Evaluierung eines Double Deep-Q-Network (DDQN) für den algorithmischen Handel
Dieses Thema ist eine Weiterentwicklung der ersten Vortragsreihe zum Thema Data Science im Handel.
Zur Erinnerung: mit dem Reinforcement Learning trainieren die Studierenden einen Agenten mit einem Deep Q-Network, das unterschiedliche Zustände aufweist, die in der daraus folgenden Umwelt zu einer Belohnung führen und von einem Agenten maximiert werden.
Beim Double Deep Q-Network wird das Netz selbst weiter optimiert. Der Agent verwendet dafür ein zweites Netzwerk, mit dem der erwartete Ertrag bewertet wird. Der Zielwert wird nach diesem erwarteten Ertrag bestimmt. Dabei hat der Agent die Möglichkeit, Aktien zu kaufen und Liquidität in der Kasse zu halten, wobei die Kosten mitberücksichtigt werden. Im Fallbeispiel des Aktienkurses von Google konnte eine deutlich verbesserte Performance erzielt werden, wobei das einfache Deep-Q-Network immer noch besser abschneidet als das Double Deep-Q-Network. Bei anderen Wertpapiertiteln erweist sich eine reine Buy-and-Hold-Strategie als vorteilhafter. Weitere Schritte für die Zukunft sind die Verwendung von State of the Art Reinforcement Learning Ansätzen, Verfahren aus dem Bereich der Zeitreihenanalyse und algorithmischen Handelsstrategien, sodass diese Handelsstrategien auch für andere Wertpapiertitel eine erhöhte Performance erzielen.
Qualitative Analyse der Gebert Strategie und ihrer Varianten durch Data Science Modelle
Ausgangspunkte der Analyse von Professor Horsch sind eine Überprüfung der Gebert-Strategie in der heutigen Zeit und die Suche nach besseren saisonalen Strategien. Die Untersuchung ist rein qualitativer Art, da eine Gruppe von Studierenden das Backtesting in einer weiteren Untersuchung abdecken. Die Gebert-Strategie umfasst einen Zyklus von 16 Wochen, wobei die Wochen 8, 11 und 16 „short“ sind und die Wochen 13 bis 15 „long“.
Handelstag ist jeweils der Montag und der vorherige Bankarbeitstag (bei Feiertagen). Der untersuchte Zeitraum bezieht sich auf den 21.01.2008 bis 05.2023 bei einem DAX ETF. Datenquelle war die Yahoo Finance API für Python. Für die Analyse werden die wöchentlichen Log-Returns verwendet, da die Daten dann additiv, normalverteilt und symmetrisch sind. Die Gebert-Strategie funktioniert demnach nicht mehr so gut, wie in früheren Zeiten, besonders wenn ein kürzerer Zeitraum betrachtet wird. Es sind daher neue Strategien mit anderen Werkzeugen erforderlich, um überdurchschnittliche Handelsergebnisse zu erzielen. Die Verschiebung des Handelstages ist ein möglicher Einflussfaktor. Weitere Möglichkeiten sind die Ausdehnung des untersuchten Zyklus und des Zeitraums, auf den die Gebert-Strategie angewendet wird.
Projektvorstellung „gebottrader“ – Backtesting der Gebert-Strategie
Der „gebottrader“ vermittelt Händlern und Investoren eine flexible und zugeschnittene Plattform, mit der Thomas Geberts 16 Wochen Strategie angewendet werden kann. Weitere Eigenschaften sind ein Aufsatz auf mehrere Plattformen, Backtesting-Szenarien, die voll konfigurierbar sind, Parametrisierung weiterer Szenarien und das Backtesting mit einfachsten Anweisungen. Mit der OnVista API und Yahoo Finance API werden zwei Datenquellen eingesetzt. Untersucht wurden der DAX und der MSCI-World-Index. Des Weiteren werden vier verschiedene Gebührenmodelle verwendet. Die Gebert-16-Wochen Strategie wird einer reinen Buy & Hold-Strategie gegenüberstellt und in jeweils vier Zeiträumen untersucht. Die Buy & Hold-Strategie zeigt in drei der vier Zeiträume eine deutlich höhere Rendite. Die Anwendung auf weitere Indizes brachte keinen Mehrgewinn; eine Optimierung der Handelszeiträume ist demnach vielversprechender. Durch eine Anpassung der Transaktionen (short/long) konnte die Performance deutlich gesteigert werden, was durch eine Ausweitung des Zyklus zusätzlich verstärkt wird. Mögliche Verbesserungen der Gebert-Strategie könnten durch eine Verschiebung des Starttags oder eine Optimierung mittels Fourier-Analyse erreicht werden. Weitere Optionen sind die Frequency-domain Analysis und der Einsatz von Machine learning, um die Möglichkeiten der Plattform zu erweitern.
Fazit: Data Science im Handel bringt enormes Potenzial
Die Diskussionen am Ende der Vorträge zeigten wieder ein reges Interesse auf beiden Seiten für die Praxisrelevanz der vorgestellten Methoden und das Erkenntnispotenzial für die Forschenden. Weitere Analysen sind daher notwendig, um den Austausch zu vertiefen, bestehende Methoden zu optimieren und neue Strategien zu entwickeln. Ein Ergebnis der Vortragsreihe weist daher ein hohes Signifikanzniveau auf: eine weitere Präsentation zu „Data Sciences im Börsenhandel“ bei der Plutos Vermögensverwaltung AG.
Sollten Sie noch Fragen haben, nehmen Sie gerne Kontakt auf!
Whitepaper: Investieren in Dividendenaktien
Anleger sollten bei der Auswahl ihrer Dividendenaktien nicht nur auf die Dividendenrendite achten. Denn diese wird oft auf Basis der zuletzt gezahlten Dividende angegeben, steht aber im Verhältnis zum derzeitigen Aktienkurs. Erfahren Sie mehr in unserem kostenlosen Whitepaper.
Wichtige Hinweise:
Die in der Rubrik zur Verfügung gestellten Informationen erfolgen nach bestem Wissen und Gewissen. Informationen im Rahmen von Finanzanlagen unterliegen aber stetiger Veränderungen und wechselnder Einschätzungen. Eine Haftung wird ausgeschlossen.
Sofern in den Darstellungen Charts verwendet werden, beziehen sich diese auf den dort angegebenen vergangenen Zeitraum, die angegebene Währung und es ist angegeben, ob es sich um eine Betrachtung vor oder nach Kosten handelt. Eine Kurs- oder Wertentwicklungen in der Vergangenheit ist kein verlässlichen Indikator für zukünftige Ergebnisse. Jede Finanzanlage hat bestimmte Risiken, bitte beachten Sie die Risikohinweise.
Die Plutos Vermögensverwaltung AG ist ein kommerzieller Anbieter, die Ausführungen können daher auch werbliche und bezahlte Elemente beinhalten. Die Informationen stellen keine Anlageberatung oder Kauf- oder Verkaufsempfehlung dar, sondern sind eine Momentaufnahme der Finanzmärkte. Wir empfehlen grundsätzlich vor jeder Entscheidung die Beratung durch Ihre Bank oder einen unabhängigen Vermögensverwalter. Die Plutos Vermögensverwaltung AG erhält, sofern nicht anders angegeben, keine besondere Vergütung für die veröffentlichten Beiträge. Sofern sie aber Funktionen im Rahmen einer dargestellten Finanzanlage wahrnimmt, kann sie hierfür eine Vergütung erhalten.
Zur weiteren Information beachten Sie bitte die rechtlichen Hinweise.
