INVESTOX-Forum

Hallo Peratron,

es läuft beim FDAX,ESTX (nicht GBL!) an "normalen Tagen" meist nach dem Schema "F" ab:

8:00-9:00~~ ruhiger Handel,schwacher Umsatz da die institutionellen. meist in der letzten Handelsstunde am Vortag einsteigen

9:00-10:30~~Haupthandelszeit sehr interessant Tipp: Beginnt der Tag ruhig und träge und die allgemeine Nachrichtenfront ist für den Tag schwach, endet der Tag auch ruhig!
Das wäre kein idealer Tag für Breakout-Systeme sondern eher Range-Systeme

10:30-15:00 Uhr Dieser Zeitraum ist relativ variabel und hängt von der Nachrichtenfront ab! An normalen Tagen findet hier sehr schwacher Handel mit wenig Umsatz statt-Die Bewegungen entstehen eher zufällig und werden von keinen besonderen Ereignissen getrieben.Ausnahme sind die "Volumenanhäufungen". Darunter versteht man enge Bewegung bei starken Umsätzen. Dies ist beispielsweise ein ziemlich sicheres Merkmal für eine bevorstehende starke Bewegungen wie wir sie vor kurzen erlebt haben! Vorausgegangen waren mehrere Tage mit V-Anhäufungen und leicht negativen Touch! Weiteres Merkmal: Das Histogramm ähnelt an einer Gauss'schen Glocke-das Volumen ist relativ gleichverteilt!

Anders sieht es au,s wenn um 10:00 z.B. eine unerwartet hohe/niedrige IFO-Kennzahl aus Deutschland gemeldet und die Trader überrascht,oder stark gewichtetet Aktien im DAX unerwartet gute oder schlechte Geschäftszahlen präsentieren (Allianz,Telekom,Siemens ect.). Da kann sich die Bewegung bis 12:00/13:00 Uhr hinziehen. Sehr träge wird es wenn Nachmittags Zahlen aus USA gemeldet werden wobei sehr früh gemeldete US-Zahlen (z.B. um 13:30) eine starke Bewegung hervorrufen kann,die bis zur Eröffnung der Wall Street wieder abflacht. Grund ist, das man abwartet wie die WS auf die Kennzahlen reagiert! Oft "glaubt man selbst nicht" an das was man handelt und gibt schnelle Gewinne/Verluste wieder rasch ab, was zum Anstieg der Vola führt und für kurzfristige Bewegung sorgt! Manchmal ist der Markt sehr aufgebracht und handelt bis in den frühen Nachmittag wie irre mit hohen Volumen. Das passiert häufig nach heftigen,signifikanten Gewinnen/Verlusten an den Weltbörsen

15:30-18:00 Haupthandelszeit! Ab 17:30 nimmt an normalen Tagen Volumen und Umsatz bis 18:00 Uhr stark ab und versiegt bis 22:00 Uhr vollends. Ab 21:00 ist mit beinahe völligen Stillstand zu rechnen! Auch hier (bis 22:00) orientiert sich Vola,Bewegung und Volumen meist an der Nachrichtenfront und es gilt das gleiche wie für die Vormittags-Haupthandelszeit!

Ich persönlich bevorzuge beim FDAX/ESTX 9:00-10:30 Uhr und 15:30-17:00 Uhr, da 90% der max. Bewegungen stattfinden. Wenn ich "gut drauf bin" hau ich schon mal den ein oder anderen Kontrakt mitten in einen Nachrichtenfront-aber kontrolliert und bereit das Risiko einzugehen und den Einsatz zu verlieren ( "Gamer-Seele )!

22:00 Uhr FEIERABEND! Eventuell noch den ein oder anderen KO-Schein overnight um ja nix zu verpassen!

Aufgrund der o.g. Erkenntnisse hat dies Konsequenzen für vollmech. Systeme allgemein und die Lernzeiträume-z.B. bei NN oder SVM,aber auch beim optimieren mit Algorithmen. Wenn man die o.g. Strategien addiert, kommt man auf 4-5 unterschiedlich konzipierte System die man handeln könnte. Da man nicht alle Situationen erfassen kann, muss man sich auf eine fixieren und am besten auf die,welche zu einer bestimmten Zeit zu mindestens 75% der Gesamtsituationen in der kompletten Historie auftritt. Ein falsches System am falschen Ort zur falschen Zeit kann unnötig verlieren oder produziert hohe DDs! Der Anspruch des FDAX an Flexibilität ist ein Grund dafür, weshalb ich beim FDAX versuche ein hohes Maß an Flexibilität und Variabilität zu handeln-aber leider ohne vollmech. Einstieg. Bei US Minis sieht es wieder anders aus. Einige Systeme könnte funktionieren wenn man nur die erste oder letzte Handelsstunde in Betracht zieht-oder andere Ineffizienzen erkennt oder filtert...

