Deep Learning für Finanzen

Kapitel 11. Fortgeschrittene Techniken und Strategien

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

Inzwischen solltest du ein solides Verständnis von Deep-Learning-Algorithmen haben und wissen, wie man ein Modell zur Vorhersage von Zeitreihendaten entwickelt. Auch wenn dies nur ein erster Schritt auf dem Weg zum Einsatz eines gewinnbringenden Algorithmus ist, solltest du wissen, dass du seit dem Beginn des Buches einen weiten Weg zurückgelegt hast. Dieses Kapitel ist in unabhängige Abschnitte unterteilt, die interessante Möglichkeiten zur Anwendung einiger fortgeschrittener Deep Learning-Techniken und -Methoden für die Zeitreihenvorhersage und zur Verbesserung des Prozesses diskutieren.

Nutzung von COT-Daten zur Vorhersage langfristiger Trends

Der Commitments of Traders (COT)-Bericht ist eine wöchentliche Veröffentlichung der US Commodity Futures Trading Commission (CFTC). Er enthält Informationen über die Positionen der verschiedenen Marktteilnehmer an den Terminmärkten. Der Bericht basiert auf Daten, die von Terminbörsen wie der Chicago Mercantile Exchange (CME) und der Intercontinental Exchange (ICE) gesammelt wurden. Im COT-Bericht werden die Händler in drei Hauptgruppen eingeteilt:

Gewerbliche Händler (auch als Dealer oder Hedger bezeichnet)

Das sind in der Regel Unternehmen, die den Terminmarkt nutzen, um ihre Hauptgeschäftstätigkeit abzusichern. Ein Getreideproduzent kann zum Beispiel ...