Hallo ihr drei,
ein toller Thread man kann viel daraus lernen. Ich bin erst vor kurzem mit der Nutzung von Investox angefangen und natürlich hat man gerade als Anfänger viele Fragen. Derzeit befinde ich mich noch in der Phase des Experimentierens mit verschiedenen Optimierungseinstellungen und der Auswahl von geeigneten Indikatoren.
Den Intermarketansatz habe ich bisher bewusst ausgeklammert, um mir zunächst darüber klar zu werden, welche Indikatoren und Indikatorenkombinationen überhaupt als Input geeignet sind. Mein momentaner Eindruck ist, dass es sinnvoll ist, Markt-, Volatilitäts- und Trendindikatoren miteinander zu kombinieren. Das NN ist bislang zwar mit jedem neuen Indikator stabiler geworden (sofern man überhaupt von stabil reden kann), wenn ich den Minimalwert für den Input jedoch niedrig ansetze werden bei der Optimierung bereits Informationen weggelassen. Als nächstes werde ich versuchen Fibanocci-Kennzahlen, Pivotpunkte und Unterstützungszonen mit einzubeziehen, nachdem ich deren Aussagekraft zuvor in einem separaten Versuch getestet habe.
Bei der Optimierung mit GA und der Auswahl des Testzeitraums als Bewertungszeitraum kommen manchmal bessere Ergebnisse im Kontrollzeitraum heraus, als bei der Crossvalidation. Kann man so trainierte Generationen verwenden oder ist das zu riskant? Schließlich kann es Zufall sein, dass eine Generation im Kontrollzeitraum gute Ergebnisse erzielt hat. Bei der Crossvalidation habe ich bisher die Erfahrung gemacht, dass die Ergebnisse im Trainings-, Evaluierungs- und Kontrollzeitraum gleichmäßiger verteilt sind. Die Inputrekonstruktion hat bislang bei mir immer zu besseren Ergebnissen im Evaluierungszeitraum (Bewertungszeitraum), aber zu durchweg schlechteren Ergebnissen im Kontrollzeitraum geführt. Ist das immer so?
Mir ist auch noch nicht ganz klar, welche Ergebnisse man erwarten kann, wenn man ausschließlich die Finanzdaten eines einzigen Titels ohne Intermarketbeziehungen verwendet. Kann man die Qualität anhand der Ergebnisse einzelner Generationen der GA Optimierung beurteilen oder sollte man dazu ausschließlich Zeitreihen unterschiedlicher Basistitel in abweichenden Zeitabschnitten verwenden?
Die nachfolgenden Ergebnisse habe ich bei einer Optimierung auf den Dax als vorläufige Werte erhalten:
**** GA-Entwicklung ****
1. Mittlere Absolute Abweichung
Gen. Training Crossval. Kontrolle
1 0,9570 0,9902 0,9857
2 0,9629 0,9973 0,9862
3 0,9410 0,9904 0,9885
4 0,9382 0,9869 0,9932
5 0,9356 0,9861 0,9938
6 0,9478 0,9929 0,9895
7 0,9520 0,9818 0,9899
8 0,9613 0,9930 0,9916
9 0,9470 0,9782 0,9949
10 0,9448 0,9881 0,9870
11 0,9447 0,9894 0,9910
12 0,9621 0,9939 0,9957
13 0,9485 0,9857 0,9891
14 0,9623 0,9850 0,9900
15 0,9470 0,9870 0,9912
16 0,9454 0,9782 0,9904
17 0,9435 0,9839 0,9939
18 0,9423 0,9797 1,0013
19 0,9595 0,9822 0,9952
20 0,9550 0,9898 0,9935
2. Mittlere Quadratische Abweichung
Gen. Training Crossval. Kontrolle
1 0,9561 1,0337 1,0109
