Lieber Besucher, herzlich willkommen bei: INVESTOX-Forum. Falls dies Ihr erster Besuch auf dieser Seite ist, lesen Sie sich bitte die Hilfe durch. Dort wird Ihnen die Bedienung dieser Seite näher erläutert. Darüber hinaus sollten Sie sich registrieren, um alle Funktionen dieser Seite nutzen zu können. Benutzen Sie das Registrierungsformular, um sich zu registrieren oder informieren Sie sich ausführlich über den Registrierungsvorgang. Falls Sie sich bereits zu einem früheren Zeitpunkt registriert haben, können Sie sich hier anmelden.
- 1
- 2
Montag, 8. September 2003, 11:00
Methode zur Überprüfung der NNselektion
Hallo,
ich suche Kriterien nachdem man die NN-Generation (NN...Neuronales Netz), welche auch zukünftig eine steigende Kapitalkurve (KK) erzeugt, finden kann.
Hierfür möchte ich eine Methode vorstellen, welche die Datenfeed-Simulation (seit dem letzten Investox-Update enthalten) nutzt.
Bisheriges Problem:
Man hat ein NN angelegt und z.B. über 100 Generationen trainiert. Man selektiert jetzt nach Kriterium xy eine Generation heraus und baut darauf das Handelssystem auf. Dann wartet man ein halbes Jahr oder länger und kann dann erst abschätzen, ob die Generationswahl die richtige war (KK steigt weiter?!).
Neue Methode ermöglicht Beurteilung innerhalb weniger Sekunden:
Man benötigt ein trainiertes NN mit NN-Generationen, welche im Januar oder noch früher trainiert wurde, z.B. auf den Basiswert QQQ.
Man legt ein Investoxprojekt mit dem Titel QQQ an und bringt das Handelssystem, welches das NN auswertet dazu.
Mit Hilfe der Datenfeed-Simulation schneidet man die QQQ-Kursreihe im Januar ab und fügt diesen Titel QQQgekürzt ebenfalls in das Investoxprojekt ein.
Jetzt kann man mit Hilfe des Robustheitstest auf dem Titel QQQgekürzt eine NN-Generationsselektion durchführen und sofort das Ergebnis überprüfen, indem man das vollständige QQQ für das Handelssystem verwendet.
Man kann jetzt sehr gut sehen, wie sich die KK seit Januar weiter entwickelt hat und hier sehr schnell die verschiedensten Selektionskriterien ausprobieren.
Diverse Untersuchungsergebnisse mit der neuen Metode
Bisher habe ich solche KK ausgesucht, die sich über allen Zeitbereiche sehr gleichmäßig aufwärts entwickelt haben. Leider scheinen gerade diese KK besonders häufig im freien Tradingzeitraum abzuknicken, wie man jetzt sehr leicht überprüfen kann
Man kann die Metode auch so anwenden, daß man aus heutiger Sicht eine NN-Generation auswählt, die eine steigende KK hat (z.B. Generation 61)
und dann versuchen Kriterien zu finden, die in der Vergangenheit (auf QQQgekürzt ) dazu geführt hätten, diese Generation 61 auszuwählen.
Habe diese rückwirkende Untersuchungsmetode mal auf alle in Investox verfügbaren Kriterien, welche man im Robustheitstest auswählen kann (z.B. max. Nettoprofit, min. oder max. Wölbung, usw.), durchgeführt, aber es scheint kein eindeutiges, einfaches Kriterium zu geben.
Warum habe ich diese Untersuchungsmethode hier im Forum veröffentlicht?
Mir fehlt leider die Zeit systematisch alle möglichen Kriterien auszuprobiere, man kann sich ja auch Kombinationen vorstellen, oder auch neue Berechnungen ausprobieren. Ich alleine kann diese Aufgabe mit meinen zeitlichen Ressourcen nicht stemmen. Ich hoffe, daß sich viele Investoxnutzer, die sich für NN begeistern können, hier mitmachen und nach geeigneten Selektionskriterien suchen und auch bereit sind Ihre Ergebnisse hier im Forum zu veröffentlichen. Wir alle würden davon profitieren !!!
Vielleicht kann man zukünftig auch einen "Bewerter für NNs" in Investox fest einbauen, falls wir fündig werden.
