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
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 bewertet eine automatisierte Pairs-Trading-Methode für Aktien des ersten Marktsegments der Tokioter Börse. Sie untersucht Paare stark korrelierter Aktien und verfolgt den Spread zwischen ihren Preisen. Drei Schwellenwerte legen fest, wann eine…
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…
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 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…
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…
Diese Arbeit untersucht Kunden-Momentum, ein Renditemuster, bei dem die Wertentwicklung eines Unternehmens positiv mit der früheren Wertentwicklung seiner Kunden zusammenhängt. Laut Bericht unterscheidet sich der Effekt von herkömmlichem Kursmomentum und…
Das Dokument stellt AutoQuant vor, ein regelbasiertes Entscheidungsunterstützungs-Framework zur Auswahl von Trading-Konfigurationen für Krypto-Perpetual-Futures. Es legt Ausführungszeitpunkt, Funding-Behandlung, Gebühren, Slippage und…
Dieses Paper stellt eine numerische Methode zur Simulation von Quadratwurzelprozessen vor, die deren Nichtnegativität bewahrt. Zunächst wird der integrierte Prozess simuliert; anhand dieser Größe wird anschließend ein Verfahren für den Prozess selbst…
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…
Das Dokument prüft Erklärungen für das Wurzelgesetz des Marktimpacts, das beschreibt, wie der Impact mit der Größe eines Meta-Orders im Verhältnis zum gehandelten Volumen wächst. Es vergleicht drei vorgeschlagene Prognosen mit Ergebnissen aus einem minimalen…
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…
Das Dokument führt ein kointegriertes autoregressives Modell für Zeitreihen ein, deren Beobachtungen Matrizen sind. Die Kointegrationsbeziehungen sind bilinear und bilden Strukturen sowohl über Zeilen als auch über Spalten hinweg ab. Diese Formulierung soll…
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…
Die Studie argumentiert, dass eine Handelsstrategie ihre Ergebnisse verbessern kann, indem sie ihre eigenen historischen Handelsdaten nutzt, um über die Ausführung neuer Aufträge zu entscheiden. Sie stellt diese Bedingung als notwendig für einen…
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.…
Der Bericht untersucht die interne Balkenstärke (IBS) als kurzfristiges Signal für den Handel mit einem Korb börsengehandelter Länderfonds. Er beschreibt die Strategie als Mean-Reversion-Ansatz: Historische ETF-Kurse und IBS dienen dazu, mögliche…
Das Dokument stellt einen Benchmark zur Bewertung algorithmischer Trading-Agenten und Sprachmodell-Agenten in Prognosemärkten vor. Es erstellt historische Episoden aus Orderbuch-Aktualisierungen, Trades, Ereignissen im Vertragslebenszyklus und Abrechnungen…
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…
Diese Studie vergleicht Quanten-Maschinelles-Lernen, klassisches Maschinelles-Lernen, hybride Quanten-Klassik-Verfahren und Transformer-Modelle in Strategien für Automated Market Maker und den Handel im dezentralen Finanzwesen. Sie berichtet Backtests über…
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…