Currency-Overlay-Strategien Wie Währungsmanager künstliche Intelligenz nutzen können
Trenderkennung mit künstlicher Intelligenz
Im Zusammenhang mit einer dynamischen und trendfolgenden Währungsabsicherung stellt sich das Problem der Trenderfassung. Sich anbahnende Trends müssen rechtzeitig erkannt werden, damit die Sicherungsstrategie diese erfolgreich ausnutzen kann.
Wie angeführt, basieren Handelsalgorithmen typischerweise auf Marktpreis- oder Fundamentaldaten beziehungsweise auf hieraus abgeleiteten Indikatoren.
Künstliche Intelligenz kann nun dadurch zum Einsatz kommen, dass diese Daten als Eingabeknoten eines künstlichen neuronalen Netzes dienen. Für die Trainingsdaten können die zu jedem Zeitpunkt vorherrschenden Trends rückblickend bestimmt werden. Die untenstehende Abbildung zeigt wie ein solches System aussehen kann.
Illustrative Darstellung eines künstlichen neuronalen Netzes
1.200% Rendite in 20 Jahren?
Die Marktdaten werden von den Eingangsknoten über die inneren Schichten des Netzes bis in die Ausgabeknoten gereicht, wo schließlich eine Aussage über die vorherrschende Trendrichtung abgeleitet wird.
Vorteile des maschinellen Lernens
Im Hinblick auf das Currency Overlay Management lassen sich einige interessante Vorteile des maschinellen Lernansatzes der künstlichen neuronalen Netze (NN) hervorheben:
- NNs sind in der Lage unbekannte Zusammenhänge zu entdecken. Damit stellen sie eine komplementäre Ergänzung zu traditionellen technischen Modellen dar, bei denen der Algorithmus im Voraus festgelegt ist. Innerhalb eines Multi-Modell-Ensembles vermehren sie damit die methodische Diversifikation und Stabilität der Gesamtstrategie.
- NNs können große Mengen an Daten verarbeiten und auf unterschiedliche Eingabedaten angepasst werden. Dies ermöglicht es beispielsweise einem NN von den Daten unterschiedlicher Währungen gleichermaßen zu lernen, was seine Robustheit erhöht.
- Die hohe Flexibilität von NNs ermöglicht ihnen das jeweilige Marktumfeld aus mehreren Perspektiven zugleich zu betrachten und dann zu einem ausgewogenen Urteil zu gelangen.
- NNs können fortlaufend von neuen Daten lernen und sich so, geleitet durch das aktuelle Marktumfeld, kontinuierlich weiterentwickeln.
Die erfolgreiche Anwendung eines neuronalen Netzes hängt von verschiedenen Faktoren ab wie etwa der Aufbereitung der Daten, der Wahl der Netzarchitektur und der Anwendung der Regularisierungsmethoden. Bei entsprechender Umsicht birgt die künstliche Intelligenz ein signifikantes Potential für die Entwicklung erfolgreicher Sicherungsstrategien. Demnach ist 7orca der Auffassung, dass maschinelles Lernen eine wichtige Diversifizierung innerhalb eines modellgetriebenen Sicherungsansatzes darstellt.
