Beginn: Ab sofort
Erstbetreuer: Prof. Dr. Heisenberg
Zweitbetreuer: Prof. Dr. Schaible
Niveau: Bachelorarbeit
Problemstellung:
Trailing-Stop-Loss-Orders gehören zu den am häufigsten eingesetzten Methoden zur automatisierten Absicherung von Positionen im Börsenhandel. Sie ermöglichen es, Kursgewinne abzusichern, indem sich der Stop-Loss bei steigenden Kursen automatisch nach oben mitbewegt – jedoch bei fallenden Kursen nicht nachzieht.
In der Praxis hängt der Erfolg einer Trailing-Stop-Strategie stark von der gewählten Distanz zum aktuellen Kurs ab. Ist der Abstand zu klein, wird man oft zu früh ausgestoppt. Ist er zu groß, gehen unnötig viele Buchgewinne verloren. Eine Optimierung dieser Mechanik ist daher von hoher Relevanz für das Portfoliomanagement.
Trailing-Stop-Loss-Orders gehören zu den am häufigsten eingesetzten Methoden zur automatisierten Absicherung von Positionen im Börsenhandel. Sie ermöglichen es, Kursgewinne abzusichern, indem sich der Stop-Loss bei steigenden Kursen automatisch nach oben mitbewegt – jedoch bei fallenden Kursen nicht nachzieht.
In der Praxis hängt der Erfolg einer Trailing-Stop-Strategie stark von der gewählten Distanz zum aktuellen Kurs ab. Ist der Abstand zu klein, wird man oft zu früh ausgestoppt. Ist er zu groß, gehen unnötig viele Buchgewinne verloren. Eine Optimierung dieser Mechanik ist daher von hoher Relevanz für das Portfoliomanagement.
Ziel der Arbeit:
Ziel der Arbeit ist die Entwicklung und Analyse verschiedener Verfahren zur Optimierung der Trailing-Stop-Logik. Dazu sollen:
Ziel der Arbeit ist die Entwicklung und Analyse verschiedener Verfahren zur Optimierung der Trailing-Stop-Logik. Dazu sollen:
- unterschiedliche Trailing-Stop-Algorithmen implementiert (fester Abstand, ATR-basiert, dynamisch-volatilitätsabhängig),
- deren Auswirkungen auf den Ertrag mittels Backtests auf historischen Kursdaten untersucht,
- ein geeignetes Performance-Maß (z.B. Sharpe Ratio, Max Drawdown) als Vergleichsgrundlage gewählt werden.
Voraussetzungen:
Gute Kenntnisse in Python sowie Interesse an Finanzmärkten und automatisierten Handelsstrategien sind erforderlich. Grundkenntnisse im Bereich Backtesting oder Risikoanalyse sind hilfreich, aber nicht zwingend notwendig.
Gute Kenntnisse in Python sowie Interesse an Finanzmärkten und automatisierten Handelsstrategien sind erforderlich. Grundkenntnisse im Bereich Backtesting oder Risikoanalyse sind hilfreich, aber nicht zwingend notwendig.
