3-Komponenten Mensch-Maschine
TVVolA
Last Login: 2021-02-25
Performance
-
-1.2 %since 2020-04-13
-
-1 Year
-
-Ø-Performance per year
Risk
-
-29.5 %Maximum loss (to date)
-
-Risk factor
Trading Idea
Es soll eine ganzheitliche Handelsidee auf Basis eines 3-Komponenten-Modells umgesetzt werden.
Basierend auf dem “Augmented Intelligence”-Ansatz, besteht die erste Komponente aus KI-Systemen, die das Marktumfeld auswerten und Signale hinsichtlich der grundsätzlichen Richtung generieren. Auf den breiten Markt können dann (gehebelte) Long- oder Short-ETFs gehandelt werden. Bei der Entwicklung der Software wurde auf moderne Methoden des maschinellen Lernens zurückgegriffen - z.B. PCA, Ensemble-Modelle und neuronale Netze. U.a. werden dabei technische Indikatoren, wie MACD, gleitende Durchschnitte oder Bollingerbänder, aber auch eigene quantitative Maße verwendet. Alle (teil-)automatisierten Module wurden verschiedenen statistischen Testverfahren unterzogen (z.B. Out-of-Sample Test), sowie unter realen Bedingungen getestet.
Die zweite Komponente soll diese “künstliche Intelligenz” durch value-basierte Ansätze unterstützen. Ziel ist es, durch z.B. eigene Marktstudien, fundamentale Unternehmens- und Indikatorenanalysen (u.a. CCI, CMF), Out-Performer (d.h. Einzelaktien) zu identifizieren.
Die o.g. Komponenten sollen durch eine dritte sinnvoll ergänzt werden. Basierend auf quantitativen Risikomanagement-Methoden (z.B. Monte-Carlo-Simulationen) sollen zum einen die Handelsaktivitäten gehedged, zum anderen soll durch den Einsatz von geeigneten Derivaten aktiv an volatilen Marktbewegungen partizipiert werden. Hierbei sollen auch Trendbestätigungs- und Trendwendeformationen Berücksichtigung finden. Gehandelt werden sollen z.B. Reverse-Bonus-Zertifikate für die Short-Richtung oder auch (gehebelte) Long- und Short-ETFs auf den breiten Markt.
Die Haltedauer der Positionen der einzelnen Komponenten soll überwiegend kurzfristig sein. show more
Basierend auf dem “Augmented Intelligence”-Ansatz, besteht die erste Komponente aus KI-Systemen, die das Marktumfeld auswerten und Signale hinsichtlich der grundsätzlichen Richtung generieren. Auf den breiten Markt können dann (gehebelte) Long- oder Short-ETFs gehandelt werden. Bei der Entwicklung der Software wurde auf moderne Methoden des maschinellen Lernens zurückgegriffen - z.B. PCA, Ensemble-Modelle und neuronale Netze. U.a. werden dabei technische Indikatoren, wie MACD, gleitende Durchschnitte oder Bollingerbänder, aber auch eigene quantitative Maße verwendet. Alle (teil-)automatisierten Module wurden verschiedenen statistischen Testverfahren unterzogen (z.B. Out-of-Sample Test), sowie unter realen Bedingungen getestet.
Die zweite Komponente soll diese “künstliche Intelligenz” durch value-basierte Ansätze unterstützen. Ziel ist es, durch z.B. eigene Marktstudien, fundamentale Unternehmens- und Indikatorenanalysen (u.a. CCI, CMF), Out-Performer (d.h. Einzelaktien) zu identifizieren.
Die o.g. Komponenten sollen durch eine dritte sinnvoll ergänzt werden. Basierend auf quantitativen Risikomanagement-Methoden (z.B. Monte-Carlo-Simulationen) sollen zum einen die Handelsaktivitäten gehedged, zum anderen soll durch den Einsatz von geeigneten Derivaten aktiv an volatilen Marktbewegungen partizipiert werden. Hierbei sollen auch Trendbestätigungs- und Trendwendeformationen Berücksichtigung finden. Gehandelt werden sollen z.B. Reverse-Bonus-Zertifikate für die Short-Richtung oder auch (gehebelte) Long- und Short-ETFs auf den breiten Markt.
Die Haltedauer der Positionen der einzelnen Komponenten soll überwiegend kurzfristig sein. show more
This content is not available in the current language.
Master data
Symbol
|
WFTWAKI001 |
Date created
|
2020-04-13 |
Index level | |
High watermark
|
102.4 |
Rules
Investment Universe
Trader
Decision making
- Technical analysis
- Fundamental analysis
- Other analysis