@Udo,

Noch eine kleine Ergänzung zu seinen Aussagen zu den neuronalen Netzen beziehungsweise zu SVM.

Bei meinen bisherigen Experimenten mit SVM ist mir aufgefallen, wie schön diese in einem bestehenden Trend arbeiten. Innerhalb des Trends gelingt es ihnen sogar recht gut kleinere Ausschläge sauber zu verarbeiten. Problematisch wird es jedoch bei der Trendumkehr. Hier bricht die Performance meiner Testsysteme regelmäßig ein. Befindet sich ein Kurs über längere Zeit trendlosen Phase arbeiten meine SVM interessanterweise auch recht gut.

Wenn ich die Trainingsdauer verkürze ist die Zeit des Einbruchs nach einem Trendwechsel kürzer. Dies deutet für mich daraufhin, dass die SVM sich die Vergangenheit und deren Eigenheiten sauber merkt. Nach einer grundlegenden Änderung sind die erlernten Merkmale jedoch leider nicht mehr brauchbar.

Ein ähnliches Phänomen habe ich mit dem hervorragenden Handelssystem von Reiner angewendet auf den Mini-Dow-Jones in den letzten Monaten für mich selber erlebt. Als es noch aufwärts ging und zu Beginn der Trendumkehr waren die neuronalen Netze extrem Performance. In den letzten Wochen sieht es leider sehr negativ aus. Ich habe die Netze nach dem Standard über 200 Tage trainiert. Daher dürften sie genau wie ähnlich lange trainierte SVM die Merkmale dieses Zeitraums gut erlernt haben. Nur, der Markt sieht heute anders aus.

Ich stimme dir zu, dass SVM gegenüber neuronalen Netzen den großen Vorteil besitzen, dass man mit ihnen sehr viel schneller Ergebnisse verifizieren kann.

Die Eier legende Wollmilchsau habe ich bisher mit dem Verfahren der SVM auch nicht gefunden. Überbegrenzte Zeiträume lassen sich hervorragende Ergebnisse erzielen. Nur, in unserer Welt bleibt nichts gleich.

Noch eine ganz andere Frage. Beschäftigt sich sehr intensiv mit der Auswertung von Umsatz-Histogrammen. Hast du hierzu vielleicht ein paar gute Quellen über die man sich mit diesem Thema weiter beschäftigen könnte?

Herzliche Grüße

Martin

Hallo Martin,

genau den Eindruck den Du beschreibst habe ich auch! Das Problem dieser Verfahren scheint es zu sein, das sie sich sehr schnell an die Historie anpassen und es sehr schwer ist, Curve Fitting für einen angemessenen Zeitraum auszuschalten. Bei NNs kann man eventuell die Inputs und Gewichte reduzieren aber bei SVM kann man diesbezüglich nur Inputs reduzieren oder Zeiträume verlängern-verkürzen und selbst dann könnte man noch überoptimierte Ergebnisse bekommen! Ich habe den Eindruck,das man umdenken-und Curve Fitting sogar provozieren muss! Wenn man einen FW-Test mit SVM erfolgreich durchführt würde es am Ende auch wieder passen-egal ob überoptimiert oder nicht! Das system muss nur 2-5 Perioden halten und Profit machen. Wenn man dann neu optimiert und es hält wiederso lange könnte man theoretisch, bei positivem CRV Gewinne machen! Wenn man mit SVM eine Trendphase handelt in der angenommen wenig Filps auftauchen könnte man die Nachoptimierung ausdehnen-genauso wie bei NNs! Tauchen viele Flips und Unbekannte Daten auf-sprich Datensätze die im Lernzeitraum nicht enthalten sind- könnten sich die Optimierungs-Intervalle drastisch verkürzen. Alles in allen können wir ohne spezielle Testverfahren leider nur spekulieren ,und nichts genaues,handfestes nachweisen!

Ich habe heute (spaßhalber) mit einem Statistikprogramm einen Forcast-Test durchgeführt. Den Chart den man unten siehst, habe ich aus Investox via Snapshoot genommen und das Bild digitalisiert! Für Forcast-Analysen ist ja nicht unbedingt einen Preis-Zeitachse notwendig-man könnte es aber auch in der Form skalieren-aber egal muss in dem Fall auch nicht sein! Wie man sieht, hätte man auch für kurze Zeit haargenau gelegen...aber dann ging es total daneben! Ich habe versucht mehr Datenpunkte und weniger Datenpunkte für den Test zu verwenden aber es wurde zunehmend schlechter. Wahrscheinlich lag es auch daran das die Zeitreihe sehr schwunghaft ist! An einer relativ linear laufenden Zeitreihe habe ich bislang keinen Test durchgeführt,aber ich gehe aber davon aus, das die Vorhersage wesentlich besser ist und länger andauert wie das im allegemeinen bei Algorithmen der Fall ist!

