Informationen sind das Schmieröl der Börse. Könnte Google also aufgrund von Suchanfragen einen Aktienkurs vorhersagen? Dieser Frage ging ein Team rund um Tobias Preis nach [6]. Dazu wurden die Daten von Google Trends ausgewertet. Das Ergebnis: Es gibt keine Anzeichen das die Vorhersage mit diesen Daten möglich ist. Dies mag zu einem daran liegen das es sich bei den Daten um wöchentliche Daten handelt. Würden Daten auf stündlicher Basis vorliegen so könnte es wohl möglich sein. Ein Grund warum Google diese Daten nicht veröffentlicht?
Was das Team rund um Tobias Preis jedoch gefunden hat ist eine Korrelation bezüglich des Volumens. Wird also nach einer Aktie viel gesucht weist diese auch ein hohes Volumen auf.
Sebastian Sonstiges
Stärken und Schwächen der Rocket-Science:
- Extended Kalman-Filter: Normalverteilung, für nichtlineare Probleme (Linearisierung mit Taylor)
- Unscented Kalman-Filter: Normalverteilung, für nichtlineare Probleme (Koordinatentransformation)
- Partikel-Filter: Jede beliebige Verteilung, für nichtlineare Probleme
Obwohl der Partikel-Filter wohl das Maß der Dinge ist, sollte man trotzdem beim Kalman-Filter anfangen. Tatsächlich erhält man schon mit einem Kalman-Filter mit konstantem Gain brauchbare Ergebnisse:
Sebastian Rocket-Science, Systemtrading Kalman-Filter, Partikel-Filter
Das im High-Frequency-Trading die Latenzen niedrig sein sollten ist nichts Unbekanntes. Wie extrem niedrig diese bereits sind und welche Anforderungen die Hardware dabei hat, kann man der aktuellen Ct (Ausgabe 12)[4] entnehmen.
Verwiesen wird außerdem, auf ein interessantes Paper von Wissner-Gross und Freer[5] indem für die wichtigsten 52 größten Börsen der optimale Standort berechnet wird um Arbitragegeschäfte zu betreiben. Herausgekommen sind u.a. Standorte im Ozean (siehe Grafik auf Seite 5).
Sebastian High-Frequency, Systemtrading Arbitrage, HFT, High-Frequency-Trading
