INVESTOX-Forum

Hallo,

mal eine Frage zu dem Auto-Normierungsindikator.
Besteht hier nicht die Gefahr, dass sich nachträglich die komplette Kursreihe ändert, sobald ein neues Hoch/Tief erreicht wird?
Weil die komplette Zeitreihe muss ja dann nachjsutiert werden, dass die Grenzen +1 bzw. -1 wieder eingehalten werden.
Oder mache ich irgend einen Denkfehler?

Viele Grüße
Torsten

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...

Hallo Udo,

Zitat

Besteht hier nicht die Gefahr, dass sich nachträglich die komplette Kursreihe ändert, sobald ein neues Hoch/Tief erreicht wird?

Wenn dem so ist, dann müsste man es anders machen, z.B. das man die Nachjustierung begrenzt auf den Zeitraum von x bis heute (dem Tag des NN-Trainings).
Wird ab morgen ein neues Hoch/Tief erreicht, dann geht es halt über die -1 bzw. +1 hinaus und man verwendet das NN so wie es ist bis man es abschaltet/es versagt/die KK einbricht.
Danach trainiert man das NN neu und justiert erst dann die Zeitreihe wieder neu aug -1 bis +1 mit den Daten die bis dahin verfügbar sind und dass ganze Spiel geht wieder von vorne los ...

Viele Grüße
Torsten

Hallo Torsten,

das ist nicht notwendig da sich der Indikator selbst nachjustiert! Der Indikator wird hauptsächlich bei der Normalisierung der Inputs eingesetzt! Die Berechnung in den Inputs soll zwischen -1/1 gehalten werden und damit ist die Aufgabe von NORM schon wieder beendet!! Ein Nachtrainieren ist nicht notwendig,da die Normalisierung lediglich eine Auswirkung auf die Y-Achsenskalierung hat und das Signal eines Inputs nicht zwangsläufig verändert! Die Normalisierung der Inputs soll dazu beitragen, das bei unterschiedliche Eingabeparametern nicht ein Input-bzw eine Berechnung in einer Schablone dominiert! Wenn man Inputs verwendet die auf binäre Werte bauen,hat man das Problem nicht da die Ausgabe immer -1/1 oder 0 ist! Man muss beim normalisieren beachten,das Investox ebenfalls skaliert! Ein Wert der beispielsweise zwischen 100/-100 oszilliert (CCI ect.) wird von Investox auf eine für das NN "berechenbare" Größe skaliert! Eine zusätzliche Normalisierung würde die Dezimalwert zusätzlich verkleinern! Hier muss man testen inwiefern das sinnvoll ist und ob ein sehr klein skalierter Input ein ähnliches dominantes Verhalten zeigt als ein (für Investox verwertbarer zu groß dimensionierter)

Ein Tipp am Rande: Lass die Netze vergleichsweise mit einem linearen Output trainieren. Die lineare Funktion eliminiert nicht lineare Aktivierungsfunktionen was die Komplexität der Architektur reduziert( Siehe dazu auch Investox Hilfe)! Wenn die Inputs normalisiert werden neigt das NN erheblich schneller zum Curve Fitting ,da die Inputs so wie der NN-Komplex effektiver ausgewertet werden. Der Vorteil ist, das man das NN wesentlich schlanker gestalten kann was nicht zuletzt der Trainingsdauer zugute kommt!

Hallo Udo,

Zitat

Ein Tipp am Rande: Lass die Netze vergleichsweise mit einem linearen Output trainieren.

Danke für den Tip, das habe ich noch nicht ausprobiert ...

Zurück zur automa. Normierung. Ich habe Deine Indikator aus dem Downloadbereich verwendet (orange).

Sorry, meine Befürchtungen von meinem vorhergenden beitrag haben sich bestätigt, siehe Bilder.
Durch die autom. Nachjustierung ändern sich die Werte der Kursreihe im nachhinein für die Vergangenheit und dass dürfte tötlich sein für das NN bzw. die NN-Stabilität.
Man müsste die automa. Nachjustierung einfrieren, ähnlich wie wenn ich feste Werte für AlltimeHoch/Tief eingeben würde zum Zeitpunt der Erstellung des NN's und danach würde ich an diesen Einstellung nichts mehr drehen bis zum Ableben des NN's.

Viele Grüße
Torsten

Hallo,

was sollte man am besten normieren?
Man hat z.B. eine Differenz: a - b

1.) Variante:
Normierung_1_1(a, -10, 10) - Normierung_1_1(b, 10, 100) ; //bringe jede Variable einzeln auf Wertebereich {-1, +1}

2.Variante:
Normierung_1_1((a-b), -20, 20); //bringe die Berechung (Differenz) auf Wertebereich {-1, +1}

Kann man das so pauschal beantworten?
Danke.