Gruss
Torsten
ich suche Kriterien nachdem man die NN-Generation (NN...Neuronales Netz), welche auch zukünftig eine steigende Kapitalkurve (KK) erzeugt, finden kann.
Hierfür möchte ich eine Methode vorstellen, welche die Datenfeed-Simulation (seit dem letzten Investox-Update enthalten) nutzt.
Bisheriges Problem:
Man hat ein NN angelegt und z.B. über 100 Generationen trainiert. Man selektiert jetzt nach Kriterium xy eine Generation heraus und baut darauf das Handelssystem auf. Dann wartet man ein halbes Jahr oder länger und kann dann erst abschätzen, ob die Generationswahl die richtige war (KK steigt weiter?!).
Neue Methode ermöglicht Beurteilung innerhalb weniger Sekunden:
Man benötigt ein trainiertes NN mit NN-Generationen, welche im Januar oder noch früher trainiert wurde, z.B. auf den Basiswert QQQ.
Man legt ein Investoxprojekt mit dem Titel QQQ an und bringt das Handelssystem, welches das NN auswertet dazu.
Mit Hilfe der Datenfeed-Simulation schneidet man die QQQ-Kursreihe im Januar ab und fügt diesen Titel QQQgekürzt ebenfalls in das Investoxprojekt ein.
Jetzt kann man mit Hilfe des Robustheitstest auf dem Titel QQQgekürzt eine NN-Generationsselektion durchführen und sofort das Ergebnis überprüfen, indem man das vollständige QQQ für das Handelssystem verwendet.
Man kann jetzt sehr gut sehen, wie sich die KK seit Januar weiter entwickelt hat und hier sehr schnell die verschiedensten Selektionskriterien ausprobieren.
Diverse Untersuchungsergebnisse mit der neuen Metode
Bisher habe ich solche KK ausgesucht, die sich über allen Zeitbereiche sehr gleichmäßig aufwärts entwickelt haben. Leider scheinen gerade diese KK besonders häufig im freien Tradingzeitraum abzuknicken, wie man jetzt sehr leicht überprüfen kann
Man kann die Metode auch so anwenden, daß man aus heutiger Sicht eine NN-Generation auswählt, die eine steigende KK hat (z.B. Generation 61)
und dann versuchen Kriterien zu finden, die in der Vergangenheit (auf QQQgekürzt ) dazu geführt hätten, diese Generation 61 auszuwählen.
Habe diese rückwirkende Untersuchungsmetode mal auf alle in Investox verfügbaren Kriterien, welche man im Robustheitstest auswählen kann (z.B. max. Nettoprofit, min. oder max. Wölbung, usw.), durchgeführt, aber es scheint kein eindeutiges, einfaches Kriterium zu geben.
Warum habe ich diese Untersuchungsmethode hier im Forum veröffentlicht?
Mir fehlt leider die Zeit systematisch alle möglichen Kriterien auszuprobiere, man kann sich ja auch Kombinationen vorstellen, oder auch neue Berechnungen ausprobieren. Ich alleine kann diese Aufgabe mit meinen zeitlichen Ressourcen nicht stemmen. Ich hoffe, daß sich viele Investoxnutzer, die sich für NN begeistern können, hier mitmachen und nach geeigneten Selektionskriterien suchen und auch bereit sind Ihre Ergebnisse hier im Forum zu veröffentlichen. Wir alle würden davon profitieren !!!
Vielleicht kann man zukünftig auch einen "Bewerter für NNs" in Investox fest einbauen, falls wir fündig werden.
Gruss
Torsten
Dieser Beitrag wurde bereits 1 mal editiert, zuletzt von »sten« (8. September 2003, 11:08)
Montag, 8. September 2003, 21:35
Hallöchen,
Ich "lehne mich mal hier weit aus dem Fenster" aber diese Suche führt in eine Sackgasse.
Ich habe tausende Netze trainiert, ausgewertet, verfolgt ... . Es ist deffinitiv nicht möglich ein auch in Zukunft laufendes NN zu finden.
