Python für den algorithmischen Handel

Kapitel 5. Vorhersage von Marktbewegungen mit maschinellem Lernen

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Skynet beginnt mit einer geometrischen Rate zu lernen. Am 29. August um 2:14 Uhr Ostküstenzeit wird es sich seiner selbst bewusst.

Der Terminator(Terminator 2)

In den letzten Jahren gab es enorme Fortschritte in den Bereichen maschinelles Lernen, Deep Learning und künstliche Intelligenz. Auch die Finanzbranche im Allgemeinen und algorithmische Händler auf der ganzen Welt im Besonderen versuchen, von diesen technologischen Fortschritten zu profitieren.

In diesem Kapitel werden Techniken aus der Statistik, wie z. B. die lineare Regression, und aus dem maschinellen Lernen, wie z. B. die logistische Regression, vorgestellt, um zukünftige Kursbewegungen auf der Grundlage vergangener Renditen vorherzusagen. Außerdem wird der Einsatz von neuronalen Netzen zur Vorhersage von Börsenbewegungen erläutert. Dieses Kapitel kann natürlich keine gründliche Einführung in das maschinelle Lernen ersetzen, aber es kann aus der Sicht eines Praktikers zeigen, wie man bestimmte Techniken konkret auf das Problem der Preisvorhersage anwendet. Weitere Einzelheiten findest du in Hilpisch (2020).¹

Dieses Kapitel behandelt die folgenden Arten von Handelsstrategien:

Auf linearer Regression basierende Strategien

Bei solchen Strategien wird eine lineare Regression verwendet, um einen Trend zu extrapolieren oder ...