Hallo datsys,
vielen Dank für die Aufbereitung der Daten und der Idee zur zeitnahen Umsetzung der SWavelets! Ich habe damals eine andere Variante zur Umsetzung gewählt die mir letztendlich zu zeitaufwändig wurde, und ich deshalb den Test abgebrochen habe! Deine Variante ist wesentlich schneller umzusetzen!
Ich habe mit der Zeitreihe erste Tests durchgeführt bei denen für mich doch verblüffende Ergebnisse erzielt worden-leider zunächst im negativen Sinne! Ich werde in der kommenden Woche versuchen (soweit ich es zeitlich schaffe), die Tests zu erläutern!
Hallo Thorsten,
die verlinkten PDF Dateien beinhalten zum größten Teil die mathematische Abhandlungen gemessen an dem, wozu Wavelets primär konzipiert sind. Das wären zum einen grafische Funktionen und zum anderen Video-Audiofunktionen. Die PDF Dateien werden aber mit Sicherheit interessant, wenn man Wavelets-Filter direkt in Investox integrieren möchte! In Bezug auf deine Aussage:
"Ich favorisiere Intraday-HS deshalb, weil man hier schon nach ein paar Tagen abschätzen kann, wie stabil die HS im OoS-bereich tatsächlich weiter laufen."
kann ich dir leider nicht ganz zustimmen! Man kann die Stabilität sämtlicher optimierter Zeitreihenverläufe kaum nach wenigen Tagen abschätzen wenn es um die Frage geht, ob das neuronale Netz eine dauerhafte Stabilität vorweist! Überoptimierte Systeme und neuronale Netze haben die Fähigkeit, das auswendig gelernte zu projizieren. Die Performance der überoptimierte Systeme wird so lange aufrechterhalten, bis sich das Gefüge (Strukturbruch) der Zeitreihe ändert! Dieser Prozess kann einige Tage, einige Wochen aber auch Monate anhalten! Es wird vorgegaukelt, das System wäre stabil was aber nicht der Fall ist! Man kann viele Testverfahren heranziehen, auch Backtests, aber eine endgültige Aussage über die Stabilität und Kontinuität wird man erst dann machen können, wenn das System auf dem realen Konto einen angemessenen Zeitraum Geld verdient! Man muss aufpassen, dass man nicht in die vermeintliche Stabilitätsfalle läuft. Bei einem mit genetische Algorithmen optimiertes Handelssystem oder neuronale Netz steigt die Gefahr der Überoptimierung drastisch an! Das selektieren der Generationen ist nichts anderes als das aussuchen des besten überoptimierten Systems! Mit genetische Algorithmen bekommt man jedes neuronale Netz und Handelssystem zu einer dementsprechenden Performance! Mit Stabilität hat das nichts zu tun und verwischt die tatsächlichen Fakten! Hierbei ist vor allem "der Fluch der Dimension" zu beachten!
Ich habe mit einer Software, die eine (heuristische) Optimierungspyramide beherrscht, markante Zeiträume mit nur einem Indikator optimiert! Das Handelssystem, dessen datierte Zeitreihe an einem markanten Wendepunkt endete brach im Testzeitraum vollkommen zusammen! Wohlgemerkt, es war nur ein Indikator im Spiel aber sehr viele Variable! Sieben Jahre später, spricht Januar 2008 bis dato, hat das System wieder genial funktioniert und warum? die Basis-Zeitreihe hat den Rhythmus vom Jahr 2000 wiederholt! Wer beim DAX den weiteren Verlauf der aktuellen Situation abschätzen möchte, betrachte einmal das Jahr 2000-2003. Wer es noch genauer wissen will, überoptimiert im Jahr 2000-2003 ein Handelssystem und wendet es auf das Jahr 2008 (bis dato) an! Gleichzeitig erkennt man hier das man Handelssysteme eigentlich nicht überoptimiert sondern dass sie an einem Strukturwechsel der Zeitreihe scheitern-wenn sie scheitern! Dem entgegenzuwirken, gibt es diverse Strategien wie zum Beispiel Filter oder beim neuronalen Netz den Filter dass man die Inputs nur an bestimmten Mustern lernen lässt!
Der Normierungsindikator versetzt die Zeitreihe kontinuierlich in einen Wert von 1/-1, da er immer das aktuelle HHV/LLV heranzieht. Im Gegensatz zur ersten Variante werden beide Grenzen dynamisch ausgewertet! Ein gutes Beispiel ist wenn man die Zeitreihe datsys mit dem DAX Future überlagert und die y-Achse für beide werde auf einer Seite skaliert! Man wird beobachten, dass beide werde erst Anfang diesen Jahres ineinander laufen. Werden die beiden Werte normalisiert, und mittels Differenz der Abstandsoszillator ermittelt, kann man die Kontinuität der Bewegung sehen, die primär die Funktion der Normalisierung darstellt! Wenn man beide Zeitreihen direkt subtrahiert kann man ermitteln, in welcher Form der so gewonnene Oszillator dem neuronalen Netz vorliegt! Eine weitere, nach meinen Tests passable Möglichkeit ist die Division zweier Werte, deren Abstand auf der y-Achse nicht Lichtjahre auseinanderklaffen...