Das hängt unter anderem damit zusammen, das das Netz regelmäßig nur einen "Schnappschuß" des Marktes abbildet. Auch wenn Training, Kontrolle und Generalisierungszeitraum gut sind und evtl. ebenfalls ein linear gleichmäßiges Aussehen haben.
Wichtig ist bei der Beurteilung von NN, die KK. Die darf (!!!) auf keinen Fall solche linearen Ausmaße annehmen wie ich mein Super neuronalen Netzes hier versucht habe darzustellen. Diese Netz ist eindeutig überoptimiert: Ich verwende diese Netze um die evtl. Einstiegs-/ Ausstiegskriterien "Marktgerecht" (anders als z.B. NRCM mit seinen Sinus-/ Cosinus SynthetikKursen) auf einen Titel zu entwickeln.
Als Anhaltspunkt ob ein Netz generalisiert ist der Trainingszeitraum zu betrachten. Man sollte peinlichst genau darauf achten, dass sich hier die KK Wellenartige entwickelt (evtl. muss man hier die Enterbedingungen weiter weg der Nullinie ansetzen -wie bei meinem Generalisierungsnetz im gleichen Beitrag).
Alle Netze die sich im Trainingszeitraum mehr linear entwickeln und stark vom Kontroll- u.o. Generalsieirungszeitraum unterscheiden sind zu verwerfen.
Anders ausgedrückt, die KK muss in allen Zeiträumen ähnliche Fehlerquoten aufweisen. Meist zeigen sich in Wellen. Deshalb auch mein Verweis in einem vorherigen Posting auf die Wellentheorie nach Elliot, allerdings bei mir auf die KK angewendet.
Alle Netze welche eine KK aufweisen, die Linear ist (wie z.B. die meisten NN- KK`s von NRCM) sind eindeutig Curfitting und werden nicht in dieser Qualität halten.
Dies ist unter anderen auch ein Grund warum NRCM soviele Stops verwendet (HS_Weisheit: Schlechte Systeme kann man mit den richtigen Stopstrategien profitabel gestalten. Gute Systeme nicht wesentlich verbessern.) Allerdings ist hierzu auch eindeutig zu sagen, das solche Netze in Zukunft dann auch kein Geld verlieren. Die KK geht dann (meist) über in eine ebensolche schwankungsarme Waagerechte über.
Als guter Mittelwert sind 50 Generationen anzunehmen. Die Ausbeute ist manchmal nur 1 (!!!) Netz was gut bzw. brauchbar ist.
Allerdings wenn tendenziell alle Generationen gut sind, dann sollte man die GA verbessern u.o. die verwendeten Freiheitsgrade verändern. Das Netz muss "Platz" und "Kraft"zum Suchen haben.
Zitat
...ich suche Kriterien nachdem man die NN-Generation (NN...Neuronales Netz), welche auch zukünftig eine steigende Kapitalkurve (KK) erzeugt, finden kann...
Ich "lehne mich mal hier weit aus dem Fenster" aber diese Suche führt in eine Sackgasse.
Ich habe tausende Netze trainiert, ausgewertet, verfolgt ... . Es ist deffinitiv nicht möglich ein auch in Zukunft laufendes NN zu finden.
Das hängt unter anderem damit zusammen, das das Netz regelmäßig nur einen "Schnappschuß" des Marktes abbildet. Auch wenn Training, Kontrolle und Generalisierungszeitraum gut sind und evtl. ebenfalls ein linear gleichmäßiges Aussehen haben.
Wichtig ist bei der Beurteilung von NN, die KK. Die darf (!!!) auf keinen Fall solche linearen Ausmaße annehmen wie ich mein Super neuronalen Netzes hier versucht habe darzustellen. Diese Netz ist eindeutig überoptimiert: Ich verwende diese Netze um die evtl. Einstiegs-/ Ausstiegskriterien "Marktgerecht" (anders als z.B. NRCM mit seinen Sinus-/ Cosinus SynthetikKursen) auf einen Titel zu entwickeln.
Als Anhaltspunkt ob ein Netz generalisiert ist der Trainingszeitraum zu betrachten. Man sollte peinlichst genau darauf achten, dass sich hier die KK Wellenartige entwickelt (evtl. muss man hier die Enterbedingungen weiter weg der Nullinie ansetzen -wie bei meinem Generalisierungsnetz im gleichen Beitrag).
