Interesting Research

Wat denn dat 

Aber kompletter Mist ist das IMHO nicht.

Doch, ist es (falls es überhaupt ernst gemeint war).
Er sagt ja zuerst:
construct a large, suitably leveraged, market-neutral equity portfolio and then
systematically expand it in the morning and contract it in the afternoon

Bei marktneutral kann man den Index aber nicht nach oben treiben. Außerdem müsste man sich absprechen, damit alle in dieser "Konspiration" die gleichen Aktien entweder long oder short gehen, sonst arbeitet man ja gegeneinander.
Also geht nur ein long Portfolio.
Man kauft also alles in der opening auction und stellt in der closing auction wieder glatt. Da Letztere viel höheres Volumen hat als Erstere, sollte man den Preis netto nach oben bewegen und dabei etwas Geld verlieren, was durch den gestiegenen Buchwert eines großen Depots überkompensiert wird.
Das ganze ähnelt "window dressing" am Jahresende und ist also das Gegenteil dessen, was ein größerer Trader normalerweise will: möglichst keine Slippage (kleine Konten haben das Problem ja eh nicht).

Warum dann aber ausgerechnet die opening auction? Die ist ja immer noch viel liquider als der Handel nach der Mittagsauktion, da könnte man viel leichter den Markt hochkaufen und hätte auch ein kleineres Kursrisiko bis zur closing auction.

Und warum nimmt der Autor ausgerechnet den nasdaq composite (^IXIC) statt nasdaq100 (^NDX)? Großinvestoren investieren doch in den ^NDX, aber da ist die Anomalie von 1993 bis 2002 erstaunlicherweise nicht vorhanden (siehe Anhang).




Hier ist sein code https://bruceknuteson.github.io/spy-day-and-night/
da sind Sachen drin, die schon in python 2 abgekündigt wurden, deshalb habe ich das mal in python 3 gemacht, außerdem wollte ich eine Aufteilung in Punkten statt Renditen, um den unteren Zweig mal genauer zu betrachten (mehr dazu später):

Code:

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
#import csv

SYMBOL = '^IBEX'

"""
expects index daily data from Yahoo Finance in working directory
ignores capital adjustments (use only index data, e.g., "^NDX.csv")
plots intraday and overnight chart and sum of both
"""

df = pd.read_csv(SYMBOL+'.csv', sep=",", header=0,
                parse_dates=['Date'],
                index_col= 0, verbose=True, na_values=['null'],
                usecols=["Date","Open","Close","Adj Close"])
intra_sum = 0
for index, row in df.iterrows():
   intra = row['Close'] - row['Open']
   if not np.isnan(intra):     #skip empty cols
       intra_sum += intra
   row['Adj Close'] = intra_sum
plt.grid(which='both')
plt.plot(df.index, df["Close"], label=SYMBOL+' close')
plt.plot(df.index, df["Close"]-df["Adj Close"], label='overnight')
plt.plot(df.index, df["Adj Close"]-min(df["Adj Close"])+100, label='intraday')  # avoid singularities when switching to log axis
plt.legend(loc='upper left')
plt.show()

Das csv file müsst ihr manuell von yahoo runterladen.
Die intraday Kurve musste ich anheben, um auch auf eine logarithmische Darstellung umschalten zu können (geht mit "L").

Aber kompletter Mist ist das IMHO nicht.

Doch, ist es (falls es überhaupt ernst gemeint war).
Er sagt ja zuerst:
construct a large, suitably leveraged, market-neutral equity portfolio and then
systematically expand it in the morning and contract it in the afternoon

Bei marktneutral kann man den Index aber nicht nach oben treiben. Außerdem müsste man sich absprechen, damit alle in dieser "Konspiration" die gleichen Aktien entweder long oder short gehen, sonst arbeitet man ja gegeneinander.
Also geht nur ein long Portfolio.
Man kauft also alles in der opening auction und stellt in der closing auction wieder glatt. Da Letztere viel höheres Volumen hat als Erstere, sollte man den Preis netto nach oben bewegen und dabei etwas Geld verlieren, was durch den gestiegenen Buchwert eines großen Depots überkompensiert wird.
Das ganze ähnelt "window dressing" am Jahresende und ist also das Gegenteil dessen, was ein größerer Trader normalerweise will: möglichst keine Slippage (kleine Konten haben das Problem ja eh nicht).

Warum dann aber ausgerechnet die opening auction? Die ist ja immer noch viel liquider als der Handel nach der Mittagsauktion, da könnte man viel leichter den Markt hochkaufen und hätte auch ein kleineres Kursrisiko bis zur closing auction.

