Research
RAM AI's FORSCHUNG
Das Researcher von RAM AI bestimmt unsere Anlageentscheidungen und unsere Performance.
Die Forscher von RAM AI erforschen unermüdlich neue Wege, Informationen aus Daten zu extrahieren, um neue Renditequellen zu erschließen, die Diversifizierung zu erhöhen und die Liquidität zu verbessern. Wir sind davon überzeugt, dass kontinuierliche Forschung und ein disziplinierter Investmentansatz dazu beitragen, Marktineffizienzen kontinuierlich auszunutzen. Dabei werden technologische Fortschritte genutzt, um die Vorhersagekraft der exponentiell wachsenden Informationsmenge, die uns zur Verfügung steht, zu erschließen.
Research Papers
Papers
-
ESG2Risk: A Deep Learning Framework for ESG
-
Genetic Algorithm: A Heuristic Approach to Multi-Dimensional Problems
-
Natural Language Processing: Unlocking the Secretas in Semantics
-
Carbon Offset Market Review
-
Machine Learning: Financial data takes a new dimension
-
RAM's Systematic Equity: A Leading Approach to ESG Integration
-
To invest or not to invest? The effect of Capex announcements
-
To invest or not to invest? Capitalizing R&D Expenses to increase Valuation Accuracy
-
A Deep Learning Framework for Climate Responsible Investment
FUNDAMENTAL
SYSTEMATIC MARKET NEUTRAL: THE BENEFITS OF DIVERSIFYING FREQUENCIES
At RAM AI, we have developed a deep learning framework to forecast stock returns based on a wide array of time-series inputs. This paper illustrates how shorter-term strategies have attractive standalone characteristics and benefit lower-frequency books. Read full paper here.
INVESTIEREN ODER NICHT INVESTIEREN? KAPITALISIERUNG VON F&E-AUSGABEN ZUR ERHÖHUNG DER BEWERTUNGSGENAUIGKEIT
Die von einem Unternehmen erwirtschafteten Gewinne können entweder in Form von Dividenden/Aktienrückkäufen an die Aktionäre ausgeschüttet, zur Rückzahlung eines Teils der Schulden oder für Investitionen verwendet werden. Ein Unternehmen investiert in sein zukünftiges organisches Wachstum entweder durch Forschung und Entwicklung (F&E) oder durch Investitionen (Capex). In einem früheren Forschungspapier haben wir die Auswirkungen von Investitionsankündigungen auf die Aktienrenditen untersucht. Das vorliegende Dokument analysiert die F&E-Aktivitäten und ihre Auswirkungen auf die Fundamentaldaten der Unternehmen. Lesen Sie das vollständige Papier hier. Nur in Englisch.
INVESTIEREN ODER NICHT INVESTIEREN? DIE AUSWIRKUNGEN VON INVESTITIONSANKÜNDIGUNGEN
Die von einem Unternehmen erwirtschafteten Gewinne können entweder durch Dividenden/Aktienrückkäufe an die Aktionäre ausgeschüttet, zum Schuldenabbau oder für Investitionen verwendet werden. Ein Unternehmen investiert in sein zukünftiges organisches Wachstum, entweder durch Forschung und Entwicklung oder durch Investitionen (Capex). Im Januar 2021 lag das Verhältnis zwischen Nettoinvestitionen und Umsatz bei den US-Unternehmen bei 2,54 %. Lesen Sie hier das vollständige Papier. Nur in Englisch.
ESG
ON THE ROAD TO NET-ZERO: A DECARBONISED INVESTABLE UNIVERSE
RAM AI joined the Net-Zero Asset Manager’s initiative in 2021 and committed to meeting Net-Zero emissions by 2050. We also committed to interim goals with a carbon emission intensity reduction of 33% by 2025 and 50% by 2030. Three complementary approaches have been deployed to meet those targets:
- Climate risk mitigation through universe construction
- Climate opportunity integration
- Active ownership
In this paper, we will focus on universe construction and analyse how reducing the carbon footprint impacts financial performances and style biases. Read full paper here.
BEYOND ESG RATING: THE REAL IMPACT OF GOOD GOVERNANCE
The Sustainable Finance Disclosure Regulation (SFDR) is a European regulation introduced in 2019 and applicable from 10th March 2021 to improve transparency in the market for sustainable investment products, prevent greenwashing and increase transparency around sustainability claims made by financial market participants. In this paper, we analyse the impact an SFDR governance framework can have on return and style biases. Read full paper here.
AI FOR ESG INTEGRATION: TRAINING MACHINES TO PREDICT SUSTAINABLE ALPHA
Over recent years, data measuring firms’ sustainability characteristics has proliferated. An important challenge that investment managers encounter is the combination of ESG and traditional factors such as value, growth and momentum, which is crucial for an optimal stock selection and portfolio construction process. RAM AI’s systematic equity team has developed a deep learning framework that models the interaction among different input features. In this paper, we will evaluate the efficacy of this framework when tuned to combine ESG and traditional factors for a stock return prediction task. Read full paper here.
