbuch, Markt- und…
Die Studie passt den dynamischen Nelson-Siegel-Ansatz, der Form und Bewegung von Zinskurven beschreibt, so an, dass sich sein Verhalten je nach makroökonomischen Bedingungen ändern kann. Ein Baumverfahren teilt Beobachtungen in Regime ein und bewertet dabei,…
Diese Studie untersucht, ob Schätzungen der Spot-Volatilität aus gehandelten Optionen die Prognosen der realisierten Volatilität verbessern können. Sie ergänzt ein Heterogeneous Autoregressive-Modell für realisierte Volatilität um eine Schätzung der Rough…
Diese Studie prüft, ob Kontext auf Satzebene Nachrichtenthemenmodelle verbessert, die zum Aufbau systematischer Asset-Pricing-Faktoren verwendet werden. Sie vergleicht Latent Dirichlet Allocation mit einem eingefrorenen Satz-Transformer und anschließendem…
Diese Studie befasst sich mit dem Problem der doppelten Erfassung von Varianz in synthetischen Multi-Asset-Aktiendaten. Werden vollständige Renditegeneratoren für Vermögenswerte mit einem Marktfaktor kombiniert, können die simulierten Renditen die…
Das Dokument stellt Momentum-Risikoübernahme als Echtzeitmanagement kurzfristiger Aktienvolatilität dar. Das vorgeschlagene System überführt eine Theorie dazu, wie Nachrichten Aktienkurse beeinflussen, in diskrete Tabellen erwarteter Renditen über…
Diese Studie stellt SimStock vor, einen Rahmen zur Identifizierung ähnlicher Aktien anhand ihres Zeitreihenverhaltens, statt sich ausschließlich auf herkömmliche Branchen- oder Regionszuordnungen zu stützen. Das Verfahren kombiniert selbstüberwachtes Lernen…
Diese Studie wendet tiefes Multi-Task-Learning auf diversifizierte Zeitreihenmomentum-Portfolios in fortlaufenden Futures an. Im Mittelpunkt steht, Portfoliozusammenstellung und volatilitätsbezogene Aufgaben gemeinsam zu erlernen, statt das Momentumsignal…
Diese Studie entwickelt eine Day-Ahead-Gebots- und Betriebspolitik für eine Hybridanlage aus Windenergie und Elektrolyseur. Die Politik legt Gebote für Strom fest und plant die Wasserstoffproduktion anhand kontextbezogener Informationen und datenbasierter…
Das Paper schlägt einen adaptiven Temporal-Fusion-Transformer-Ansatz für kurzfristige Kursprognosen von Kryptowährungen vor. Er adressiert Nichtstationarität und starke Kursschwankungen, indem die Zeitreihe in Segmente variabler Länge unterteilt wird, die an…
Das Dokument schlägt vor, generative adversarielle Netzwerke mit LSTMs zu verwenden, um synthetische historische Kurspfade zur Bewertung von Handelsstrategien zu erzeugen. Ausgangspunkt ist, dass eine aufgrund starker In-Sample-Performance ausgewählte…
Diese Arbeit vergleicht Finanzmathematik und maschinelles Lernen bei der dynamischen Portfoliooptimierung zweier miteinander verflochtener Assets über einen endlichen Zeithorizont in kontinuierlicher Zeit. Der finanzmathematische Ansatz nutzt ein…
Dieses Dokument beschreibt einen Ansatz für Intraday-Momentum-Trading mit verborgenen Zuständen. Es modelliert verrauschte Wertpapierrenditen als Beobachtungen eines latenten Momentum-Zustands und soll so Verzögerungen vermeiden, die digitale Filter bei…
Diese Studie schlägt eine Methode vor, um die Rendite zu schätzen, die mit dem Risiko einer einzelnen Aktie verbunden ist, das sie nicht mit ähnlichen Aktien teilt, selbst wenn die zugrunde liegenden Risikofaktoren unbekannt sind. Dazu wird ein…
Diese Forschung überträgt eine Momentum-Transformer-Architektur auf Aktien und vergleicht ihren vorgesehenen Einsatz mit Zeitreihen-Momentum- und Mittelwertrückkehrstrategien. Das Modell verbindet Aufmerksamkeit, die Informationen über das Trainingsfenster…
Das Dokument stellt ein Framework zur Optimierung von Krypto-Handelsstrategien vor, das genetische Algorithmen mit der Koordination mehrerer intelligenter Agenten verbindet. Es soll Strategieparameter an wechselnde Marktbedingungen anpassen und nutzt…
Die Studie bildet Residualkorrelationen zwischen S&P 500-Aktien in Adjazenzmatrizen für Gaussian Boson Sampling ab, einer photonischen Quantenmethode zur Stichprobenziehung dichter Teilgraphen. Sie vergleicht zwei klassische Clustering-Ansätze, Spectral und…
Diese Studie nutzt adversariales Online-Lernen auf Basis von Experten, um Parameter für Portfoliostrategien ohne Kosten auszuwählen und technische Handelsstrategien zu einem Gesamtportfolio zusammenzuführen. Sie untersucht Strategiepopulationen anhand…
Die Studie versteht den Wert von Bitcoin als Ergebnis informationeller Eigenschaften und ihrer Wechselwirkungen, darunter Dezentralisierung, Vertrauen in den Konsens, kryptografische Reihenfolge und soziale Narrative. Sie bildet diese Dimensionen mit vier…
Die Arbeit setzt Methoden des maschinellen Lernens ein, um Schlusskurse eines Kryptowährungsindex und von neun zugehörigen Kryptowährungen vorherzusagen. Mehrere Algorithmen und Modelle werden verglichen, um den leistungsstärksten Ansatz zu bestimmen;…
Die Arbeit untersucht die Renditestruktur von Bitcoin über mehrere Zeitskalen hinweg und nutzt Verfahren zur Schätzung multifraktaler Eigenschaften. Sie beschreibt die Renditevarianz anhand von Potenzgesetz-Beziehungen zu Zeitintervallen, die durch…
Die Arbeit schlägt MRC-LSTM vor, ein Modell, das ein mehrskaliges residuales Faltungsmodul mit einem Long Short-Term Memory-Netzwerk kombiniert, um den täglichen Schlusskurs von Bitcoin in USD vorherzusagen. Eindimensionale Faltungen dienen dazu, Merkmale…
Die Studie prognostiziert Preisverteilungen für stündliche Handelsfenster im deutschen kontinuierlichen Intraday-Markt und konzentriert sich auf die letzten drei Stunden vor der Lieferung. Statt nur Punktprognosen zu erstellen, simuliert sie Preisverläufe…