2 0,9625 1,0285 1,0058
3 0,9449 1,0423 1,0363
4 0,9388 1,0362 1,0468
5 0,9376 1,0433 1,0497
6 0,9455 1,0338 1,0239
7 0,9543 1,0201 1,0254
8 0,9620 1,0327 1,0174
9 0,9494 1,0210 1,0440
10 0,9447 1,0335 1,0294
11 0,9446 1,0217 1,0328
12 0,9644 1,0319 1,0294
13 0,9484 1,0380 1,0273
14 0,9607 1,0203 1,0076
15 0,9490 1,0278 1,0358
16 0,9450 1,0201 1,0366
17 0,9427 1,0294 1,0445
18 0,9413 1,0221 1,0579
19 0,9600 1,0210 1,0291
20 0,9578 1,0268 1,0294
3. Mittlere Prozentuale Abweichung
Gen. Training Crossval. Kontrolle
1 95,80% 99,15% 98,57%
2 96,38% 99,82% 98,62%
3 94,20% 99,19% 98,85%
4 93,93% 98,71% 99,32%
5 93,65% 98,69% 99,38%
6 94,88% 99,50% 98,95%
7 95,29% 98,37% 98,99%
8 96,23% 99,43% 99,16%
9 94,81% 98,05% 99,49%
10 94,59% 98,85% 98,70%
11 94,57% 98,89% 99,10%
12 96,31% 99,57% 99,57%
13 94,95% 98,86% 98,91%
14 96,34% 98,55% 99,00%
15 94,81% 98,74% 99,12%
16 94,63% 97,88% 99,04%
17 94,44% 98,54% 99,39%
18 94,32% 98,07% 100,13%
19 96,06% 98,38% 99,52%
20 95,61% 99,05% 99,35%
4. Trefferquote
Gen. Training Crossval. Kontrolle
1 57,41% 51,39% 52,68%
2 56,60% 49,74% 51,93%
3 57,64% 49,40% 51,59%
4 58,94% 52,45% 50,58%
5 59,27% 50,21% 50,58%
6 57,31% 49,01% 51,53%
7 57,01% 52,24% 50,85%
8 57,06% 50,01% 51,73%
9 58,04% 51,84% 50,58%
10 57,96% 51,69% 51,12%
11 58,75% 49,76% 51,59%
12 56,69% 49,90% 50,10%
13 57,70% 51,43% 51,32%
14 56,35% 52,62% 52,81%
15 58,45% 51,51% 51,86%
16 59,75% 53,53% 51,32%
17 59,27% 50,81% 51,12%
18 58,85% 52,35% 50,24%
19 57,17% 53,29% 50,51%
20 57,52% 50,12% 50,78%
5. Korrelationskoeffizient
Gen. Training Crossval. Kontrolle
1 0,198 0,025 0,104
2 0,179 -0,011 0,109
3 0,223 0,005 0,058
4 0,238 0,038 0,040
5 0,239 0,041 0,037
6 0,223 0,022 0,069
7 0,202 0,028 0,061
8 0,181 0,016 0,072
9 0,213 0,063 0,034
10 0,224 0,029 0,075
11 0,222 0,014 0,070
12 0,175 0,010 0,039
13 0,215 0,022 0,058
14 0,184 0,039 0,076
15 0,215 0,037 0,050
16 0,225 0,063 0,050
17 0,229 0,035 0,037
18 0,232 0,059 0,005
19 0,188 0,062 0,038
20 0,194 0,019 0,045
6. Trivial-Predictor-Test
Gen. Training Crossval. Kontrolle
1 0,686 0,720 0,715
2 0,688 0,717 0,713
3 0,682 0,721 0,723
4 0,679 0,719 0,727
5 0,679 0,717 0,728
6 0,682 0,715 0,719
7 0,685 0,714 0,720
8 0,688 0,717 0,717
9 0,683 0,713 0,726
10 0,682 0,719 0,721
11 0,681 0,716 0,722
12 0,689 0,713 0,721
13 0,683 0,716 0,720
14 0,687 0,714 0,713
15 0,683 0,717 0,723
16 0,682 0,715 0,724
17 0,681 0,716 0,726
18 0,680 0,716 0,731
19 0,687 0,712 0,721
20 0,686 0,713 0,721
7. Random-Walk-Test
Gen. Training Crossval. Kontrolle
1 0,396 0,415 0,417
2 0,397 0,415 0,416
3 0,393 0,416 0,423
4 0,392 0,416 0,425
5 0,392 0,414 0,425
6 0,393 0,414 0,420
7 0,395 0,411 0,420
8 0,397 0,414 0,419
9 0,394 0,412 0,424
10 0,393 0,416 0,421
11 0,393 0,413 0,422
12 0,397 0,412 0,421
13 0,394 0,413 0,421
14 0,397 0,412 0,417
15 0,394 0,415 0,422
16 0,393 0,413 0,423
17 0,393 0,413 0,424
18 0,393 0,413 0,427
19 0,396 0,412 0,421
20 0,396 0,411 0,421