INVESTOX-Forum

Hallo,

ich möchte die Beiträge hier zunächst mit einer Antwort zu den Postings in diesem Forum beginnen,da das Thema vom Eingangsthema abweicht und ich Torsten Posting nicht zuspamen möchte..


@Bernd

Es gäbe schon Möglichkeiten einen Tick voraus zu sein doch wie das im kompletten statistischen.mathematischen Bereich ist..nur imaginär! Mit einigen Zeitreihenanalysen kann man passable Ergebnisse erzielen aber man muss darauf achten, welche Kurvenform man als "Abtast-Historie" nutzt! Das ist bei Zeitreihenanlyse nicht anders wie bei allen Optimierungen oder Algorithmen! Jeder Algorithmus versagt bei kurzfristigen Prognosen wenn er mit nicht Fakts gefüttert wird, die gegenwärtig nicht zutreffen und damit Frontkurse prognostizieren soll!

Beispiel: In der Historie überwiegt Linearität mit wenig Ausreissern. "Trainiert" man an diesem Musterl,wird der Algorithmus Swings nicht ausreichend ordentlich prognostizieren können. Ich persönlich neige auch nicht bei Single Zeitreihen dazu, jahrelange Historien zu testen, die alle Fakts beinhalten da die Zeitreihen nie Ausgewogen sind und zudem wird sich die Prognosekurve immer weiter von den Nischen wegbewegen!In der Regel benötigt man für die Zeitreihenvorhersagen zunächst natürlich die Funktion (Algoritmus) selbst und einen Feed Forward Test! Ohne diesen Test ist meiner Ansicht alles sinnlos weil man es manuell nicht bewältigen kann. Martins SVM-Arbeit gehört im gewissen Sinn auch zu den kurzfristigen Prognose-Tools und aufgrund eines fehlenden Feed Forward Test in Investox bekommt man,zumindest ich,nichts Brauch-und Nachweisliches auf den Bildschirm. Daher möchte ich auf das Thema an dieser Stelle nicht speziell eingehen weil es momentan ohnehin belanglos ist. Es sei denn jemand möchte einen Feed Forward Test manuell durchziehen..na denn viel Spaß...


@Bernd2

Wenn man ein System auf ein Prognosemodell auf eine Single-Zeitreihe aufbaut hat man zwei Möglichkeiten: Entweder man orientiert sich am entrauschten Kurs oder man handelt die Ausreisser,die einen Folge des Kursrauschen sind! Kursrauschen wird meist egalisiert und so ist jederzeit mit Returns zu rechnen! Normalerweise ist die Charakteristik eines Trendfolgers in allen Märkten gleich. Was aber nicht gleich ist- die Frequenz und Intensität des rauschens. Bei den meisten Modellen prognostiziert man das rauschen und nicht den maßgebenden Peak. Es ist eben nicht einfach die informativen Peaks die von Kursrauschen stark überlagert werden können zu finden und zu modellieren! An den Histogrammen kann man gut erkennen wo diese Schwellen liegen-wo es chaotisch wird,wo die Bewegung einfriert! Wenn man ein Modell mit Data Scrampling testet sollte in 10 Fällen auf jeden Fall 7-8 Fälle,bei sauber aufbereiteten Daten, positiv ausfallen. Womit man wieder beim o.g Thema ist...

Hallo,

ja es gibt mehrere Tools! Von den US-Softwares beinhaltet meines Wissens Trade Station und DeepInsight die Möglichkeit. Ich finde das alle Tools, die Frontprognosen wie NN oder stat. Zeitreihenanalysen anbieten,diesen Test beinhalten sollten,da man sonst keine aktiven Prognosetests durchführen und beurteilen kann! "Aktive Prognosen" werden immer wieder neu bewertet-siehe SVM! Selbst NRCM hat einen "hauseigenen" Feed Forward Test integriert um SVM auf Qualität und Zuverlässigkeit zu testen! Allerdings benötigt man nebenbei auch Algorithmen die einen FW-Test unterstützen und Abläufe steuern. Bei NNs ist der Test (je nachdem welcher NN-Algorithmus integriert ist) eingeschränkt möglich und langwierig! Test-bei GAs und allen Algorithmen die "externe" Generationen bilden die vom User selektiert werden können oder müssen, ist der FW-Test relativ ungeeignet. SVM beispielsweise ist für diesen Test prädestiniert und ohne die Funktion die Qualität und Stabilität der Signale nicht zu bewerten! Es ist schade, das Martins aufwendige Fleissarbeit von der Seite zu wenig Unterstützung findet .....

FW-Test Nutzen habe ich zwar schon oft wiederholt, aber wenn man gewisse Bereiche der Kursprognose testen möchte, ist ein FW- Test unabdingbar! Ohne FW-Test sind bestimmte Systemtest-Verfahren überhaupt nicht durchführbar und möglich! Aber wie schon angesprochen erfordert ein solches Testverfahren unter anderen auch entsprechende,dynamisch einsetzbare Algorithmen!