Und warum nimmt der Autor ausgerechnet den nasdaq composite (^IXIC) statt nasdaq100 (^NDX)? Großinvestoren investieren doch in den ^NDX, aber da ist die Anomalie von 1993 bis 2002 erstaunlicherweise nicht vorhanden (siehe Anhang).




Hier ist sein code https://bruceknuteson.github.io/spy-day-and-night/
da sind Sachen drin, die schon in python 2 abgekündigt wurden, deshalb habe ich das mal in python 3 gemacht, außerdem wollte ich eine Aufteilung in Punkten statt Renditen, um den unteren Zweig mal genauer zu betrachten (mehr dazu später):

Code:

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
#import csv

SYMBOL = '^IBEX'

"""
expects index daily data from Yahoo Finance in working directory
ignores capital adjustments (use only index data, e.g., "^NDX.csv")
plots intraday and overnight chart and sum of both
"""

df = pd.read_csv(SYMBOL+'.csv', sep=",", header=0,
                parse_dates=['Date'],
                index_col= 0, verbose=True, na_values=['null'],
                usecols=["Date","Open","Close","Adj Close"])
intra_sum = 0
for index, row in df.iterrows():
   intra = row['Close'] - row['Open']
   if not np.isnan(intra):     #skip empty cols
       intra_sum += intra
   row['Adj Close'] = intra_sum
plt.grid(which='both')
plt.plot(df.index, df["Close"], label=SYMBOL+' close')
plt.plot(df.index, df["Close"]-df["Adj Close"], label='overnight')
plt.plot(df.index, df["Adj Close"]-min(df["Adj Close"])+100, label='intraday')  # avoid singularities when switching to log axis
plt.legend(loc='upper left')
plt.show()

Das csv file müsst ihr manuell von yahoo runterladen.
Die intraday Kurve musste ich anheben, um auch auf  eine logarithmische Darstellung umschalten zu können (geht mit "L").

Hoffe du hast dir nicht die Mühe wegen mir gemacht. Die “Strategie“ ist Käse und eher Kategorie Gedankenexpetiment. Das paper war als Provokation gemeint, denke ich. 

Warum Market Neutral Märkte nicht bewegen kann, ist mit nicht ganz klar. Market Neutral ist nicht das Gleiche wie beta Neutral. Gute Neutrale Portfolios tendieren zu einer nicht neutralen Gewichtung von high beta Komponenten.

Ansonsten stimme ich dir in allem zu. Muss pennen. Schreibe mirgen noch kurz was ich an dem paper nicht Schwachsinn finde

Aber kompletter Mist ist das IMHO nicht.

Doch, ist es (falls es überhaupt ernst gemeint war).
Er sagt ja zuerst:
construct a large, suitably leveraged, market-neutral equity portfolio and then
systematically expand it in the morning and contract it in the afternoon

Bei marktneutral kann man den Index aber nicht nach oben treiben. Außerdem müsste man sich absprechen, damit alle in dieser "Konspiration" die gleichen Aktien entweder long oder short gehen, sonst arbeitet man ja gegeneinander.
Also geht nur ein long Portfolio.
Man kauft also alles in der opening auction und stellt in der closing auction wieder glatt. Da Letztere viel höheres Volumen hat als Erstere, sollte man den Preis netto nach oben bewegen und dabei etwas Geld verlieren, was durch den gestiegenen Buchwert eines großen Depots überkompensiert wird.
Das ganze ähnelt "window dressing" am Jahresende und ist also das Gegenteil dessen, was ein größerer Trader normalerweise will: möglichst keine Slippage (kleine Konten haben das Problem ja eh nicht).

Warum dann aber ausgerechnet die opening auction? Die ist ja immer noch viel liquider als der Handel nach der Mittagsauktion, da könnte man viel leichter den Markt hochkaufen und hätte auch ein kleineres Kursrisiko bis zur closing auction.

Und warum nimmt der Autor ausgerechnet den nasdaq composite (^IXIC) statt nasdaq100 (^NDX)? Großinvestoren investieren doch in den ^NDX, aber da ist die Anomalie von 1993 bis 2002 erstaunlicherweise nicht vorhanden (siehe Anhang).




