Die Insolvenzanträge unserer Finanzierungsgesellschaften sind ein schwerer Einschnitt – für Anleger, Geschäftspartner, Mitarbeitende und uns als Unternehmensgruppe. Wir möchten die Hintergründe deshalb sachlich einordnen: unsere langjährige Entwicklung, die gewählte Finanzierungsstruktur, die Folgen der Berichterstattung im Jahr 2025 und die operative Perspektive.

Der Startpunkt unserer Zusammenarbeit mit Alphawave liegt im Jahr 2016. Damals wurde das gemeinsame Joint Venture mit dem Ziel gegründet, quantitative Handelsansätze nicht nur konzeptionell zu entwickeln, sondern in eine belastbare, technisch eigenständige und produktiv nutzbare Umgebung zu überführen.

Die Alphawave GmbH hat die Ergebnisse ihres Live-Handels für die Jahre 2024 und 2025 durch einen unabhängigen Wirtschaftsprüfer überprüfen lassen. Für den geprüften Zeitraum wurde eine annualisierte Rendite von 18,54% bestätigt. Auch die bisherige Entwicklung im Jahr 2026 zeigt nach einem volatilen Jahresauftakt wieder eine positive Tendenz.

Wie bewährt sich ein hochkomplexes Quant-Modell nach einem starken Premierenjahr? Die aktuelle Bilanz der Alphawave GmbH für das Handelsjahr 2025 liefert die Antwort: Mit einer Live-Rendite von 20,48 % (Januar - Dezember) beweist das Düsseldorfer FinTech, dass sein Erfolg auf reproduzierbaren Prozessen statt auf Marktglück basiert.

Wie lässt sich Alpha in effizienten Märkten industrialisieren? Die Alphawave GmbH liefert die Antwort durch eine radikale Verbindung von High-Performance-Computing und probabilistischer Forschung. Diese Case Study analysiert das Modell Absolute Return I (NC 5.2), das über 18 Jahre hinweg – von der Finanzkrise bis zur Zinswende – seine Robustheit bewiesen hat. Erfahren Sie, wie Alphawave durch eine marktführende Simulations-Engine und strikte Risikodisziplin unkorrelierte Ergebnisse erzielt, die weit über klassische Ansätze hinausgehen.

In der komplexen Welt des Portfoliomanagements und Tradings sind volatile Märkte gleichermaßen eine Herausforderung und eine Gelegenheit. Portfoliomanager und Trader stehen vor der Aufgabe, zwischen langfristigen und kurzfristigen Anlagestrategien zu wählen, um optimale Ergebnisse zu erzielen. Diese Entscheidung wird besonders in einem Marktumfeld mit hoher Volatilität essentiell.

Machine Learning (ML) nimmt in vielen Industriesektoren eine immer dominantere Rolle ein, bedingt durch die fortschreitende Digitalisierung sowie die Verarbeitung immer größerer Datenmengen (Big Data). Insbesondere im Bereich des algorithmischen Handels bietet ML enorme Möglichkeiten zur Verbesserung der Handelsleistung und Effizienz.

Volatilität stellt eine wichtige Herausforderungen für algorithmische Handelssysteme dar, da sie plötzliche Veränderungen im Markt verursachen kann. Um erfolgreich in volatilen Märkten handeln zu können, ist es von entscheidender Bedeutung, die Volatilität genau zu messen und die richtigen Risikomanagementstrategien anzuwenden.

Quantitative Handel stützt sich auf algorithmisch-mathematische Modelle, um Entscheidungen darüber zu treffen, wo investiert werden soll und wann gekauft oder verkauft werden soll.

Um herauszufinden, ob quantitative Trading-Strategien erfolgreich sind, kann der White's Reality Check (auch bekannt als Bootstrap Reality Check) verwendet werden. Wir wollen betrachten, was hinter dem White's Reality Check steckt und ihn hier etwas vereinfacht aufschlüsseln.

Der Begriff ist Leistungssportlern bekannt. Doch immer häufiger ist auch bei uns von Marginal Gains im Kontext zur erfolgreichen Unternehmenskultur die Rede. Was hat es damit auf sich, wie können kleine Iterationen Wettbewerbsvorteile einleiten und wie funktioniert der Prozess innerhalb des Unternehmens? Wir möchten es aus unserer Sicht einmal beschreiben.

Jedes Projekt ist an sein Umfeld gekoppelt, aber dennoch gibt es oftmals eine Best-Practice für effiziente Ergebniserzielungen. Doch hierbei spaltet eine Frage Projektleiter sehr stark – die richtige Form des Projektmanagements.