Viele Grüße
Torsten

Hallo Torsten,

kurz zu Deinen Grafiken: Weshalb bist Du der Meinung, das schon bereits trainierte Datenpunkte das NN gegenwärtig beeinflussen? Du unterliegst m.A.einem einem Denkfehler! Das NN bewertet nach dem Training nicht die trainierte Historie sondern jeden neuen Datenpunkt der dem NN hinzugefügt wird! Der neue Datenpunkt wird normalisiert,was ihn in den Grenzen 1/-1 hält! Es hat keinen Einfluss in Bezug auf "tödlich für das NN"! Tödlich wäre,wenn neue Datenpunkte aus dem für das NN akzeptablen Grenzbereich ausbrechen und ggfls. sehr weit aus diesem Grenzbereich abschweifen! Das NN arbeitet optimal zwischen 1/-1 oder 0/1.

Hallo Udo,

Zitat

Weshalb bist Du der Meinung, das schon bereits trainierte Datenpunkte das NN gegenwärtig beeinflussen?

Ja das denke ich. Das ist ganz ähnlich wie bei den Wavelet-Datenreihen, wo sich nachträglich die Werte ändern, von z.B. -0.85 auf -0.30
Man müsste den Auto-Normierungsindikator so erweitern, das man zusätzlich noch ein Datum übergibt, wieweit normiert werden soll.

Viele Grüße
Torsten

PS:
Der lienare Output scheint tatsächlich etwas besser funktioniere.

Hallo Torsten,

ich denke mit Deiner Annahme liegst Du falsch! Die Veränderung der Wavelets hat einen anderen Hintergrund und ist nicht mit einer Datennormalisierung vergleichbar! Die Normalisierung liefert kein primäres Signal für das NN, Wavelets hingegen schon-aber es gibt noch einige andere Unterschiede! Wenn Deine Annahme zutrifft, funktioniert auch die in Investox integrierte Aktivierungsfunktion nicht,da hier ebenfalls Daten skaliert werden..

Hallo Udo,

vielleicht könnte an der Normierung -1 bis 1 doch was drann sein.

-habe FDAX mit Gebühren+Slippage verwendet
-ab der blauen durchgehenden Linie unbekannte Kursdaten (waren dem NN nicht bekannt)
-linearer Output
-Justierung nach Variante 1.) (die andere Variante habe ich noch nicht geschafft)
-zur Justierung habe ich die manuelle Justierung verwendet, d.h. ich habe erst im Chart die min- und max-Werte bestimmt und dann der Funktion fix übergeben
diese Variante ist sehr aufwendig von der Entwicklung, weil man alle NN-Inputs visualisieren muss
-habe ohne GA trainiert, Training hat so 10 bis 20s gedauert, aber nicht alle sind so gut - sie steigen schon,aber nicht so schön gleichmäßig (war vielleicht nur ein Glücksfall)
Mal sehen, wie sich das HS in den nächsten Tagen weiter entwickelt.

Viele Grüße
Torsten

PS:
Die Glättung der NN-Inputsdaten habe ich noch gar nicht angefangen. Werde es mal zuerst mit HA versuchen. An Wavelets ist vorläufig ohne Investox-Indi leider nicht zu denken.

Hallo Dago,

primär blickt die so entrauschte Datenreihe nicht in die Zukunft sondern benötigt zwei Datenpunkte um einen Punkt zu fixieren! Wenn man im Realtrading Datenpunkt 1 per Signal erwischt,wird das Signal revidiert! Diesen Umstand hat sysdat versucht, mit dem Stufensprung mit zwei Zeitreihen zu egalisieren...

Hallo zusammen,

wie vor längerer Zeit angekündigt habe ich einen Test mit einer SSA-Analyse gestartet! Der Ausgang des Tests ist mir nicht bekannt, da er mit Live-Daten durchgeführt wird! Es soll in diesen ersten Test geprüft werden, ob die SSA-Analyse die Daten verwertbar projizieren kann und wie ein neuronales Netz, das anhand der historischen Datenpunkte der SSA-Analyse trainiert wurde im realen Handel reagiert. Die Performance des Systems ist nicht so wichtig, sondern es geht vor allem um die Funktionalität der Methode. Die weiteren Einzelheiten findet ihr hier im Blog...

Hallo Udo,

mal eine kleine Verständnisfrage:

Worin genau besteht die Abgrenzung des Normierungsindikators zu den Boardmitteln von Investox.

So wie ich das Handbuch zum Thema NNs verstanden habe, werden die Berechnungen investoxintern bereits normiert durchgeführt.

Hallo Christian,

ich weiß leider nicht wie Investox (in der Praxis) normiert und skaliert,dal man diese Funktionen nicht einsehen kann! Ich habe in vielen Testläufen festgestellt, das bei bestimmten Berechnungen ( nicht bei allen) der zusätzlich normierte Input ein weitaus besseres Ergebnis liefert! Das Manko ist, das man nichts visuell betrachten kann und eben rätseln und probieren muss! Daher kann ich keine klare Aussage machen,wie die NN interen Funktionen exakt arbeiten- im Vergleich zur externen 1/-1 Datenvorverarbeitung!