Hier ist sein code https://bruceknuteson.github.io/spy-day-and-night/
da sind Sachen drin, die schon in python 2 abgekündigt wurden, deshalb habe ich das mal in python 3 gemacht, außerdem wollte ich eine Aufteilung in Punkten statt Renditen, um den unteren Zweig mal genauer zu betrachten (mehr dazu später):

Code:

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
#import csv

SYMBOL = '^IBEX'

"""
expects index daily data from Yahoo Finance in working directory
ignores capital adjustments (use only index data, e.g., "^NDX.csv")
plots intraday and overnight chart and sum of both
"""

df = pd.read_csv(SYMBOL+'.csv', sep=",", header=0,
                parse_dates=['Date'],
                index_col= 0, verbose=True, na_values=['null'],
                usecols=["Date","Open","Close","Adj Close"])
intra_sum = 0
for index, row in df.iterrows():
   intra = row['Close'] - row['Open']
   if not np.isnan(intra):     #skip empty cols
       intra_sum += intra
   row['Adj Close'] = intra_sum
plt.grid(which='both')
plt.plot(df.index, df["Close"], label=SYMBOL+' close')
plt.plot(df.index, df["Close"]-df["Adj Close"], label='overnight')
plt.plot(df.index, df["Adj Close"]-min(df["Adj Close"])+100, label='intraday')  # avoid singularities when switching to log axis
plt.legend(loc='upper left')
plt.show()

Das csv file müsst ihr manuell von yahoo runterladen.
Die intraday Kurve musste ich anheben, um auch auf  eine logarithmische Darstellung umschalten zu können (geht mit "L").

Hoffe du hast dir nicht die Mühe wegen mir gemacht. Die “Strategie“ ist Käse und eher Kategorie Gedankenexpetiment. Das paper war als Provokation gemeint, denke ich. 

Warum Market Neutral Märkte nicht bewegen kann, ist mit nicht ganz klar. Market Neutral ist nicht das Gleiche wie beta Neutral. Gute Neutrale Portfolios tendieren zu einer nicht neutralen Gewichtung von high beta Komponenten.

Ansonsten stimme ich dir in allem zu. Muss pennen. Schreibe mirgen noch kurz was ich an dem paper nicht Schwachsinn finde

Der Nachtrag:
Was ich nicht ganz so Käse finde:

Ich glaube das man das Orderbuch in der beschriebenen Richtung spielen kann. Es gibt Marktteilnehmer, die dafür auch schon verurteilt wurden. Insbesondere sind Market Maker in Derivaten bekannt dafür Preise durchaus einmalig zu manipulieren um eben einmalig ein mark-up zu beinflussen (optiver zum Beispiel wurde deshalb mindestens einmal zur Kasse gebeten): eben weil ein Derivat eine Fälligkeit hat. Ich denke dass in diesem Fall durchaus Überlegungen, wie diese im Paper angesprochen werden, möglich sind. Also theoretisch. 

Und die Beobachtung, dass im generellen der Spread abends nicht so groß ist, ist natürlich erstmal so wahr (das ein niedriger spread != neidriger market impact ist verschweigt der Kollege natürlich). 

Ansonsten hat das Ding mehr logische Lücken als der Film Inception und einen Haufen "feedback loops" (warum habe ich denn einen niedrigeren spread abends!?! Das ist ja kein Naturgesetz. Damit man den Round Trip aber systematisch machen kann um sein Protfolio aufzublasen, müsste diese spread Differenz unverändert bleiben....etc)

Neuronale Netze waren gestern...Neural Differential Equations sind der neue Scheiss:)

Ich arbeite mich noch ein (in den nächsten Wochen).....aber ich finds interessant. 

https://arxiv.org/pdf/1806.07366.pdf

Ich hab von dem Paper bereits gehört, aber hatte noch nicht die Muse es zu lesen. Perfekter Moment es nachzuholen.

Eine interessante Idee, und der Laie frägt sich wieso da noch keiner früher drauf gekommen ist.

Zusätzlich scheint der Ansatz ein paar überaus nette Eigenschaften zu besitzen. Neben Speicher- und Backpropagation-Vorteilen auch "ODE solvers can approximately ensure that the output is within agiven tolerance of the true solution." 
Die Ergebnisse zu den Zeitreihen sehen vielversprechend aus. Tradingsysteme macht euch bereit.

Persönlich interessiert mich das Abschneiden beim Supervised Learning, leider haben sie nur Vergleichs-Ergebnisse für den MNIST-Datensatz. Man muss wohl Ergebnisse mit "harten" Problemen abwarten, ob das ganze dort merkliche Vorteile bringen kann.

