Case Study
Algorithmic Trading
Höhere Erträge mit Künstlicher Intelligenz erzielen.
Für einen englischen Rohstoff-Market Maker wurde eine algorithmische Handelsstrategie entwickelt, basierend auf Deep Learning Modellen, die Muster in Daten erkennen und gleichzeitig Trading-Risiken berücksichtigen.
Entwicklung einer ertragreicheren Handelsstrategie mit Künstlicher Intelligenz.
Künstliche Intelligenz ist auch im Trading angekommen. Ein professioneller englischer Rohstoff-Market Maker hat uns herausgefordert, den Ertrag seiner Trading-Strategie mit unserem algorithmischen, auf neuronalen Netzen basierendem KI-Trading, unter Berücksichtigung einer kontrollierten Risikosteuerung langfristig zu übertreffen.
Die Aufgabenstellung: Verbessert werden sollte die tägliche Handelsstrategie im Handel mit Optionen auf Rohstoffe. Dafür sollte eine Web-Applikation entwickelt werden, die täglich Handelsempfehlungen ausgibt und die Fonds-Performance evaluiert.
Die Datenlage: An Daten standen 7LYTIX ca. 2,5 Jahre an Preisdaten zweier miteinander verwandter Waren und Optionen darauf (Scrap und Rebar) zur Verfügung. Der Optionszeitraum erstreckt sich von 1 bis 12 Monate.
Unser Vorgehen: Neuronale Netzwerke wurden mittels Deep Learning-Methoden auf Ertragsmaximierung durch Ermittlung von Zusammenhängen zwischen zwei in Beziehung stehenden Parametern (Stahl-Optionen auf Scrap und Rebar), bei gleichzeitiger Berücksichtigung einer kontrollierten Risikosteuerung, trainiert. Dafür wurden die ersten 2 Jahre des Datensatzes verwendet, zur Evaluierung der Performance die letzten 5 Monate.
Das Ergebnis: Der Ertrag wurde bei gleichbleibendem Kapitaleinsatz im Testzeitraum von 5 Monaten um 13 % gesteigert. Die Volatilität der Strategie ist ein dynamischer Parameter, der an die Risikoaversion des Kunden angepasst werden kann. Diese Flexibilität erlaubt, auch bei nur geringer Veränderung des Kapitaleinsatzes, deutlich höhere Erträge.
Ausblick: 7LYTIX ist an Partnern aus dem Finanzbereich interessiert, um gemeinsam den breiteren Einsatz Künstlicher Intelligenz für das Fondsmanagement und Trading zu entwickeln. Insbesondere sehen wir über die Verwendung von Zeitreihen im Rohstoff-Optionshandel hinaus große Chancen durch die automatisierte Einbeziehung weltweit verfügbarer qualitativer und quantitativer Informationen in die Handelsstrategie.
7LYTIX entwickelte eine algorithmische Handelsstrategie, basierend auf Deep Learning-Modellen die in der Lage sind, Muster in Daten zu erkennen und gelichzeitig das Risiko von Handelsaktionen zu berücksichtigen. Alle Prozessschritte wurden von 7LYTIX entwickelt. Von der mathematischen Formulierung des Problems, bis zur Performance Optimierung und dem User interface.
bei nur 15% mehr Kapitaleinsatz.
wie die bisher praktizierte Market Maker-Strategie.
