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 Studie entwickelt Wahrscheinlichkeitsprognosen der realisierten Bitcoin-Varianz. Statt nur Punktprognosen zu erstellen, schätzt sie bedingte Quantile und bildet die Unsicherheit möglicher Volatilitätsausprägungen ab. Sie kombiniert Prognosen…
Diese Studie untersucht, ob Reinforcement Learning den Handel mit Kryptowährungspaaren verbessern kann, einen Ansatz der statistischen Arbitrage, bei dem Kursunterschiede zwischen korrelierten Vermögenswerten gehandelt werden. Die Autoren erstellen…
Diese Arbeit untersucht optimale Steuerung, wenn ein Modell latente Faktoren enthält und die entscheidende Person eine Verteilung über Aktionen wählt, statt unmittelbar eine einzelne Aktion auszuwählen. Sie führt die Tsallis-Entropie als Belohnung für die…
Die Arbeit prüft, ob Insiderkäufe am offenen Markt bei US-Micro-Cap-Unternehmen, die über regulatorische Meldungen offengelegt werden, nachfolgende abnormale Renditen vorhersagen können. Sie analysiert 17,237 Käufe von 1,343 Emittenten aus den Jahren 2018…
Diese Studie kombiniert Bitcoin-Marktindikatoren mit sozialen und verhaltensbezogenen Signalen, um algorithmisches Trading zu untersuchen. Zu den Eingaben zählen Börsenkurs und -volumen, Technologieadoption und Bitcoin-Transaktionsvolumen sowie…
Diese Studie beschreibt eine Strategie mittlerer Handelsfrequenz für ein Portfolio aus fünf- und zehnjährigen US-Treasury-Notes-Futures. Sie formuliert Trading als Klassifikationsaufgabe: Es wird prognostiziert, ob sich das Portfolio in der kommenden Woche…
Diese Studie formuliert Portfoliotrading als Markov-Entscheidungsprozess und trainiert einen Agenten mit Deep Q-Learning, um Allokationen über mehrere Vermögenswerte hinweg zu wählen. Der Aktionsraum ist diskret und kombinatorisch: Für jeden Vermögenswert…
Das Dokument stellt X-Trend vor, einen Zeitreihenprognostiker für die Trendfolge, der sich schnell an neue Marktregime anpassen soll. Er nutzt Few-Shot-Lernen und Cross-Attention über einen Kontextbestand finanzieller Zeitreihenregime. Dabei überträgt er…
Diese Studie untersucht, ob Reinforcement-Learning-Trader ihre Strategien ändern, nachdem sie Vermögenspreisblasen erlebt haben, und ob dieses Lernen spätere Blasen beeinflusst. Die Forschenden trainieren Agenten in der Multi-Agenten-Marktsimulation ABIDES…
FedSight AI nutzt Agenten auf Basis großer Sprachmodelle, um Beratungen des Federal Open Market Committee zu simulieren und Entscheidungen zum Zielzins der Federal Funds vorherzusagen. Die einzelnen Agenten prüfen strukturierte Wirtschaftsindikatoren und…
Diese Arbeit schlägt eine Strategie für den nächsten Handelstag vor, die Long- oder Short-Positionen in VIX-Futures eingeht. Sie modelliert die Laufzeitenstruktur der Futures als Markov-Prozess und wählt anhand der aktuellen Form und des Niveaus der Kurve…
Die Studie vergleicht zwei Machine-Learning-Modelle, LightGBM und LSTM, mit zwei indikatorbasierten Bitcoin-Strategien: einem Crossover exponentieller gleitender Durchschnitte und einer Kombination aus MACD und ADX. Der Vergleich steht im Kontext der ersten…
Dieses Paper entwirft eine Tontine mit Schutz des Ehepartners für das Haushaltseinkommen im Ruhestand. Der erste Todesfall verändert den Status des Haushalts, löst aber keine Übertragung aus dem Pool aus; das Konto bleibt mit dem Vertrag verbunden und kann,…
Dieses Paper modelliert Kryptowährungspreise als Bewegungen in einem veränderlichen nichtlinearen Potenzialfeld. Es kombiniert Bayes’sche Inferenz mit Gauß-Prozessen, um das Feld anhand historischer Preise zu schätzen, und verwendet anschließend abgeleitete…
Das Paper schlägt eine Technik aus Bayes’scher Inferenz und Correntropy vor, um Unsicherheit und Mehrdeutigkeit in Marktinformationen zu modellieren und Vermögenswerte zu bewerten. Der Ansatz wird auf ein konsumorientiertes Asset-Pricing-Modell angewandt:…
Das Paper stellt eine Methode zur Modellierung volatiler Zeitreihen mit V-Transformationen vor. Diese verknüpfen Quantile der Randverteilung einer stationären Reihe mit Quantilen eines prognostizierbaren Volatilitäts-Proxys. Werden diese Transformationen als…
Diese Studie stellt ein Deep-Learning-Framework auf Basis historischer Daten für systematischen Optionshandel vor, das die Risikosensitivitäten des Portfolios direkt in das Training einbezieht. Die Zielfunktion kombiniert einen leistungsorientierten Verlust…
Die Studie stellt eine Einsatzregel für regelmäßig neu trainierte Prognosesysteme vor: Das aktuelle Modell bleibt im Einsatz, während ein neu angepasstes Herausforderermodell außerhalb des Produktivbetriebs läuft. Anschließend werden beide anhand derselben…
MARKET-BENCH untersucht, ob große Sprachmodelle natürlichsprachliche Strategiebeschreibungen und Marktannahmen in ausführbare Backtests umsetzen können. Die Aufgaben umfassen planmäßigen Handel mit Microsoft, Pair Trading mit Coca-Cola und Pepsi sowie…
Diese Studie schlägt Soft Actor-Critic (SAC) und Deep Deterministic Policy Gradient (DDPG) für das Management von Kryptowährungsportfolios vor. Die Agenten lernen kontinuierliche Handelsaktionen in einer simulierten Umgebung anhand historischer Marktdaten.…
Das Dokument stellt einen Federated-Learning-Ansatz zur Schätzung des Einkommens von Kreditnehmenden vor, wenn Kreditgeber die Rohdaten von Antragstellenden nicht zusammenführen können. Die Institutionen trainieren ein gemeinsames Modell und speichern die…
Die Studie nutzt einen Convolutional Autoencoder, um dominante Muster im Verhalten des Kryptowährungsmarkts zu extrahieren und 40 Kryptowährungen in Klassen einzuteilen. Sie untersucht zwölf aufeinanderfolgende Zeiträume von jeweils sechs Monaten ab dem 15.…
Diese Studie setzt Deep Reinforcement Learning im Devisenhandel ein und formuliert die Handelsentscheidung als Abfolge von Entscheidungen, statt sich auf direkte Kursprognosen zu stützen. Sie passt eine Sure-Fire-Statistical-Arbitrage-Policy an drei mögliche…
Die Studie stellt eine Pipeline vor, die aus Beziehungen zwischen neun Aktien gerichtete Handelssignale ableitet. Zunächst gruppiert sie Aktien anhand ihrer historischen mittleren Volatilität mit einem Gaußschen Mischmodell. Anschließend prüft sie mithilfe…