Alle Netze die sich im Trainingszeitraum mehr linear entwickeln und stark vom Kontroll- u.o. Generalsieirungszeitraum unterscheiden sind zu verwerfen.
Anders ausgedrückt, die KK muss in allen Zeiträumen ähnliche Fehlerquoten aufweisen. Meist zeigen sich in Wellen. Deshalb auch mein Verweis in einem vorherigen Posting auf die Wellentheorie nach Elliot, allerdings bei mir auf die KK angewendet.
Alle Netze welche eine KK aufweisen, die Linear ist (wie z.B. die meisten NN- KK`s von NRCM) sind eindeutig Curfitting und werden nicht in dieser Qualität halten.
Dies ist unter anderen auch ein Grund warum NRCM soviele Stops verwendet (HS_Weisheit: Schlechte Systeme kann man mit den richtigen Stopstrategien profitabel gestalten. Gute Systeme nicht wesentlich verbessern.) Allerdings ist hierzu auch eindeutig zu sagen, das solche Netze in Zukunft dann auch kein Geld verlieren. Die KK geht dann (meist) über in eine ebensolche schwankungsarme Waagerechte über.
...100 Generationen habe ich übrigens noch nie trainiert. Das Maximum lag einmal bei 20. Welche Zahl sinnvoll ist kann ich allerdings nicht beurteilen. Tendenziell waren bei mir bei den brauchbaren NNs sowieso alle Generationen tendenziell gut, es gab dann nur noch feine Unterschiede zwischen den Generationen...
Als guter Mittelwert sind 50 Generationen anzunehmen. Die Ausbeute ist manchmal nur 1 (!!!) Netz was gut bzw. brauchbar ist.
Allerdings wenn tendenziell alle Generationen gut sind, dann sollte man die GA verbessern u.o. die verwendeten Freiheitsgrade verändern. Das Netz muss "Platz" und "Kraft"zum Suchen haben.
Montag, 8. September 2003, 21:47
Original von Fritz
...Ich schaue bei der Auswahl bei NN wie auch beim HS grundsätzlich nur auf den Optimierungszeitraum und verwende nur die beste Generation in diesem Zeitraum. Wenn bei dieser Generation dann das Ergebnis im Kontrollzeitraum ebenfalls zufriedenstellend ist, dann interessiert es mich überhaupt nicht, ob es möglicherweise in einer anderen Generation im Kontrollzeitraum noch etwas besser ist. Die so ausgewählten NN bzw. HS haben zwar meist einen Knick zwischen Optimierungs- und Kontrollzeitraum, aber der Verlauf des Kontrollzeitraums setzt sich tendenziell auch über diesen Zeitraum hinaus fort.
Alles andere betrachte ich als Selbstbetrug und das Hinzufügen eines weiteren Testzeitraums als reine Zeitverschwendung...
Hallöchen,
im Prinzip stimme ich dir uneingeschränkt zu, aber bei Crossvalidation wo willst du da den Optimierungszeitraum "finden" bzw. begutachten. Deshalb wäre als logischer Schluß ausdrücklich der Kontrollzeitraum/ Out off Sample zur Begutachtung herranzuziehen. Hier zeigt sich schon ob das Netz was taugt und dann geht man über die restlichen Zeiträume zu begutachten. Zumindest bei NN Entewicklung gehe ich so vor.
Dienstag, 9. September 2003, 11:41
Generalisierung, Generalisierung und nochmals Generalisierung (frei nach Lenin) wird leider von den wenigsten verstanden.
Hi,
ja zu allen Schwierigkeiten die NN und deren Entwicklung bringt ist dies der "Heilige Gral".
Und nach alledem was ich bisher mit meinen Tests bei NN- Entwicklung herrausgefunden habe:
Es ist deffinitiv nicht möglich ein auch in Zukunft laufendes NN zu finden.
Das hängt unter anderem damit zusammen, das das Netz regelmäßig nur einen "Schnappschuß" des Marktes abbildet. Auch wenn Training, Kontrolle und Generalisierungszeitraum gut sind und evtl. ebenfalls ein linear gleichmäßiges Aussehen haben.
