Forschungsteam bei der Analyse von Marktdaten in einem modernen Büro

Wer behauptet, Alpha sei nur für Quanten?

Wir hören das oft. Dann zeigen wir den Code, den Datensatz, den Fehler in der Logik.

Viele glauben, systematische Marktvorteile seien reserviert für Hedgefonds mit Supercomputern. Wir bauen Methoden, die zeigen, wie sequenzielle Lernprozesse diese Annahme Stück für Stück widerlegen — mit nachvollziehbaren Schritten statt schwarzer Kisten.

Kontakt aufnehmen Unsere Methode

Transparente Methoden

Nachvollziehbare Prozesse

Was wir anders machen

Kein fertiges Rezept. Keine vorgekaute Strategie. Wir entwickeln ein Framework, in dem du selbst Signale iterativ verbesserst — durch wiederholbare Experimente, nicht durch Bauchgefühl.

Unsere Geschichte

Gegründet von Forschern, die den Graben zwischen akademischer Finanztheorie und praktischer Signalgenerierung schliessen wollten.

"Wir glauben nicht an die eine perfekte Strategie. Wir glauben an einen Prozess, der es erlaubt, systematisch bessere Fragen zu stellen — und durch sequenzielles Lernen Schritt für Schritt näher an verwertbare Muster heranzukommen."

Transparenz vor Show

Jede Annahme wird offengelegt, jede Limitation benannt. Was wir nicht wissen, sagen wir genauso deutlich wie das, was wir glauben zu wissen.

Iterativ statt final

Kein Modell ist je fertig. Wir behandeln jeden Ansatz als Hypothese, die durch neue Daten bestätigt oder verworfen wird.

Praxisnah statt akademisch

Theorie ist der Ausgangspunkt, nicht das Ziel. Was nicht in realen Marktbedingungen überprüfbar ist, hat für uns keinen Bestand.

Risikobewusstsein

Wir setzen das Verständnis von Unsicherheit an die erste Stelle. Wer Chancen sucht, muss zuerst wissen, wo er verlieren kann.

Warum wir das tun

Weil die meisten Marktteilnehmer entweder raten oder auf undurchsichtige Systeme vertrauen. Wir wollten eine dritte Option.

Driomyannearca entstand aus einer einfachen Beobachtung: Die akademische Finanzforschung produziert seit Jahrzehnten robuste Methoden zur Mustererkennung in Marktdaten. Doch die meisten Anleger haben keinen Zugang zu diesen Werkzeugen — oder verstehen nicht, wie sie praktisch anwendbar sind.

Wir begannen damit, sequenzielle Lernverfahren aus der Statistik auf Finanzdaten anzuwenden. Nicht, um eine magische Formel zu finden, sondern um einen wiederholbaren Prozess zu entwickeln: Wie formuliert man eine Hypothese, testet sie, lernt aus dem Ergebnis und verfeinert die nächste Iteration?

Die Köpfe hinter Driomyannearca

Forscher, Entwickler und Praktiker — vereint durch die Überzeugung, dass methodische Strenge der einzige nachhaltige Vorteil ist.

Dr. Lukas Brenner

Leitender Forschungsdirektor

Doktor der Statistik und Ökonometrie Eidgenössische Technische Hochschule Zürich

Sequentielle Zeitreihenanalyse und Regime-Switching-Modelle

Swiss Finance Institute und quantitative Forschungsabteilung einer Grossbank

Lukas verbrachte über ein Jahrzehnt damit, statistische Lernmethoden auf ökonomische Zeitreihen anzuwenden. Seine Arbeit konzentriert sich darauf, wie sich sequenzielle Modelle adaptiv an verändernde Marktregimes anpassen lassen — ohne dabei in Overfitting zu verfallen. Er lehrt, dass der beste Indikator für zukünftige Performance die Qualität des Fehler-Feedback-Loops ist.

Nina Hofstetter

Leiterin Methodenentwicklung

Master of Science in Data Science und Finanzmathematik Universität Zürich und Imperial College London

Feature-Engineering und robuste Modell-Pipelines

Quantitative Abteilung eines systematischen Handelshauses in Genf

Nina baute die ersten produktiven Pipelines für iterative Signalverfeinerung bei Driomyannearca. Ihr Fokus liegt auf der Brücke zwischen theoretisch eleganten Algorithmen und der robusten Implementierung in realen Datenumgebungen. Sie ist überzeugt, dass die meisten scheiternden Modelle nicht an der Mathematik, sondern an schlechter Datenhygiene scheitern.

Marcus Weber

Leiter Anwendungsforschung

Master of Science in Quantitative Finance Universität St. Gallen

Backtesting-Methodik und Modell-Validierung

Risikomanagement-Abteilung einer Schweizer Vermögensverwaltung

Marcus testet neue Methoden direkt an historischen Marktdatensätzen. Seine Stärke ist die rigorose Fehleranalyse: Wann bricht ein Modell zusammen? Welche Annahmen waren falsch? Was hätten wir eine Iteration früher erkennen müssen? Er dokumentiert jeden Fehler öffentlich — weil aus seinen Fehlslägen mehr gelernt wird als aus seinen Erfolgen.

Dr. Elena Rossi

Leiterin Wissensvermittlung

Doktor der Wirtschaftswissenschaften mit Fokus auf Finanzökonomie Universität Bologna und London School of Economics

Didaktik komplexer Systeme und Framework-Design

Forschungsabteilung einer europäischen Wirtschaftsberatung

Elena übersetzt komplexe statistische Konzepte in nachvollziehbare Arbeitsprozesse. Sie entwickelte das dreistufige Framework, mit dem Driomyannearca sequenzielle Lernschritte strukturiert: Hypothese bilden, isoliert testen, Ergebnis in die nächste Iteration einfliessen lassen. Ihr Ziel ist nicht, Antworten zu geben, sondern bessere Fragen zu ermöglichen.

Anerkennung für methodische Arbeit und Wissenstransfer

Auszeichnung für innovative Lehrkonzepte in quantitativer Finanzanalyse

Swiss Finance Association

Würdigung für die Entwicklung eines nachvollziehbaren Frameworks zur sequenziellen Signalverfeinerung, das komplexe statistische Methoden für analytisch arbeitende Marktteilnehmer zugänglich macht.

2022

Preis für exzellente Curriculumsentwicklung

European Quantitative Research Council

Anerkennung für den systematischen Aufbau eines iterativen Lernprozesses, der Theorie und praktische Anwendung in der Marktdatenanalyse miteinander verbindet.

2023

Best Paper Award – Adaptive Modelle in der Finanzökonomie

Journal of Financial Data Science

Auszeichnung für eine Veröffentlichung über die praktische Anwendung sequenzieller Lernmethoden auf hochfrequente Marktdaten unter Berücksichtigung von Regime-Wechseln.

2021

Förderpreis für transparente Methoden in der Marktanalyse

Transparency in Finance Initiative

Würdigung für die konsequente Dokumentation und Offenlegung von Modell-Limitationen und Fehlerquellen in der quantitativen Signalentwicklung.

2024

Exzellenz in der Wissenstransfer-Praxis

Swiss Institute for Adult Learning

Anerkennung für die erfolgreiche Vermittlung fortgeschrittener statistischer Konzepte an Praktiker ohne formale quantitativ-ökonomische Ausbildung.

2023

Wie Driomyannearca entstand

Was uns leitet

Vier Prinzipien, die jede Entscheidung bei Driomyannearca durchziehen — von der Forschung bis zur Anwendung.

Methodische Strenge

Wir akzeptieren keine Ergebnisse, die wir nicht bis zur Datenquelle zurückverfolgen können. Jede Aussage muss reproduzierbar sein.

Ehrliche Unsicherheit

Wir quantifizieren, was wir nicht wissen, genauso sorgfältig wie das, was wir glauben zu wissen. Overconfidence ist der teuerste Fehler.

Kontinuierliches Lernen

Jedes Modell ist eine vorläufige Hypothese. Wir aktualisieren unsere Überzeugungen systematisch, wenn neue Daten dagegen sprechen.

Praktische Nützlichkeit

Theorie, die sich nicht in einem nachvollziehbaren Prozess umsetzen lässt, bleibt Theorie. Wir bauen Werkzeuge, die funktionieren.

Wer behauptet, Alpha sei nur für Quanten?

Die Köpfe hinter Driomyannearca

Anerkennung für methodische Arbeit und Wissenstransfer

Preis für exzellente Curriculumsentwicklung

Best Paper Award – Adaptive Modelle in der Finanzökonomie

Förderpreis für transparente Methoden in der Marktanalyse

Exzellenz in der Wissenstransfer-Praxis

Wie Driomyannearca entstand

Was uns leitet

Cookie-Einstellungen

Essenziell

Analyse

Marketing