"Chart"-Praxis kontra NN-Theorie
Hallo,
im folgenden möchte ich auf ein Problem hinweisen, das mir keine bekannte Chartsoftware, die mit Neuronalen Netzen arbeitet, gelöst hat. Es handelt sich also nicht um konkretes Problem von Investox, sondern ist vielmehr als Anregung gedacht. Es betrifft vor allem NN´s für längere Perioden, z.B. Intraday-Handel.
Gemäß der Theorie soll einem NN - verständlich ausgedrückt - die annähernd gleiche Anzahl guter und schlechter Beispiele präsentiert werden. Für NN-Klassifikatoren gilt eine gleichmäßige Verteilung der Beispiele auf die Klassen.
Oder andersherum: Präsentiert man dem NN hundertmal mehr schlechte als gute Beispiele, wird es über die schlechten Beispiele generalisieren. Wahrscheinlich entsteht ein Rauschen mit kleinen Amplituden.
Genau diesen Fall haben wir bei den NN´s für die fortlaufenden Datenreihen von Wertpapieren oder Indikatoren als Inputs. Ein Handelssignal soll bekanntlich nicht für jedes zweite Bar generiert werden, sondern gemäß der Inputs über größere Zeitspannen. Das Netz lernt jedoch, daß die schlechten Beispiele (= Phasen mit keinem Signal) sehr wichtig sein müssen, da sie in derart hoher Zahl präsentiert werden und die guten Beispiele aufgrund ihrer relativ geringen Anzahl fast zu vernachlässigen sind.
Damit noch nicht genug, um das Problem nun weiter zuzuspitzen: Wie erreicht man es, daß dem NN ausschließlich gute Beipiele präsentiert werden?
Das NN wäre dann sozusagen "hardcodiert" und erfüllt die Aufgabe eines besseren Fuzzy-Regelsystems. Dies macht genau dann Sinn, wenn im Chartverlauf die exakt gleichen bzw. "unscharfe" Bedingungen auftreten, diese jedoch "per Hand" hard-zu-codieren oder als Fuzzy-Regelbasis aufzustellen, zu aufwendig sind oder die Beziehungen nicht genügend bekannt sind. Beispiele hierfür wären Candlestick- und Chartformationen oder das Zusammenwirken von Indikatoren mit je mehreren Vorgängern.
Sollte das Problem nicht verständlich genug dargestellt sein, versuche ich es gern noch einmal.
Viele Grüße
John
(Eine sehr aufwendige Lösung, aber immer noch besser als eine eigene Software zu schreiben, wäre zwar, das NN auf normalen Weg zu erstellen, die gewünschten Inputdaten aus der Datentabelle heraus nehmen, diese dann zusammen zu fassen und als extra Wertpapier anzulegen und ein NN auf dieses spezielle Wertpapier zu trainieren. Übertreiben wollen wir es nun aber auch nicht, oder?)