Zum Inhalt

Christian L. Dunis

Quant-Forscher und Herausgeber, ACANTO Holding Hannover. Pionier adaptiver neuronaler Netze für Finanzmärkte — Crack-Spread-Trading und PSO-RBF-Methodik.

Profil

Christian Dunis ist einer der produktivsten akademisch-praktischen Forscher im Bereich KI-gestütztes Trading. Sein Hauptbeitrag liegt in der empirischen Validation von Neural Network-Modellen auf realen OOS-Daten — mit vollständiger Transaktionskostenberücksichtigung, was in der akademischen Literatur selten ist.

Affiliation: ACANTO Holding, Hannover, Germany. Langjährige Forschungskooperation mit der University of Liverpool und der University of Patras.

Kernbeiträge

Adaptive Sliding Window Methodik: Dunis ist Mitbegründer des Konzepts, Neural Networks bei jedem Prognose-Schritt neu zu trainieren (Walk-Forward). Verbindet robustness_obsession mit praktischer Umsetzbarkeit.

PSO-RBF für Spread Trading: Anwendung von Particle Swarm Optimization auf RBF-Netzwerke. Ermöglicht automatische Feature-Selektion aus 59+ Inputs ohne manuelle Vorauswahl.

Threshold Confirmation Filter: Praktisches Instrument zur TC-Reduzierung — handelt nur wenn |Signal| > x%. Verdoppelt Calmar-Ratio in empirischen Tests (0.73 → 1.69).

Crack Spread Modellierung: Etabliert den WTI/RBOB/HO 3:2:1 Crack Spread als Testfeld für nicht-lineare NN-Modelle — mit asymmetrischer Anpassungsdynamik und klarem wirtschaftlichem Zusammenhang.

Relevanz für Johanns Werk

Dunis liefert den empirischen Beweis, dass PSO-RBF + Sliding Window + Threshold Filter auf realen Futures-Märkten profitierbar ist — mit Calmar > 1.5 nach TC. Direkte Blaupause für Spread-Strategien in Build Alpha.