Und wie man bisher weiß wurde der "Heilige Gral" auch schon tausend Jahren gesucht - und nicht gefunden.
Aber es ist trotzdem Möglich, zumindest Näherungsweise, den Markt bzw. das Marktgeschehen abzubilden und zu nutzen. Dazu vielleicht in einem anderen Beitrag.
Was ich hier sagen wollte/ will: Die Suche nach dem Generalisierungsnetz führt in die Sackgasse und ist verlorene Zeit. Insbesondere die Suche nach schönen sauberen KK.
Dieser Beitrag wurde bereits 1 mal editiert, zuletzt von »Josefine« (9. September 2003, 11:50)
Dienstag, 9. September 2003, 13:22
Hallöchen,
hm, ich will ja keine eigene Zeitreihen "vorhersagen" können, sondern den Basiskurs XYZ.
mit deiner Methode eben nur für deine synthetischen Zeitreihen. Der Markt reagiert aber anders. Deshalb ist es nur an Originalzeitreihen möglich überhaupt einen Anhaltspunkt über die Generalisierung (= repräsentative Aussagen) von NN zu bekommen
und da fängt die "Kunst" an ein gutes NN zu entwerfen. Die Größe des Netzes kann man sich relativ "einfach" auf die "richtige" Größe stutzen über die GA. Was dein b) betrifft habe ich auch schon etwas geschrieben, es führt kein Weg daran vorbei durch Trail and Error ein "Gefühl" für die Leistungsfähigkeit von NN zu erhalten - auch wenn man sich von div. Netzentwicklern/ -Experten die richtigen/ relevanten Einstellungen zeigen lässt.
Das muss man schon vorher untersucht haben. Aber da wir hier von Zeitreihen im Finanzmarkt sprechen, ist im allg. davon auszugehen das diese weder Zufällig noch Regungslos sind (Stichworte Null- Hypothese, chi²- Test). Aber die Zusammenhänge verändern sich ja ständig. Die Märkte korrelieren, differgieren oder laufen vollkommen aus dem Zusammenhang.
Dies ist auch ein Grund warum es ja so schwierig ist überhaupt relevante Daten zu finden und ganz zu schweigen das diese auch noch in Zukunft gelten.
warum machst Du es so kompliziert? Der einfachere Weg ist es doch, sich eigene Zeitreihen zu erstellen
hm, ich will ja keine eigene Zeitreihen "vorhersagen" können, sondern den Basiskurs XYZ.
dann kann man jederzeit repräsentative Aussagen über die Qualität der eigenen Inputschablonen
mit deiner Methode eben nur für deine synthetischen Zeitreihen. Der Markt reagiert aber anders. Deshalb ist es nur an Originalzeitreihen möglich überhaupt einen Anhaltspunkt über die Generalisierung (= repräsentative Aussagen) von NN zu bekommen
dass man
a) das Ausmaß und die Größe des Modells gar nicht abschätzen kann
b) nahezu unendlich viele Variablen (Anzahl der Epochen, Inputschablonen, Auswahl der Trainingszeitraume...)
und da fängt die "Kunst" an ein gutes NN zu entwerfen. Die Größe des Netzes kann man sich relativ "einfach" auf die "richtige" Größe stutzen über die GA. Was dein b) betrifft habe ich auch schon etwas geschrieben, es führt kein Weg daran vorbei durch Trail and Error ein "Gefühl" für die Leistungsfähigkeit von NN zu erhalten - auch wenn man sich von div. Netzentwicklern/ -Experten die richtigen/ relevanten Einstellungen zeigen lässt.
womöglich zufällig verlaufende Datenreihe
Das muss man schon vorher untersucht haben. Aber da wir hier von Zeitreihen im Finanzmarkt sprechen, ist im allg. davon auszugehen das diese weder Zufällig noch Regungslos sind (Stichworte Null- Hypothese, chi²- Test). Aber die Zusammenhänge verändern sich ja ständig. Die Märkte korrelieren, differgieren oder laufen vollkommen aus dem Zusammenhang.
Dies ist auch ein Grund warum es ja so schwierig ist überhaupt relevante Daten zu finden und ganz zu schweigen das diese auch noch in Zukunft gelten.
