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
Die Arbeit skizziert ein Framework für Deep Reinforcement Learning im Market Making mit Kryptowährungen. Dabei lernen Agenten, ihren Bestand zu steuern, während sie mit einer simulierten Handelsumgebung interagieren. Die Umgebung bildet Marktbeobachtungen…
Diese Studie stellt einen Ensembleansatz für den Intraday-Handel mit Kryptowährungsportfolios und Deep Reinforcement Learning vor. Kandidatenmodelle werden anhand mehrerer Validierungszeiträume ausgewählt. Anschließend werden die ausgewählten Richtlinien…
Das Dokument stellt zwei Ansätze zur Schätzung von Ratingübergängen und Ausfallwahrscheinlichkeiten vor. Der erste schätzt eine Markov-Kette in kontinuierlicher Zeit anhand diskreter, möglicherweise unvollständiger Beobachtungen. Ein vereinfachter Ausdruck…
Diese Studie behandelt den Paarhandel als gemeinsames Entscheidungsproblem und nicht als Prozess, bei dem zunächst ein Anlagepaar ausgewählt und anschließend gehandelt wird. Die Autoren argumentieren, dass die Trennung dieser Schritte nützliche Informationen…
Das Dokument beschreibt einen Reinforcement-Learning-Ansatz zur Gestaltung von Marktplatzgebühren, der berücksichtigt, dass Händler ihre Strategien an die Gebühren anpassen. Der Ansatz lernt gemeinsam einen Gebührenplan und Händlerstrategien und wägt dabei…
Das Dokument stellt einen risikosensitiven Reinforcement-Learning-Ansatz vor, bei dem ein Agent zeitkonsistente dynamische spektrale Risikomaße optimiert. Mit bedingter Elicitierbarkeit werden strikt konsistente Bewertungsfunktionen konstruiert, die bei der…
Diese Arbeit erweitert Kyles Rahmenmodell für Insiderhandel und modelliert die Interaktion zwischen einem informierten Trader, Noise-Tradern und einem Market Maker. Der Insider wählt die Größe einer Market Order; anschließend legt der Market Maker anhand des…
Diese Studie beschreibt einen Ansatz zur Klassifizierung mit maschinellem Lernen, der vorhersagen soll, ob Kryptowährungskurse steigen oder fallen. Das Modell wird mit historischen Bitcoin-Schlusskursdaten trainiert und nutzt bekannte technische Kennzahlen:…
Dieses Paper entwickelt ein modellunabhängiges Verfahren, um niedrigdimensionale Dynamiken aus hochdimensionalen Zeitreihen wiederzugewinnen, die durch beobachtungsbedingtes weißes Rauschen gestört sind. Es nimmt an, dass sich der latente Prozess innerhalb…
Das Dokument beschreibt den Einsatz von Entscheidungsbäumen, um Intraday-Handelsregeln für einzelne Aktien im NIFTY50-Index zu entwickeln. Statt für alle Aktien dieselbe, von einem Händler entworfene Kombination technischer Indikatoren anzuwenden, sucht die…
Dieser Artikel untersucht, wie Trendfolgesignale unterschiedliche Momentum-Rückblickzeiträume adaptiv nutzen können. Statt sich nur auf feste Zusammenfassungen vergangener Renditen zu stützen, wird ein dynamischer binärer Klassifikator eingesetzt. Er lernt,…
Das Paper stellt ein lineares Hidden-Markov-Modell mit Expectilen vor, um Renditen von Kryptowährungen im Risikomanagement zu untersuchen. Expectile ermöglichen eine Konzentration auf asymmetrische Bereiche der Renditeverteilung, während sich die…
Die Studie modelliert Rohstoff-Futures als Hierarchie: Basiswerte bilden eine Ebene, einzelne Kontrakte eine weitere. Beziehungen verbinden Vermögenswerte innerhalb jeder Ebene, während ebenenübergreifende Verknüpfungen Kontrakte ihren zugrunde liegenden…
Diese Arbeit schlägt regulierte stochastische Uhren für zeitkontinuierliche Finanzmodelle vor, die Handelsaktivität abbilden und asymmetrische Renditen mit schweren Verteilungsschwänzen erfassen sollen. Die Methode verändert Uhren, die aus…
Die Studie untersucht Möglichkeiten, allgemeine Sprachmodelle so anzupassen, dass sie ausführbare Strategien für das Backtrader-Framework erzeugen. Der Ansatz kombiniert fortgesetztes Vortraining mit Framework-Code und überwachtes Fine-Tuning anhand von…
Die Arbeit behandelt das Overfitting von Backtests beim Deep Reinforcement Learning (DRL) für den Kryptowährungshandel als Hypothesentestproblem. Sie trainiert DRL-Agenten, schätzt für jeden Agenten die Wahrscheinlichkeit von Overfitting und verwirft als…
Diese Arbeit schlägt bedingte generative adversarielle Netzwerke vor, um einzelne Handelsstrategien zu kalibrieren und ihre Signale zu kombinieren. Sie beschreibt einen Ablauf zum Trainieren und Auswählen eines cGAN für Zeitreihendaten, bei dem generierte…
Diese Forschungsarbeit verwendet ein dynamisches Bayes-Netz, um Schätzungen fundamentaler Kurs-Gewinn-Verhältnisse zu formalisieren, die oft auf Expertenurteilen beruhen. Das erschlossene PE-Verhältnis soll menschliche Anlageentscheidungen unterstützen oder…
Diese Studie untersucht, ob Modelle des maschinellen Lernens mit technischen Indikatoren Bitcoin-Kurse prognostizieren können. Sie verwendet historische Daten von Januar 2012 bis August 2019 und vergleicht ein penalisiertes verallgemeinertes lineares Modell,…
Der Artikel stellt eine kernbasierte Methode zur Entwicklung dynamischer Handelsstrategien mit einem Mean-Variance-Ziel vor. Sie stellt Strategien als Funktionen in einem reproduzierenden Kernel-Hilbert-Raum dar, sodass Entscheidungen von der Historie der…
NoxTrader nutzt historische Kurs- und Volumendaten von US-Aktien (US), um Merkmale wie Rendite, Wochenkurs und monatliches Kursmomentum zu erstellen. Ein LSTM-Modell prognostiziert Renditen und erfasst anhaltende Kurstrends; während der Ausführung wird das…
Das Dokument stellt Echtzeitgebote (RTB) als Möglichkeit vor, einzelne Display-Anzeigenimpressionen während des Besuchs einer Website zu kaufen und zu verkaufen. Durch die Bündelung des Werbeinventars von Publishern und Entscheidungen auf Impressionsebene…
Die Arbeit stellt CausalReinforceNet vor, einen Rahmen, der kausale Analyse in Entscheidungen des Reinforcement Learnings für den Handel mit Kryptowährungen einbeziehen soll. Sie kombiniert Bayes’sche und dynamische Bayes-Netzwerkverfahren mit Reinforcement…
Diese Arbeit erklärt die Kalman-Filterung anhand eines vereinfachten Finanzbeispiels, ihrer mathematischen Formulierung und einer probabilistischen grafischen Modelldarstellung. Die grafische Sichtweise verknüpft Kalman-Filter mit Hidden-Markov-Modellen und…