Folgendes wäre interessant gewesen was ich aber nicht testen kann: Wie würde sich der Test verhalten, wenn der Lernzeitraum via Feed-Forward Test variiert- oder man hätte nachgezogen? Ob dann wirklich die ganz große Differenz zwischen SVM und einem statischen Test vorhanden wäre? Es ist wirklich fraglich, ob SVM nun wirklich den Vorsprung gegenüber anderen statistischen Verfahren bringt oder ob man gute Systeme nur dann bekommt, wenn man das notwendige Werkzeug-wie z.B. einen Feed-Forward Test hat! der Vorteil der Geschwindigkeit ist auf keinen Fall von der Hand zu weisen und selbst wenn es mit SVM nicht so direkt klappt könnte man den Algorithmus im Zusammenhang mit FW-Tests vielseitig einsetzen und man hätte eine gute Alternative für GA und NN!

Hallo Udo,

der Diskurs mit dir gefällt mir.

Im beigefügten Bild findest du einen FeedForward Test (EOD-HS) für eine SVM auf den Dow-Mini.

Der Test läuft alternativ über 100 bzw. über 1000 Tage. Der Indi ist soweit erweitert, dass ich wieder (wie bei dem alten Indi auf Java Basis) nur die Prognosewerte verwende. In der vorliegenden Einstellung wird das HS nach jeder Periode neu trainiert (testPerioden = 0).

Das HS hat die folgenden Parameter:
Global const trainPerioden: 40;
Global const testPerioden: 1;
Global const wiederholungen: 100; // 1000;
Global const cValue: 70;
Global const grenze: 4;

Global calc svm: WekaFwdIndikator(trainPerioden, testPerioden, wiederholungen, cValue, POLY, N, SVM, nein, nein);

Einstieg ist bei svm > grenze;
Austieg bei svm < -1 * grenze;

Der 100 Tage Test vermittelt ein recht schönes Bild:


Am Ende steigt die KK nicht so schön, aber es wirkt gut. Insbesondere fällt auf, dass der Knick im Kurs (Okt-Nov) die KK nicht einbrechen läßt.

Der 1000 Tage Test zeigt jedoch etwas anderes:


So komme ich immer wieder zu gut wirkenden HS - solange ich den Zeithorizont nicht zu lang halte.

Ein Vergleich mit fortgeschrittenen statistischen Verfahren wäre interessant.

Herzliche Grüße

Martin

Ergänzng:

Für das gleiche Szenario des obigen Beitrags noch einmal den der Chart des kurzen Ausschnitt des 100 Tage Experiments jedoch mit dem 1000 Lauf:



So ist der optische Vergleich m.E.n. etwas einfacher.

Herzliche Grüße

Martin

In einem weiteren Test habe ich versucht, den aktuellen Preissteigerungs-Index zu prognostizieren da die Datenkurve relativ linear ist müsste ein statistisches Verfahren auch besser damit zurechtkommen und die Qualität und Dauer der Vorhersage verbessern. Das ist aber nur zum teil eingetreten wie man das der Grafik entnehmen kann. Die blaue Linie zeigt das zwar die Richtung nach dem Lernzeitraum stimmte aber auch,das es auf der Y-Achse einen zu starken Ausschlag nach oben gab! Die rote Linie am Ende der Zeitreihe soll den weiteren Verlauf der Preissteigerung prognostizieren!

Mir ist beim Test aufgefallen, das bei sehr linearen Verläufen die Tiefe der Datenpunkte eine besondere Rolle spielt. Bezogen auf Dein SVM Tool würde das heißen das c_value eine mit entscheidende Rolle spielen könnte! Bei sehr linearen Verläufen könnte man ev. die Qualität steigern, wenn man c_value erhöht und bei zackigen,unregelmäßigen Swings sollte ein kleinerer Wert besser abschneiden! Dennoch ist das ganze sehr wage und man weiß in der Regel nicht, wann eine Zeitreihe Frequenz und Schwingungen ändert. Allerdings gehe ich davon aus das man mit einer Einstellung nicht immer profitabel arbeiten kann-es sei denn man hat ein Underlyings das sich nicht wesentlich ändert und in ruhigen Bahnen verläuft! Ansonsten muss ich erneut feststellen, das wir ohne Feed Forward Test wahrscheinlich nicht weiter kommen.Interessant wäre zu testen wie sich SVM bei normalisierten Daten verhält!Dazu müsste man die normalisierten Daten eventuell noch glätten mit FFT oder Kalmann ect-ist nicht mein Gebiet..