Dienstag, 9. September 2003, 13:38
... die ihre Rechner 999 Generationen rechnen lassen... WENIGER IST MEHR !!!! Ein NN ist nur ein kleiner Teil der Miete, es kommt auch noch auf das HS drumherum an.
Und für dieses gilt: ROBUST, ROBUST, ROBUST..... muss es sein.
Ja genau das will ich sagen. Mein kompl Umdenken hat stattgefunden als ich einziges Netz über ca. 200 h (!!!!) mit einem High Performence Rechner trainiert hatte und nix gescheites dabei herrauskam.
Mittlerweile lasse ich meine Netze mit max. 10 (!!!) Epochen über 1 Genaration grob drüber laufen und meist findet der Algorythmus schon nach 4- 6 Epochen sein globales - stabiles - Minimum.
Zum Handelssystem gilt ebenso das selbe zu sagen (obwohl ich da nicht mit einem solchen Wissen oder Erfahrungsschatz wie viele hier aufwarten kann). Ein NN welches nicht stabil mit >/< "0" im HS läuft taugt nichts. Jede Optimierung der Signale über hochkomplizierte Berechnungen (wie es IV in Hülle und Fülle bietet) stellt regelmäßig nur den aktuellen Ausschnitt des Marktes dar und führt somit unweigerlich zum Curvfitting.
Dienstag, 9. September 2003, 14:11
Hi Bernhard,
aber was nützt mit ein kleines stabiles EOD-NN, wenn mein Konto die Drawdowns nicht verkraftet? Es ist doch frustrierend, monatelang vor dem Rechner zu sitzen und auf eine "baldige Besserung der Kapitalkurve" zu hoffen.
Und Geld für 10 verschiedene Futures (Märkte) habe ich auch nicht. Das eine ist Theorie, das andere die bittere Praxis. :] Es mag ja bei Intraday-NN anders sein, aber fürs Intraday-Trading fehlt mir einfach die Zeit.
Ich denke deshalb, dass man nicht so pauschal sagen kann, was "besser" und was "schlechter" ist. Die persönlichen Faktoren spielen einfach eine zu große Rolle. Mit Haus, Frau, Kind, Hund, Katze im Nacken tradet es sich einfach nicht so "locker von der Hand". Da bekommt man (ich) nach dem dritten Fehltrade in Folge Gewissenbisse.
MfG
Adrian
aber was nützt mit ein kleines stabiles EOD-NN, wenn mein Konto die Drawdowns nicht verkraftet? Es ist doch frustrierend, monatelang vor dem Rechner zu sitzen und auf eine "baldige Besserung der Kapitalkurve" zu hoffen.
Und Geld für 10 verschiedene Futures (Märkte) habe ich auch nicht. Das eine ist Theorie, das andere die bittere Praxis. :] Es mag ja bei Intraday-NN anders sein, aber fürs Intraday-Trading fehlt mir einfach die Zeit.
Ich denke deshalb, dass man nicht so pauschal sagen kann, was "besser" und was "schlechter" ist. Die persönlichen Faktoren spielen einfach eine zu große Rolle. Mit Haus, Frau, Kind, Hund, Katze im Nacken tradet es sich einfach nicht so "locker von der Hand". Da bekommt man (ich) nach dem dritten Fehltrade in Folge Gewissenbisse.
MfG
Adrian
Dienstag, 9. September 2003, 15:47
Hallo,
ich finde es Spitze, daß sich so viele Entwickler an der Diskussion beteiligen und ich werde versuchen die Anregungen und Ideen auszuprobieren.
Danke.
Ich muß leider gestehen, ich gehöre zu diesen Leuten. Auch gebe ich zu, daß es die "faule Leute"-Methode ist, auch wenn die Ursache bei mir mehr Zeitmangel ist.
Die Überlegung die dahinter steht ist folgende:
Die aufwendigere Vorgehensweise wäre, man sucht über Divergenz- und Correlationsberechnungen mit der Direktabfrage die geeignetsten Intermarketkursreihen heraus und kann damit ein kleines NN zusammenbauen. Aber es ist zeitaufwendig, man muß es öfters wiederholen, und man erfasst nur lineare Zusammenhänge, wogegen NN eigentlich mehr können (nichtlinearitäten Auswerten).
