Wie wird Overfitting vermieden?
+
Wir verwenden Walk-Forward Optimization mit Rolling Windows (Training: 3 Jahre, Validation: 6
Monate, Out-of-Sample: 3 Monate). Parameter werden nur angepasst, wenn OOS-Performance unter
statistische Signifikanz fällt (p < 0.05). Zusätzlich: Cross-Validation über verschiedene
Marktregimes (Bull, Bear, High/Low Volatility).
Welche Risikomanagement-Techniken werden eingesetzt?
+
Multi-Layer Risk Controls: (1) Pre-Trade Limits (max Position Size, Sector Exposure), (2)
Intraday VaR Monitoring (95% Confidence), (3) Real-Time Drawdown Triggers (automatische
Positionsreduktion bei -3% Daily Loss), (4) Stress Testing gegen historische Crash-Szenarien
(1987, 2008, 2020).
Wie funktioniert die LSTM-Architektur?
+
3-Layer Stacked LSTM mit Attention Mechanism. Input Features: OHLC, Volume, Order Flow
Imbalance, Microstructure Metrics (Bid-Ask Spread, Effective Spread). Training: Supervised
Learning auf 7 Jahre Tick-Data. Output: Directional Probability für nächste 5, 15, 60 Minuten.
Model Update: Wöchentlich mit neuen Daten.
Was passiert bei extremen Marktbedingungen?
+
Regime Detection via Hidden Markov Models (HMM). Bei Erkennung von High-Volatility Regimes: (1)
Reduktion der Position Sizes um 50%, (2) Erhöhung der Stop-Loss Schwellen, (3) Deaktivierung von
Mean-Reversion Strategien (da Momentum dominiert), (4) Wechsel zu konservativen
Execution-Algorithmen (VWAP statt aggressive IOC).
Wie wird Transaction Cost berücksichtigt?
+
Alle Backtests inkludieren realistische Kosten: Spread Costs (modelliert via historisches
Bid-Ask), Commission (0.5-1 bps je nach Broker), Slippage (Market Impact Modell basierend auf
Volume, Volatility). Zusätzlich: Minimum Holding Period von 30s um churning zu vermeiden.
Filter: Trades nur wenn Expected Profit > 3x Transaction Cost.