In der zweiten Grafik sieht man die Korrelation der Prognoseverläufe zum Underlying was natürlich auch ganz interessant ist! Vor allen kann man die Datenpunkte variieren und somit eventuelle Ausreißer in den Lern-und Testzeiträumen feststellen könnte. Aber dennoch scheint mit das Wichtigste ein gut funktionierender FW-Test zu sein,alles andere ist ein bisschen viel Statistik und vor allen mit Investox nicht realisierbar was an dem Punkt auch verständlich ist!




PS: Ups-die Beiträge haben sich gekreuzt,habe an dem etwas länger geschrieben..

@ Udo

ein kurzer Hinweis zu den normalisierten Daten.

Die Einstellung des SVM-Indis ermöglicht die automatische Normalisierung. Du kannst - bei hinreichend kurzen Zeitintervallen fürs Training - die normalisierten Daten über Debug = ja in der Datei Debug.txt einsehen.

In diesem Zusammenhang ist mir z.B. aufgefallen, dass die SVM bei der Verwendung von ROC oder MOM in den Eingangsdaten kaum unterschiedliche Ergebnisse liefert. Dies ist wegen der Normalisierung ja auch zu erwarten.

Herzliche Grüße

martin

So ist ebenfalls eine Standardisierung der Daten möglich.

Hallo Martin,

danke für den Hinweis! Interessant wäre, wie SVM bei "normalisierten" Basis-Underlying verhält- und wie bei einer geglätteten Basis-Zeitreihe! Ich habe vor langer Zeit einen Test mit einem NN durchgeführt, indem ich einen GD als Underlying verwendete und als Input die Zeitreihe direkt vom DAX! Die Ergebnisse waren überragend und ich wäre in kurzer Zeit Millionär gewesen-mit dem kleinen Manko, das man einen GD leider nicht handeln kann! Aber dennoch scheint es so zu sein, das man Inputs-oder Input Kombinationen benötigt,die einen kleinen zeitlichen Vorsprung haben-zumindest bei NN. Bei SVM denke ich das es nicht so sehr auf die Aufbereitung und Qualität des Inputs und den Vorsprung ankommt. Zumindest scheint SVM nicht so feinfühlig wie ein NN damit umzugehen was sich aus der Struktur heraus erklären würde und die bisherigen Tests bestätigen würde!

Ich wünsche erst mal einen sonnigen Nachmittag!

Hallo Udo,

eine kurze Ergänzung. Das Underlying ist ebenfalls nach dem gleichen Verfahren vorverarbeitet wie die Daten. D.h., in meinen Beispielen sind die Daten normalisiert.

Einen geglätteten Zielwert sollte man leicht hinbekommen, indem man einen entsprechenden Titel in Inv als Berechnungstitel anlegt. Für den praktischen Einsatz verspreche ich mir jedoch nicht so viel davon - wie du schon sagst handeln wir ja nicht den GD.

Die Zielwerte über mehrere Perioden zu glätten behagt mir auch nicht, da in einem solchen Fall die Zielfunktion weiter in die Zukunft schauen muss und für das Training weniger zeitnahe Perioden zur Verfügung stehen.

Viele Grüße

Martin

Hallo Chemie,

noch klappt es nur sehr holperig mit dessen Veröffentlichung. Ich bin noch nicht der rechte .NET Programmierer geworden.

Viele Grüße

Martin

Hallo zusammen,

nun steht auch der FeedForward Indikator als DLL zur Verfügung (allerdings nur für Investox 5.1.4).

http://weka.agile-germany.de/wikka/wikka…stoxIntegration

Viel Erfolg

Martin

Hallo,

die WekaDll.inn zum erzeugen der Indis in Investox ist auf der Seite ergänzt.

Grüße

Martin

Hallo Herbert,

ich habe mir die RSS-Adresse von Martins Seite in einen RSS-Reader (OPERA) kopiert! Wenn Du die RSS-Headline aufrufst, klickst Du weiter auf Historie und kannst Martins neuste Einträge sofort lesen und den Indikator downloaden! Wenn Du ständig die RSS-Headlines überwachst, verpasst Du nichts was Martin eingetragen hat!

Übrigens,

jeder der Lust hat zu dem Thema was beizutragen (SVM) ist herzlich eingeladen und kann sich im Wiki einen Account holen und selber schreiben.

Dann zeigt der RSS noch mehr Neuigkeiten an .

Martin