Nun könnte man ja auch den GA's die Arbeit übergeben, die relevanten Inputs (z.B. 30 bis 60) aus einen großen Masse von Kursreihen (>200) vollautomatisch herauszufinden. Ich glaube es gibt auch ein original Investoxprojekt (für DAX?), welches mit ausgeliefert wird, wo man genau diese GA-Selektions-Methode anwendet.
Um möglichst viele verschiedene Eingangskombinationen abzudecken, habe ich die Anzahl der Generationen auf den max. möglichen Wert 999 erhöht. Der Rechner hat dann gut eine Woche zu tun, im 24h Betrieb.
Mein Ziel ist es stabile NN's zu erzeugen. Wenn diese "faule Leute"-Methode hierfür vielleicht doch nicht so optimal ist, dann werde ich es mal mit kleineren Netzen versuchen, so wie Bernhard vorschlägt.
Gruss
Torsten
ich finde es Spitze, daß sich so viele Entwickler an der Diskussion beteiligen und ich werde versuchen die Anregungen und Ideen auszuprobieren.
Danke.
Wenn ich hier immer die Leute sehe, die ihre Rechner 999 Generationen rechnen lassen und dann die besten NNs rausfiltern wollen, dann kann ich immer nur den Kopf schütteln.
Ich muß leider gestehen, ich gehöre zu diesen Leuten. Auch gebe ich zu, daß es die "faule Leute"-Methode ist, auch wenn die Ursache bei mir mehr Zeitmangel ist.
Die Überlegung die dahinter steht ist folgende:
Die aufwendigere Vorgehensweise wäre, man sucht über Divergenz- und Correlationsberechnungen mit der Direktabfrage die geeignetsten Intermarketkursreihen heraus und kann damit ein kleines NN zusammenbauen. Aber es ist zeitaufwendig, man muß es öfters wiederholen, und man erfasst nur lineare Zusammenhänge, wogegen NN eigentlich mehr können (nichtlinearitäten Auswerten).
Nun könnte man ja auch den GA's die Arbeit übergeben, die relevanten Inputs (z.B. 30 bis 60) aus einen großen Masse von Kursreihen (>200) vollautomatisch herauszufinden. Ich glaube es gibt auch ein original Investoxprojekt (für DAX?), welches mit ausgeliefert wird, wo man genau diese GA-Selektions-Methode anwendet.
Um möglichst viele verschiedene Eingangskombinationen abzudecken, habe ich die Anzahl der Generationen auf den max. möglichen Wert 999 erhöht. Der Rechner hat dann gut eine Woche zu tun, im 24h Betrieb.
Mein Ziel ist es stabile NN's zu erzeugen. Wenn diese "faule Leute"-Methode hierfür vielleicht doch nicht so optimal ist, dann werde ich es mal mit kleineren Netzen versuchen, so wie Bernhard vorschlägt.
Gruss
Torsten
Dieser Beitrag wurde bereits 3 mal editiert, zuletzt von »sten« (9. September 2003, 16:50)
Dienstag, 9. September 2003, 16:59
Hallo Bernhard,
noch eine kurze Frage dazu.
Wenn der Trainingszeitraum sehr kurz gewählt wird (z.B. von 3 Jahren, auf 1 Jahr bei EoD), dann verringert sich auch die Anzahl der Trainingsdaten.
Es sei denn Du trainierst das NN auf mehrer Kursreihen? Oder indirekt, durch eine Erhöhung der Anzahl der Outputs?
Gruss
Torsten
noch eine kurze Frage dazu.
Also sehr kleine Modelle, sehr wenig Inputs, sehr kurze Trainingszeiten, sehr viele Trainingsdaten siehe da, es kommen ...
Wenn der Trainingszeitraum sehr kurz gewählt wird (z.B. von 3 Jahren, auf 1 Jahr bei EoD), dann verringert sich auch die Anzahl der Trainingsdaten.
Es sei denn Du trainierst das NN auf mehrer Kursreihen? Oder indirekt, durch eine Erhöhung der Anzahl der Outputs?
Gruss
Torsten
Dieser Beitrag wurde bereits 1 mal editiert, zuletzt von »sten« (9. September 2003, 17:00)
- 1
- 2