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
Das Dokument untersucht, ob Modelle, die Marktbedingungen direkt auf Portfoliogewichte abbilden, herkömmliche marktübergreifende Futures-Strategien übertreffen können. Es beschreibt das Training solcher Strategien anhand von sechzehn liquiden CME-Futures mit…
Das Dokument skizziert eine vorgeschlagene USDCHF-Handelsstrategie, die die Marktdynamik von Gold als marktübergreifenden Filter nutzt. Beide Märkte werden mit einem gekoppelten Hidden-Markov-Modell abgebildet, das ihre Zustandsdynamik verknüpft, statt das…
Die Studie prüft, ob Stimmungs- und Aufmerksamkeitsmaße aus sozialen Medien bei der Prognose täglicher logarithmischer Renditen für zehn Kryptowährungen helfen können. Zu den Prädiktoren gehören Stimmungen auf Twitter und Reddit, Google-Trends-Indizes und…
Das Dokument beschreibt ein Kryptowährungssystem für den Handel, das Trendinformationen aus mehreren Zeitebenen mit neuronalen Netzen zur Prognose kurzfristiger Kursrichtungen kombiniert. Es führt Marktpreise, On-Chain-Maße und Orderbuchaktivität in…
Diese Studie wendet Deep Reinforcement Learning auf den kontinuierlichen Futures-Handel an und untersucht diskrete sowie kontinuierliche Aktionsräume. Sie skaliert die Belohnungsfunktionen nach Volatilität, damit Positionsgrößen auf die Marktvolatilität…
Diese Arbeit führt ein Verhältnis von Preis zu Nutzen ein, das den Marktpreis von Bitcoin mit einem auf der Blockchain basierenden Maß für den grundlegenden Nutzen vergleichen soll. Die Autoren leiten das Maß mithilfe der Geldtheorie und der…
Die Studie befasst sich mit einer Einschränkung historischer Replay-Backtests: Sie modellieren nicht, wie der Markt auf die Aktionen einer Strategie reagieren könnte. Multi-Agenten-Simulationen können Interaktionen zwischen Händlern mit unterschiedlichen…
Die Studie bewertet zwei Deep-Reinforcement-Learning-Methoden für den Handel: Double Deep Q-Network und Proximal Policy Optimization. Ihre Leistung wird anhand täglicher Daten von 2019 bis 2023 mit einer Buy-and-Hold-Benchmark verglichen. Zu den…
Der vorgeschlagene Ansatz verbindet die Prognose von Wechselkursen mit statistischer Arbitrage und berücksichtigt dabei die Verzögerung zwischen der Beobachtung von Preisen und der Ausführung von Geschäften. Im ersten Schritt werden Wechselkursprognosen als…
ClusterLOB gruppiert einzelne Marktgeschehnisse aus Market-by-Order-Daten anhand von sechs zeitabhängigen Merkmalen und verwendet dazu K-means++. Die resultierenden Gruppen werden als richtungsorientierte, opportunistische und Market-Making-Teilnehmer…
Die Studie untersucht betrügerische Token auf Uniswap V2. Anhand von Transaktionsdaten beschreibt sie Handelsaktivitäten und identifiziert mutmaßliche Betrugsfälle. Der Erkennungsansatz kombiniert eine Guilt-by-Association-Heuristik mit Verfahren des…
Diese Studie untersucht überwachte Autoencoder für Finanzprognosen und deren Einfluss auf die Performance von Handelsstrategien. Sie kombiniert gelernte Repräsentationen mit fraktional differenzierten Merkmalen und Triple-Barrier-Labels und prüft, ob das…
Das Dokument stellt den Momentum Transformer vor, eine Kombination aus Attention und LSTM für den Handel mit Zeitreihendaten. Sein Attention-Mechanismus verknüpft das Modell mit früheren Zeitschritten, während mehrere Attention-Heads Marktdynamiken auf…
Das Dokument beschreibt eine Aktienauswahlstrategie, die Sprachmaße aus den 10-K- und 10-Q-Berichten von Unternehmen berechnet. Lexikalischer Reichtum steht für die Vielfalt des Wortschatzes, lexikalische Dichte misst den Anteil informationshaltiger Sprache…
Dieses Tutorial beschreibt einen visuellen Workflow zur Erstellung und Verteilung von Analysen zum Kryptowährungsmarkt. Geplante Marktdatenabfragen erfassen 15-Minuten-, Stunden- und Tageskerzen; der Workflow kennzeichnet und kombiniert sie. Eine separate…
Diese Versionsmeldung beschreibt Änderungen an MLFinLab, einem Toolkit zur Entwicklung von Handelssystemen mit maschinellem Lernen. Die Balkenerzeugung gibt Zeitstempel nun als DataFrame-Index zurück. Dadurch stimmt die Ausgabe mit nachgelagerten Funktionen…
Der Artikel erläutert den Online Decision Transformer (ODT), einen Ansatz zur Feinabstimmung eines Decision Transformers durch fortlaufende Interaktion mit einer Umgebung. Er erläutert, wie das Basismodell Aktionen anhand jüngster Zustände, Aktionen und…
Dieses Notebook beschreibt, wie Holdout-Prognosen für eine zuvor ausgewählte US-Aktienmodellkonfiguration erstellt werden. Da Modellauswahl und Strategieeinstellungen anhand von Validierungsergebnissen getroffen wurden, können dieselben Ergebnisse die…
Dieses Notebook stellt einen Ablauf zur Überwachung eines eingesetzten Handelsmodells vor, bei dem Holdout-Prognosen offline als Ersatz für Live-Daten dienen. Vor der Driftberechnung prüft es das eingehende Merkmals-Panel und vergleicht anschließend…
Dieses Notebook stellt GReaT vor, eine Methode zur Erzeugung synthetischer Finanztabellen mit einem Sprachmodell. Es serialisiert jede Zeile als Text, passt ein GPT-basiertes Modell anhand von ETF-Merkmalen an und parst den erzeugten Text zurück in gemischte…
Dieses Notebook erläutert, wie modellbasierte Merkmale für ein US-Aktien-Panel erstellt werden, ohne dass zukünftige Beobachtungen historische Werte beeinflussen. Die zentrale Methode ist ein Schätzplan: Modelle verwenden eine Aufwärmphase, werden nur mit…
Das Dokument beschreibt einen funktionalen Entwurf für einen durch AI unterstützten Handel auf den europäischen Strommärkten. Es betrachtet Termin-, Day-Ahead-, Intraday- und Ausgleichsmärkte als verbundene Ebenen, die durch Regulierung, Börsenregeln,…