RE: Auf welche Börsenexperten sollte man hören?
| 25.09.2020, 16:37 (Dieser Beitrag wurde zuletzt bearbeitet: 25.09.2020, 16:40 von Lancelot.)
Hallo Markus,
statistische/ML Modelle für Trading Strategien zu verwenden ist was für Leute mit entsprechenden Fähigkeiten, Daten und Zeit.
Finanzmarktzeitreihen unterscheiden sich doch sehr von den Problemstellungen, bei denen ML so erfolgreich ist und in den Medien zu so viel Aufmerksamkeit gesorgt hat.
Aber ML findet bei mehreren Hedge Funds (TwoSigma, Citadel, DE Shaw, Winston, CQF.. angeblich auch Rentech) und Prop-Shops (Alphagrep, XTX, Quadrature, Machine Capital, Jane Street..) statt. Ich kenne Leute die bei einigen dieser oder ähnlichen Firmen arbeiten/gearbeitet haben und habe selbst dort gearbeitet. Du kannst das aber auch ohne tieferen EInblck erkennen, weil du in den "Career Sections" häufig deutliche Hinweise auf ML findest.
Was auch immer da rauskommt, niemand verkauft dieses Wissen an Retail Trader. In der Regel ist das auch eher für kurzfristiger orientierte Strategien oder Market Making. Auch wenn es durchaus Ansätze gibt, kenne ich niemanden der langfristige Horizonte bedient klassisches Asset Management, Endowment Funds..etc) der ML auf breiter Front einsetzt. Auch aus dem Grund den du genannt hast: keine supervised learning Technik kann mit Szenarien umgehen, die sie in den Daten so direkt noch nie gesehen hat.
Es gibt Ansätze um Meinungen und Theorien mit Daten zu verheiraten, wie den hier https://www.amazon.com/Portfolio-Managem...299&sr=8-1
Ab und zu wird eventuell ein Evolutionärer Algorithmus eingesetzt um Portfolio Optimierung zu betreiben (habe ich für mein ETF Portfolio gemacht...ex post gesehen kam da aber ziemlich trivialer Kram raus und das hätte ich mir auch sparen können).
Aber eine echte Verbreitung von ML Ansätzen im langfristigen Asset Management sind mir nicht bekannt und finde ich auch unplausibel. Eventuell unsupervised learning Techniken in der Research (autoencoder als PCA-Ersatz oder so).
Mein Eindruck ist: für den Retailer lohnt das nicht.
statistische/ML Modelle für Trading Strategien zu verwenden ist was für Leute mit entsprechenden Fähigkeiten, Daten und Zeit.
Finanzmarktzeitreihen unterscheiden sich doch sehr von den Problemstellungen, bei denen ML so erfolgreich ist und in den Medien zu so viel Aufmerksamkeit gesorgt hat.
Aber ML findet bei mehreren Hedge Funds (TwoSigma, Citadel, DE Shaw, Winston, CQF.. angeblich auch Rentech) und Prop-Shops (Alphagrep, XTX, Quadrature, Machine Capital, Jane Street..) statt. Ich kenne Leute die bei einigen dieser oder ähnlichen Firmen arbeiten/gearbeitet haben und habe selbst dort gearbeitet. Du kannst das aber auch ohne tieferen EInblck erkennen, weil du in den "Career Sections" häufig deutliche Hinweise auf ML findest.
Was auch immer da rauskommt, niemand verkauft dieses Wissen an Retail Trader. In der Regel ist das auch eher für kurzfristiger orientierte Strategien oder Market Making. Auch wenn es durchaus Ansätze gibt, kenne ich niemanden der langfristige Horizonte bedient klassisches Asset Management, Endowment Funds..etc) der ML auf breiter Front einsetzt. Auch aus dem Grund den du genannt hast: keine supervised learning Technik kann mit Szenarien umgehen, die sie in den Daten so direkt noch nie gesehen hat.
Es gibt Ansätze um Meinungen und Theorien mit Daten zu verheiraten, wie den hier https://www.amazon.com/Portfolio-Managem...299&sr=8-1
Ab und zu wird eventuell ein Evolutionärer Algorithmus eingesetzt um Portfolio Optimierung zu betreiben (habe ich für mein ETF Portfolio gemacht...ex post gesehen kam da aber ziemlich trivialer Kram raus und das hätte ich mir auch sparen können).
Aber eine echte Verbreitung von ML Ansätzen im langfristigen Asset Management sind mir nicht bekannt und finde ich auch unplausibel. Eventuell unsupervised learning Techniken in der Research (autoencoder als PCA-Ersatz oder so).
Mein Eindruck ist: für den Retailer lohnt das nicht.
__________________
Forum-Besserwisser und Wissenschafts-Faschist