Mathematischer Rahmen für Risikoübernahme mit Momentumstrategien bei Aktien

Zusammenfassung

Das Dokument stellt Momentum-Risikoübernahme als Echtzeitmanagement kurzfristiger Aktienvolatilität dar. Das vorgeschlagene System überführt eine Theorie dazu, wie Nachrichten Aktienkurse beeinflussen, in diskrete Tabellen erwarteter Renditen über verschiedene Anlagehorizonte, die anschließend automatisierte Handelsentscheidungen steuern. Außerdem setzt es den Ansatz mit maschinellem Lernen, Zufallsprozessen, fraktionaler Brownscher Bewegung und Entscheidungsfindung außerhalb der Märkte in Beziehung.

Die Autoren berichten von erfolgreichen historischen und Echtzeit-Experimenten, nennen in dieser Beschreibung jedoch keine Angaben zur Stichprobe, Performancezahlen oder Vergleichsmethoden. Die zugrunde liegende Theorie zum Preiseinfluss wird als Einsatz spezialisierter mathematischer Funktionen beschrieben; die Verfahren des maschinellen Lernens werden nur kurz umrissen. Die Zusammenfassung vermittelt daher einen vorgeschlagenen Rahmen, aber nicht genügend Informationen, um dessen Annahmen, Umsetzung oder Robustheit zu beurteilen.

Kernaussagen

• Der Ansatz behandelt die Risikoübernahme mithilfe einer Momentumstrategie als Echtzeitsteuerung kurzfristiger Aktienvolatilität.
• Eine Theorie zum Nachrichteneinfluss wird in Tabellen erwarteter Renditen für mehrere Anlagehorizonte überführt.
• Diese Tabellen dienen als Eingaben für ein automatisiertes Aktienhandelssystem.
• Die Autoren berichten von historischen und Echtzeit-Experimenten, nennen hier aber keine quantitativen Ergebnisse.

Schlagwörter

# Artificial intelligence approach to momentum risk-taking


# Artificial intelligence approach to momentum risk-taking









We propose a mathematical model of momentum risk-taking, which is essentially real-time risk management focused on short-term volatility of stock markets. Its implementation, our fully automated momentum equity trading system presented systematically, proved to be successful in extensive historical and real-time experiments. Momentum risk-taking is one of the key components of general decision-making, a challenge for artificial intelligence and machine learning with deep roots in cognitive science; its variants beyond stock markets are discussed. We begin with a new algebraic-type theory of news impact on share-prices, which describes well their power growth, periodicity, and the market phenomena like price targets and profit-taking. This theory generally requires Bessel and hypergeometric functions. Its discretization results in some tables of bids, which are basically expected returns for main investment horizons, the key in our trading system. The ML procedures we use are similar to those in neural networking. A preimage of our approach is the new contract card game provided at the end, a combination of bridge and poker. Relations to random processes and the fractional Brownian motion are outlined.

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.