Künstliche Intelligenz im Finanzwesen

Kapitel 12. Ausführung und Einsatz

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

Es bedarf noch erheblicher Fortschritte, bis autonome Fahrzeuge im gemischten Stadtverkehr, bei starkem Regen und Schnee, auf unbefestigten und nicht kartierten Straßen und bei unzuverlässigem WLAN-Zugang zuverlässig fahren können.

Todd Litman (2020)

Eine Wertpapierfirma, die algorithmischen Handel betreibt, muss über wirksame Systeme und Risikokontrollen verfügen, die für das von ihr betriebene Geschäft geeignet sind, um sicherzustellen, dass ihre Handelssysteme belastbar sind und über ausreichende Kapazitäten verfügen, dass sie angemessenen Handelsschwellen und -limits unterliegen und dass sie verhindern, dass fehlerhafte Aufträge gesendet werden oder die Systeme anderweitig in einer Weise funktionieren, die zu einem ungeordneten Markt führen oder beitragen kann.

MiFID II (Artikel 17)

In Kapitel 11 wird ein Trading-Bot in Form eines finanziellen Q-Learning-Agenten auf der Grundlage historischer Daten trainiert. Es stellt das ereignisbasierte Backtesting als einen Ansatz vor, der flexibel genug ist, um typische Risikomaßnahmen wie Trailing-Stop-Loss-Orders oder Take-Profit-Ziele zu berücksichtigen. All dies geschieht jedoch asynchron in einer Sandbox-Umgebung, die nur auf historischen Daten basiert. Wie bei einem autonomen Fahrzeug (AV) stellt sich auch hier das Problem, die KI in der realen Welt einzusetzen. ...