Worum geht es?
digital movements war maßgeblich an der Entwicklung einer neuartigen und AI unterstützten Plattform zur Unterstützung von Wertpapierhändlern bei der Generierung von Handelssignalen auf der Basis alternativer Daten beteiligt.
Das Vorhaben wurde erfolgreich umgesetzt. Da jedoch die generierten Handelssignale im Backtest keine signifikante Outperformance ergaben, wurde das Projekt noch nicht veröffentlicht.
Was haben wir gemacht?
- Entwicklung eines Konzepts für die Plattform in Zusammenarbeit mit Experten für Wertpapierhandel
- Entwicklung von POCs für einzelne Systembestandteile der Plattform, u.a. für die Aufbereitung von Daten aus alternativen Datenquellen (u.a. Google Trends)
- Entwicklung einer Delivery- und Deploymentpipeline für Handelssystemmodelle
- Integration von KI-Algorithmen (z.B. Nearest Neighbour) in die Lieferpipeline
- Entwicklung von Tools zur automatisierten Datenabfrage und -aufbereitung
- Entwicklung von Tools zur visuellen Überwachung und -auswertung der Handelssignale
- Durchführung intensiver Backtests und Bewertung der Handelssignale
Welche Methoden/Werkzeuge haben wir eingesetzt?
- Python
- ScikitLearn
- Backtrader
- PyTrends
- Pandas
- NumPy
- Google Trends
- Docker
- AWS Cloud, AWS Lambda, AWS S3
- IntelliJ PyCharm
- Jira, Confluence
Welche Ergebnisse haben wir erzielt?
Das Tool war in der Lage, Handelssignale auf der Grundlage alternativer Daten wie angegeben zu generieren. Die Backtesting-Ergebnisse zeigten unter den entsprechenden Marktbedingungen eine positive Rendite, jedoch keine signifikante Outperformance im Vergleich zu den definierten Benchmarks.
Welche Schlussfolgerungen haben wir gezogen?
Die Ergebnisse zeigen, dass die KI-basierte Generierung von Handelssignalen auf der Grundlage alternativer Daten, so wie wir sie umgesetzt haben, noch verbesserungsbedürftig ist. Wir planen, das Projekt mit einem anderen Ansatz zu wieder aufzunehmen. U.a. soll geprüft werden, ob xLSTM-basierte Modellansätze besser abschneiden.
