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.
107 Dokumente
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…
Die Studie vergleicht Finanz- und Glücksspielmärkte aus Handelsperspektive und gliedert die Betrachtung nach Plattformen, Produkten, Verfahren, Teilnehmern und Strategien. Sie weist auf Ähnlichkeiten zwischen Finanzbörsen und Online-Wettplattformen hin und…
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…
Die Studie schlägt einen Quantenansatz für statistische Hochfrequenz-Arbitrage mit Aktien vor. Sie kombiniert die Schätzung der Konditionszahl mit variabler Laufzeit mit quantenlinearer Regression und entwickelt außerdem ergänzende Methoden zur Schätzung von…
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 Studie entwickelt Methoden, um algorithmischen Handel in historischen Binance-Transaktionsdaten zu erkennen und zu messen. Im Mittelpunkt stehen indirekte interne Konvertierungen: Eine Person tauscht einen Coin über einen Zwischen-Coin gegen einen…
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…
Die Arbeit untersucht statistische Arbitrage auf Basis von Kointegration und vergleicht Methoden zur Suche nach geeigneten Aktienportfolios anhand mehrerer Faktoren. Bewertet werden K-Means-Clustering, grafisches Lasso über das gesamte Aktienuniversum und…
Die Studie stellt eine optimale Handelstechnik für multivariates Pair-Trading auf einer Kryptowährungsplattform vor. Sie wählt eine Gruppe von Fiatwährungen mit Bezug zu Kryptowährungen aus und überwacht sie gemeinsam auf Arbitragemöglichkeiten. Um…
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…
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…
Die Arbeit erweitert das Konzept statistischer Arbitrage, indem sie Gewinne in Bezug auf bestimmte Marktphasen definiert, die durch ein Informationssystem wie eine σ-Algebra dargestellt werden. Ihr Rahmen schließt klassische Arbitrage als Sonderfall ein und…
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…
Diese Arbeit untersucht Faktormodelle für den Querschnitt der Tagesrenditen von Kryptowährungen und anderen digitalen Vermögenswerten anhand von Börsenmarktdaten. Sie identifiziert einen führenden Faktor, der offenbar erheblich zu den Renditen von…
Das Dokument stellt einen Optimierungsansatz zur Identifikation statistischer Arbitrage vor, der mehr als zwei Assets umfassen kann. Ziel ist ein Portfolio mit hoher Volatilität, dessen Preis innerhalb eines vorgegebenen Bandes bleibt und eine Hebelgrenze…
Diese Studie stellt eine Methode vor, um wahrscheinliche Sequenzen einseitiger Arbitrage (OWA) in Spot-Transaktionsdaten zentralisierter Kryptowährungsbörsen zu identifizieren, in denen öffentliche Daten keine Trader-Identitäten oder Wallet-Adressen…
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 Arbeit untersucht funktional generierte Portfolios und wie sich ihr Verhalten verändert, wenn ein zusätzlicher Prozess endlicher Variation einbezogen wird. Sie nutzt den Rahmen von Karatzas und Ruf, um Bedingungen zu formulieren, unter denen eine…
Diese Studie repliziert einen Deep-Learning-Ansatz für statistische Arbitrage, der Residuen aus Asset-Pricing-Faktormodellen handelt. Sie wendet die ursprüngliche Methode auf einen neueren Zeitraum außerhalb der Stichprobe an und nutzt US-Aktiendaten von…
Diese Arbeit behandelt die Portfoliokonstruktion für statistische Arbitrage und sucht Portfolios, deren Renditen oder Spreads eine starke Mean-Reversion aufweisen. Die Optimierung wägt ein Kriterium für die Stärke der Mean-Reversion gegen die…
Das Dokument stellt ein modellfreies Reinforcement-Learning-Verfahren zur sequenziellen Optimierung vor, bei dem Ergebnisse anhand dynamischer konvexer Risikomaße bewertet werden. Es nutzt ein zeitkonsistentes dynamisches Programmierungsprinzip zur Bewertung…
Diese Studie untersucht, wie sich ein begrenzter Zeitraum stetiger Käufe oder Verkäufe eines großen Händlers im Minority Game auf den Markteinfluss auswirkt. Der Meta-Auftrag verändert das Marktumfeld und schafft statistische Arbitragemöglichkeiten,…
Diese Arbeit überträgt Online-Lernen mit Gedächtnis aus dem Experten-Setting auf die allgemeine Online-konvexe Optimierung. Das Setting modelliert Entscheidungen, deren Verluste von einer Folge früherer Handlungen abhängen, und erfasst damit zeitliche…
Diese Studie schlägt einen Rahmen für statistische Arbitrage mit mehreren US-Aktienpaaren vor, der Graphen-Clustering zur Identifikation von Beziehungen zwischen Aktien nutzt. Sie kombiniert quantitative Methoden mit Klassifikatoren des maschinellen Lernens…