Sehr schön, dass die eine Beispielimplementierung mitgeliefert haben. Das passiert leider bei viel zu wenigen Veröffentlichungen.

An sich ein überaus interessanter Artikel, danke für's Teilen!

Ich bin insbesondere an der Anwendung im Zeitreihenumfeld.

Irgendwo ist der Ansatz natürlich  irgendwie naheliegend.  Würde mich auch nicht wundern, wenn irgendwo steinalte Paper aus irgendwelcchen Physik/Ing/Signal Processing etc auftauchen, die eine solche oder analoge Idee schon hatten, es hat bloß keinen interessiert

Lass uns doch wissen, wenn du da noch was interessantes zu findest.

Wie ein Physiker einen Millionen-Algorithmus für Pferdewetten entwickelte

https://www.gruenderszene.de/lifestyle/b...tial_click

Ich finde die Geschichte ziemlich interessant.

Hier sind noch 2 Dokumente die ich ebenso interessant finde.

Einmal von Bill Benter Persönlich

https://www.gwern.net/docs/statistics/de...benter.pdf

Und dann eine Arbeit von Bolten und Chapman

http://ruthnbolton.com/Publications/Track.pdf

Wie ein Physiker einen Millionen-Algorithmus für Pferdewetten entwickelte

https://www.gruenderszene.de/lifestyle/b...tial_click

Ich finde die Geschichte ziemlich interessant.

Hier sind noch 2 Dokumente die ich ebenso interessant finde.

Einmal von Bill Benter Persönlich

https://www.gwern.net/docs/statistics/de...benter.pdf

Und dann eine Arbeit von Bolten und Chapman

http://ruthnbolton.com/Publications/Track.pdf

Für mich habe ich festgestellt das der Ansatz und die Denkweise in Büchern und Publikationen rund um Sportwetten und Glücksspiel deutlich näher an dem sind, was ich bei der Arbeit gemacht habe, als in einem absoluten Großteil der Trading Literatur. 

Skienna und mathematische Modellierung von jai-alai Spielen


Ziemba und Pferderennen:
https://www.amazon.com/Exotic-Betting-Racetrack-Scientific-Finance-ebook/dp/B07MLFP3DX/ref=sr_1_1?keywords=Ziemba&qid=1558081468&s=books&sr=1-1

https://www.amazon.com/Dr-Beat-Racetrack...oks&sr=1-5

Und natürlich von einem der IMHO top 3 Investoren aller Zeiten:
https://www.amazon.com/Beat-Dealer-Winni...=1-1-spell

Nochmal zum Horse Racing und Benter:
https://www.bloomberg.com/news/features/...acing-code

Was ich so faszinierend finde ist die fülle von Variablen finde die Benter benutzt hat um die Prognosen der Pferde zu Prognostizieren er hat ja nur einen kleinen Teil angedeutet selber aber wohl viel mehr benutzt.

Ergebnisse der Letzen Rennen
Tage Pause dazwischen.
Bodenverhältnisse
Wetter
Jockey

und noch viele andere.

Wenn man bedenkt wie viele Faktoren Einfluss auf auf die Preisfindung haben, und sich die Klassischen Trading Algos ansieht die man in Büchern Algo Märkten etc findet ist das schon ein großer unterschied. Die meisten benutzen denke ich TA oder Funda bessere vielleicht beides.

Aber so weit das man 20 oder mehr Variablen nutzt findet man dann er selten.

Einmal von Bill Benter Persönlich

https://www.gwern.net/docs/statistics/de...benter.pdf

Für mich habe ich festgestellt das der Ansatz und die Denkweise in Büchern und Publikationen rund um Sportwetten und Glücksspiel deutlich näher an dem sind, was ich bei der Arbeit gemacht habe, als in einem absoluten Großteil der Trading Literatur. 

Witzig. Mit Pferdewetten habe ich mich (zu unrecht?) noch nicht beschäftigt.
Interessant ist die Adaption der Faktoren auf den Aktienberreich.

In dem Artikel steht folgendes:
"Zur Jahrtausendwende konnte er die Gewinnchance anhand von über 120 Faktoren errechnen. Sein Rechenmodell veröffentlichte er 1995 in einem Paper, das lange als Bibel für sämtliche Hightech-Spieler galt."
Quelle

Hat jemand diese 120 Faktoren irgendwo (frei verfügbar) gefunden?

Auf jedenfall regt Benter zum nachdenken an, welche Faktoren man berücksichtigen könnte.  

Anbei mal erste Gedanken: