Black-Scholes Pricing
Options-Derivat-Mathematik quantifiziert den fairen Risikopreis jedes Assets. Wenn der Markt deutlich davon abweicht, erscheint eine belastbare Kante — nicht eine Meinung.
C = SΦ(d₁) − Ke⁻ʳᵗΦ(d₂)„Die Unsicherheit des Marktes ist nicht das Problem. Das Problem ist, sie nicht zu quantifizieren.“
Jedes Signal ist das Ergebnis derselben drei Filter. Keine Ausnahmen, keine Diskretion, keine Stories — nur Wahrscheinlichkeiten mit belegbarer Herkunft.
Options-Derivat-Mathematik quantifiziert den fairen Risikopreis jedes Assets. Wenn der Markt deutlich davon abweicht, erscheint eine belastbare Kante — nicht eine Meinung.
C = SΦ(d₁) − Ke⁻ʳᵗΦ(d₂)Zehntausende Pfade simulieren mögliche Preisverläufe. Was übrig bleibt, ist eine Verteilung — und in dieser Verteilung die Zone, in der Entry und Exit statistisch Sinn ergeben.
Sᵗ₊₁ = Sᵗ·e^(μ−½σ²)Δt + σε√ΔtMulti-Timeframe-Zyklen verdichten die Verteilung zu diskreten Handlungszonen: Long, Short, Wait. Jede Zone ist zeitgestempelt, auditierbar, und bindet das Handeln an eine definierte Wahrscheinlichkeit.
σᵗ ∈ {−1, 0, +1}Ausschnitt der BUY-Kohorte Februar–April 2026. Zahlen werden live aus Yahoo Finance referenziert, Signale wurden vor dem Move publiziert.
Jedes Signal durchläuft denselben Pfad — automatisiert, dokumentiert, wiederholbar. Ihre Aufgabe ist Disziplin. Unsere ist Mathematik.
Tick-, Options-Chain- und Macro-Feeds auf 204 Assets. Nichts wird manuell gefiltert — Rohdaten oder nichts.
Black-Scholes liefert den theoretischen Preis, Monte Carlo die möglichen Trajektorien. Diskrepanzen werden zur Grundlage einer möglichen Kante.
Multi-Timeframe-Zyklen (1D/4H/1H) konvergieren zu einer einzigen Entscheidung: Long, Short, Wait — mit zugehöriger Wahrscheinlichkeit.
Signal wird mit Zeitstempel publiziert, vor jedem Move. Exit-Zone ist bereits definiert, bevor Sie einsteigen.
Lorenscheit Intelligence ist auf einen kleinen Kreis von Investoren beschränkt, denen Daten wichtiger sind als Narrative.