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.
1,075 Dokumente
Die Studie untersucht Reinforcement Learning für statistische Arbitrage im Hochfrequenzhandel. Sie beschreibt einen Agenten, der durch die Interaktion mit seiner Handelsumgebung lernt, und konzentriert sich auf Deep Q-Learning als Möglichkeit, Entscheidungen…
Die Studie untersucht Zeitreihen-Momentum und konträre Effekte bei Aktien vom chinesischen Festland. Sie wendet Zeitreihen-Momentum-Strategien auf wichtige Aktienindizes an und untersucht, ob die Leistung mit unternehmensspezifischen Merkmalen zusammenhängt.…
Die Studie überträgt einen Pairs-Trading-Rahmen auf polnische Aktien. Dabei wird ein Vermögenswert mit einer Replikation aus Risikofaktoren verglichen, anstatt ihn mit einem zweiten, stark korrelierten Vermögenswert zu paaren. Die Faktoren werden mit…
Diese Studie vergleicht dreizehn statistische und auf maschinellem Lernen basierende Modelle, um ungewöhnliche Beobachtungen in Bitcoin-Limit-Orderbuchdaten zu erkennen. Sie bewertet die Modelle in einem gemeinsamen Rahmen für die Erkennung von Anomalien in…
Die Arbeit wendet überwachtes maschinelles Lernen auf den Drift nach Gewinnmitteilungen (PEAD) an, eine Aktienanomalie, bei der sich Renditen nach Gewinnmeldungen weiter bewegen. Das Modell nutzt XGBoost und entwickelte fundamentale sowie technische Merkmale…
Das Dokument schlägt eine systematische Methode zur Wahl einer Stop-Loss-Schwelle vor, die auf der Verteilung maximaler Drawdowns beruht. Die Wahl des Stops wird als Entscheidung mit dem Ziel formuliert, die erwarteten Renditen anhand der verfügbaren…
Das Dokument beschreibt ein tiefes LSTM-Modell und eine Handelsstrategie für vier US-Aktienindizes. Statt allein danach zu handeln, ob das Modell einen Anstieg oder Rückgang prognostiziert, nutzt die Strategie die Position jeder prognostizierten Rendite…
Die Studie untersucht, wie sich die Renditen von Liquiditätsanbietern unterscheiden, die ihr Kapital umschichten, und jenen, die es unverändert lassen. Sie stellt zwei Verfahren zur Schätzung der passiven Performance vor: Das eine identifiziert kurze…
Das Dokument beschreibt einen Long-only-USD/TWD-Trading-Agenten, der Prognosen kurzfristiger Trends mit Quantum Long Short-Term Memory (QLSTM) und Quantum Asynchronous Advantage Actor-Critic (QA3C) kombiniert. Sein Zustand nutzt QLSTM-Merkmale und technische…
Die Arbeit entwickelt ein Verfahren, um zu testen, ob das Hinzufügen von Wertpapieren oder die Lockerung von Anlagebeschränkungen die Möglichkeiten von Anlegern erweitert, die Ergebnisse anhand von Prospect-Präferenzen bewerten. Sie formuliert einen Test auf…
Die Studie untersucht die statistische Grundlage der Bollinger-Bänder, indem sie diese mit einem Zeitreihenmodell auf Basis rollierender Regression verbindet. Sie wendet den Rahmen auf Pair Trading an und leitet einen Zusammenhang zwischen Handelsdauer und…
Dieses Dokument beschreibt eine aktive Strategie, die die Allokation zwischen gleichgewichteten und nach Marktkapitalisierung gewichteten Aktienportfolios verschiebt. Die Motivation: Gleichgewichtung hat über lange Zeiträume häufig besser abgeschnitten, kann…
Diese Arbeit beschreibt eine dynamische Strategie, die ein Portfolio vor Extremverlusten schützen und zugleich die Teilnahme an Haussephasen ermöglichen soll. Sie legt einen maximalen Zielwert für den Value at Risk fest und verwendet Klassifikatoren, um die…
Diese vorläufige Analyse verwendet einen Ornstein-Uhlenbeck-Prozess, um Spreads zwischen Aktienpaaren für eine mittelwertrevertierende Handelsstrategie zu modellieren. Sie vergleicht diesen Ansatz mit einer einfacheren Methode, die Mittelwert und…
Diese Studie analysiert 4,000 reale US-Aktienportfolios mit Haltedauern von ungefähr 0.7 bis 19 Handelstagen. Sie berichtet, dass die Cent pro Aktie umgekehrt proportional zum Portfolioumschlag skalieren, während die Portfoliorenditen statistisch nicht…
Diese Studie wendet Twin Delayed Deep Deterministic Policy Gradient (TD3), eine Reinforcement-Learning-Methode mit kontinuierlichen Aktionen, auf tägliche Schlusskurse der Amazon-Aktie und von Bitcoin an. Die Handelsaktion bildet sowohl die einzunehmende…
Diese Arbeit beschreibt systematische Handelsstrategien, die von Krisenindikatoren auf Basis der Spektren von Kovarianz- oder Korrelationsmatrizen gesteuert werden. Eine Indikatorfamilie vergleicht die Eigenwertverteilung jedes Datums mit einer…
Diese Studie prüft eine Pair-Trading-Strategie anhand von Kassakursen für 17 indische Rohstoffe aus den Bereichen Energie, Metalle und Landwirtschaft im Zeitraum von 2010 bis einschließlich 2018. Mit Johansen-Kointegrationstests in der Trainingsstichprobe…
Diese Arbeit prüft, ob das Modell lokaler Volatilität zur Absicherung von Vanilla-Optionen auf AUD/USD geeignet ist. Lokale Volatilität erweitert Black-Scholes, indem die Volatilität von der Zeit und dem zugrunde liegenden Wechselkurs abhängen darf; das…
Das Dokument beschreibt eine datengestützte Methode mit gleitendem Fenster zur Lösung eines logoptimalen Portfolio-Problems. Statt einen festen Satz an Portfolio-Gewichten zuzuweisen, erzeugt der Ansatz zeitlich veränderliche Gewichte. So lassen sich…
Das Dokument stellt L2GMOM vor, ein Framework für Netzwerk-Momentum auf Basis von maschinellem Lernen. Netzwerk-Momentum nutzt Beziehungen zwischen Assets, um künftige Renditen besser vorherzusagen. Das vorgeschlagene Framework lernt das Finanznetzwerk und…
Diese Arbeit beschreibt ein modellfreies faltendes neuronales Netz, das historische Preise für eine Reihe von Assets als Eingabe erhält und Portfolio-Gewichte ausgibt. Es wird mittels Reinforcement Learning trainiert, wobei die kumulative Rendite als…
Die Studie untersucht, warum die Erträge kurzfristiger Trendfolge seit etwa 2009 zurückgegangen sind. Sie analysiert eine Auswahl liquider Futures-Kontrakte aus dem Zeitraum 1995–2025 sowie einen CTA-Proxy und vergleicht die Ergebnisse nach Signalfrequenz…
Das Paper untersucht, ob Makro- und Marktsignale den Zeitpunkt für Allokationen zwischen Growth- und defensiven ETF-Körben bestimmen können. Es behandelt die Aufgabe als Stilallokation statt als Suche nach einem neuen Alpha-Faktor: Die Faktorzuordnung zeigt…