EIN DEEP-LEARNING-MODELL FÜR KLIMAVERANTWORTLICHE INVESTITIONEN
Die Einbeziehung von Klimaüberlegungen in die Portfolioanalyse und systematische Investitionen hat in letzter Zeit viel Aufmerksamkeit auf sich gezogen. Der Grund dafür ist das Streben nach nachhaltigen Investitionen für einen kohlenstoffarmen Übergang. In diesem Papier schlagen wir vor, sowohl strukturierte als auch unstrukturierte klimabezogene Daten in quantitative Investitionen für Aktienmärkte zu integrieren, z. B. Kohlenstoffemissionswerte und Klimaereignisse aus Nachrichtenströmen. Wir entwickeln ein Deep-Learning-Modell, um diese Daten für die Bewertung von klimabezogenen Chancen und Risiken von Aktien im Anlageuniversum zu nutzen. Eine experimentelle Bewertung anhand realer Daten zeigt die geringe Kohlenstoffintensität des konstruierten Portfolios sowie eine angemessene Rendite. Lesen Sie das vollständige Papier hier. Nur in Englisch.
EIN FÜHRENDER ANSATZ ZUR ESG-INTEGRATION
Die rasante Zunahme von ESG-Daten in den letzten Jahren macht sie zu einer überzeugenden neuen Dimension für den Anlageprozess, aber die Integration von ESG-Daten birgt eine Vielzahl von Herausforderungen, von der Rauschfilterung bis hin zu versteckten Verzerrungen. In diesem Beitrag stellen wir einige der Unzulänglichkeiten von ESG-Daten sowie den Mehrwert vor, den ESG-Inputs in einen Aktienauswahlprozess einbringen können. Lesen Sie das vollständige Papier hier. Nur in Englisch.
ÜBERPRÜFUNG DES MARKTES FÜR EMISSIONSAUSGLEICHE
Carbon Credit ist ein allgemeiner Begriff für ein handelbares Zertifikat, das eine bestimmte Menge an Kohlenstoffemissionen repräsentiert. Eine Regierung, ein Unternehmen oder eine Einzelperson, die eine bestimmte Menge an Kohlenstoffemissionen aus ihren Aktivitäten ausgleichen möchte, kann Gutschriften für eine bestimmte Menge an CO² kaufen, um ihre Emissionen auszugleichen. Lesen Sie das vollständige Papier hier. Nur in Englisch.
MACHINE LEARNING
NEWS BEYOND SENTIMENT: STOCK PREDICTION ENHANCED WITH FINANCIAL NEWS
Nowadays, large language models are among the most impactful natural language processing techniques and have gained popularity in various applications, such as machine translation, language understanding, etc. These language models can be fine-tuned on domain-specific datasets to fit into the corresponding applications. In this paper, we will study the effect of financial news articles’ sentiments and text embeddings on predicting stock returns. Our in-house developed deep learning framework is able to model interactions between different input features and facilitates the comparison of feature combinations. Read full paper here.
Maschinelles Lernen: Finanzdaten erhalten eine neue Dimension
In diesem Beitrag befassen wir uns mit der zunehmenden Popularität der künstlichen Intelligenz und dem Potenzial, das maschinelles Lernen für das Finanzwesen birgt. Da die Technologie die Grenzen unserer Vorstellungskraft immer weiter verschiebt, werden sich mit der Zeit zweifellos neue Dimensionen ergeben. Lesen Sie das vollständige Papier hier. Nur in Englisch.
DIE GEHEIMNISSE DER SEMANTIK ENTSCHLÜSSELN
Herkömmliche Markt- und Faktordatensätze sind in der Regel numerisch in einer Form strukturiert, die von statistischen Modellen verarbeitet werden kann. Maschinelles Lernen kann dabei helfen, mit der Fülle an Textdaten umzugehen, die aus Finanznachrichten, Vierteljahresberichten und Transkripten gewonnen werden, und deren Korrelation mit den Märkten, die derzeit von quantitativen Managern weniger genutzt wird. In der folgenden Frage und Antwort gehen wir auf NLP-Techniken und ihre Integrationsmethoden bei RAM AI ein. Eine Frage und Antwort mit Tian Guo, Data Scientist bei RAM. Nur in Englisch.
VORHERSAGE DER AUSWIRKUNGEN VON ESG-NACHRICHTEN MIT DEEP LEARNING - ESG2RISK
Die Einbeziehung von Umwelt-, Sozial- und Governance-Aspekten (ESG) in systematische Investitionen hat in letzter Zeit viel Aufmerksamkeit auf sich gezogen. In diesem Beitrag konzentrieren wir uns auf ESG-Ereignisse in Finanznachrichten und untersuchen die Vorhersagekraft von ESG-bezogenen Finanznachrichten für die Aktienvolatilität. Insbesondere entwickeln wir eine Pipeline für die Extraktion von ESG-Nachrichten, die Darstellung von Nachrichten und die Bayes'sche Inferenz von Deep-Learning-Modellen. Die experimentelle Auswertung auf realen Daten und verschiedenen Märkten zeigt die überlegene Vorhersageleistung sowie den Zusammenhang zwischen der Vorhersage hoher Volatilität und Aktien mit potenziell hohem Risiko und geringer Rendite. Sie zeigt auch, dass die vorgeschlagene Pipeline ein flexibler Rahmen für die Vorhersage verschiedener Textdaten und Zielvariablen sein kann. Lesen Sie das vollständige Papier hier. Nur in Englisch.