Vergleichender Ablauf zur Bewertung von Aktien- und Krypto-Handelsstrategien

Zusammenfassung

Das Dokument stellt einen allgemeinen Ablauf zum Entwurf, zur Umsetzung und zur Bewertung algorithmischer Handelsstrategien für Aktien- und Kryptomärkte vor. Es verwendet vier Beispiele: einen Crossover gleitender Durchschnitte, einen volumengewichteten Ausführungsansatz, stimmungsbasiertes Trading und statistische Arbitrage. Ziel ist eine systematischere Entwicklung und ein systematischerer Vergleich von Strategien. Eine objektorientierte Umsetzung soll spätere Forschung und praktische Nutzung unterstützen.

Das Abstract beschreibt den Ablauf und die Beispielstrategien, enthält jedoch keine Leistungsergebnisse, Datensätze, Bewertungskennzahlen oder Implementierungsdetails. Es zeigt daher, wie der Rahmen aufgebaut ist, belegt aber weder, welcher Ansatz am besten funktioniert, noch ob eine Strategie rentabel ist. Auch Tradingkosten, Marktphasen und Risikokontrollen werden nicht konkret behandelt. Für Schlussfolgerungen zur Eignung in der Praxis wäre daher zusätzliche Evidenz erforderlich.

Kernaussagen

• Ein gemeinsamer Ablauf kann Entwurf und Bewertung von Strategien für Aktien- und Kryptomärkte strukturieren.
• Die Studie veranschaulicht ihr Verfahren mit vier Methoden zu technischen Signalen, Ausführung, Stimmung und statistischen Beziehungen.
• Eine einheitliche Bewertungsstruktur kann systematischere Vergleiche zwischen Handelsansätzen ermöglichen.
• Das Abstract berichtet weder empirische Ergebnisse noch genügend methodische Details, um die praktische Wirksamkeit zu beurteilen.

Schlagwörter

# A Data Science Pipeline for Algorithmic Trading: A Comparative Study of Applications for Finance and Cryptoeconomics


# A Data Science Pipeline for Algorithmic Trading: A Comparative Study of Applications for Finance and Cryptoeconomics









Recent advances in Artificial Intelligence (AI) have made algorithmic trading play a central role in finance. However, current research and applications are disconnected information islands. We propose a generally applicable pipeline for designing, programming, and evaluating the algorithmic trading of stock and crypto assets. Moreover, we demonstrate how our data science pipeline works with respect to four conventional algorithms: the moving average crossover, volume-weighted average price, sentiment analysis, and statistical arbitrage algorithms. Our study offers a systematic way to program, evaluate, and compare different trading strategies. Furthermore, we implement our algorithms through object-oriented programming in Python3, which serves as open-source software for future academic research and applications.

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.