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
Dieses Dokument stellt ein Pairs-Trading-Modell für zwei kointegrierte Vermögenswerte vor, das zeitvariierende Volatilität mithilfe einer Constant-Elasticity-of-Variance-Spezifikation berücksichtigt. Die Portfolioauswahl wird als stochastisches…
Diese Studie testet eine Gold-Futures-Strategie, die auf geglätteten Trend- und Momentum-Zustandsvariablen basiert. Ein rollierendes Walk-Forward-Verfahren trainiert mit Daten aus einem Jahrzehnt und testet auf aufeinanderfolgenden Sechsmonatszeiträumen von…
Dieses Dokument beschreibt eine benchmarkrelative Strategie, die Zeitreihen-Momentum nutzt, um Überschussrenditen über miteinander verbundene investierbare Indizes zeitlich zu erfassen. Sie benötigt nur Renditereihen des Benchmarks und verwandter Indizes und…
Diese Studie untersucht, ob die Zugriffsgeschwindigkeit die Profitabilität des Hochfrequenzhandels mit Orderbuch-Ungleichgewichten (OBI) beeinflusst. Da historische Daten in der Regel weder Identität noch Standort der Händler erkennen lassen, verwenden die…
Dieses Paper schlägt eine Prüfung auf Ebene einzelner Aussagen für modulare Agenten vor, die planen, handeln, prüfen und verbessern. Anlass sind die Grenzen eines einzelnen aggregierten Aufgabenwerts. Die Prüfung dokumentiert die Evidenz zu jeder…
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…
Die Arbeit untersucht, ob sich das Risiko in Phasen hoher Volatilität durch die Größe von Handelspositionen kontrollieren lässt. Mithilfe historischen Backtestings wird analysiert, wie sich Positionsgrößenmodelle in Krisen verhalten, insbesondere ob sie den…
Dieses Dokument beschreibt den Versuch, einen Indikator zu entwickeln, der mithilfe digitaler Signalverarbeitung die Trendstärke misst und Marktsignale vom Rauschen trennt. Als praktische Fragen werden betrachtet, ob ein Trend stark genug für den Handel ist…
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,…
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…
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…
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…
Das Dokument untersucht, wie Merkmale von Vermögenswerten gemeinsam Renditen vorhersagen und zum Aufbau von Portfolios für Anleger mit unterschiedlichen Risikopräferenzen genutzt werden können. Es bewertet die Wertentwicklung anhand des…
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 führt eine Klasse von Regeln für den Handel mit Vermögenswerten ein, die als doppelt lineare Strategien bezeichnet werden, und untersucht ihre Robustheit bei Transaktionskosten. Als Robustheitskriterium dient ein durchgehend positiver erwarteter…
Diese Studie untersucht, ob gängige Pair-Trading-Regeln in modernen US-Aktienmärkten weiterhin wirksam sind. Sie wendet sowohl distanzbasierte als auch kointegrationsbasierte Methoden auf Aktien aus dem Zeitraum von 1990 bis 2020 an, einschließlich der…
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…