Hallo,

Zitat

.. allen Algorithmen die "externe" Generationen bilden die vom User selektiert werden können oder müssen, ist der FW-Test relativ ungeeignet.

Mit einer kleinen Erweiterung würde es schon gehen, d.h. man müsste automatisch die beste Generation auswählen können, die z.B. den max. Nettoprofit erwirtschaftet hat.
Man bräuchte soetwas wie einen Maximalwert-Finder. Zur Not könnte es auch eine Tastenkombination sein, z.B. Ctrl + Shift + M, wo Investox die Generation auswählt, wo der Balken im Robustheitstest am größen ist.

Dann könnte man sich möglicherweise über Remotetastatursequenzen selber was zusammen bauen, z.B. so, NN über 200 GA's trainieren, beste Generation automatisch selektieren und ins HS übernehmen, dieses HS eine Woche laufen lassen, dann neu trainieren, dann wieder beste Generation ins HS übernehmen, eine Woche laufen lassen, usw.

Viele Grüße
Torsten

Hallo,

das Konzept funktioniert aber mit GA nicht besonders gut da GAs nicht für Maxima prädestiniert sind! Dafür gibt es andere,viel schnellere und für den User unkompliziertere Algorithmen! Mit der von Dir vorgeschlagenen Variante kann man bei vielen Tests eventuell Weekly-Systeme testen und handeln da schon der Aufwand den Nutzen übersteigt! Mit SVM oder SSA (Spectral-Analytics) hat man innerhalb weniger Sekunden ein Ergebnis ohne jegliche Selektion und Entscheidungszweig. Aber ohne Feed Forward Test kann man die Ergebnisse nicht "backtesten"...

Die Analyse in der nachfolgenden Grafik hat 30 Sekunden gedauert. Wenn viele Swings in der Zeitreihe enthalten sind kann mittels der SSA (in der Grafik falsch geschrieben (leider vertippt!) ein durchuas passable TQ erzeilt werden! Schwächen zeigt die Analysefunktion,wie alle Algorithmen bei relativ linearen Verläufen!

Die anschließenden,selbsterklärenden Grafiken sind ein Versuch wie ich mir Curve Fitting vorstellen und was passiert! es ist nicht einfach hier einen goldenen Mittelweg zu finden! Wenn man ein Modell zu genau anpasst ist die Überlebenschanche sehr kurz und man läuft Gefahr, dass die Performance nach wenigen Perioden einbricht! Da man aber im Vorfeld nicht weiß, ob man das Modell dem tatsächlichen echten Trendverlauf oder dem Rauschen angepasst hat, kommt dem Money-und Riskmanagement hohe Bedeutung zu! Man erkennt auch das in einem funktionierenden Modell Zufall stecken KANN-nicht unbedingt muss! Data Scrampling wird an der Tatsache des Curve-Fittings nicht ändern und das Kursrauschen aufdecken! Aber man erkennen wenn das Modell an den Zufallszeitreihen überwiegend einbricht! Die Rückschluss wäre Überoptimierung,auch wenn jede Zeitreihe eine eigenen Charakteristik beinhaltet. So sehr unterscheiden sie sich m.A. nicht dass das Ergebnis auf -sagen wir mal 20:80 CRV hinausläuft ,aber am trainierten Modell die TQ bei >70% lag...

Hallo Roger,

ich werde morgen versuchen detaillierter auf die Fragen einzugehen! Vorweg aber noch einmal den weiteren Verlauf der SSA-Analyse von heute Nachmittag einer selbsterklärenden Grafik!

Hallo


Du liesst eine Datenzeitreihe in Origin 8Pro ein, die du anschliessend mittels (vorzugsweise) Wavelets oder SSA so glättest, damit das "Rauschen" möglichst gut entfernt wird.

Für SSA verwende ich ein anders kleines Programm! SSA ist kein typischer Filter sondern ein Forecaster! Das heißt man kann damit n-Perioden in die Zukunft projizieren-ähnlich der typischen Zeitreihenanalyse wie man sie in vielen Statistikprogrammen durchführen kann und auf HappyJuppy.com angeboten wird! Mit Hilfe von SVM ließe sich ein ähnliches Schema fahren wobei sich die Algorithmen unterscheiden! Wie schon in einem anderen Thread geschrieben benötigt man für überproportionale Gewinnmöglichkeiten bei NNs lediglich eine Periode Vorlauf. Um die Qualität des Vorlaufes zu testen benötigt man einen Feed Forward Test der die Zeitreihe nach unterschiedlichen Kriterien abtastet! Somit kann man die Qualität von Forecast-Indikatoren oder SVM-Algorithmen ermitteln. Im Backtest funktioniert das nicht, da es sich um einen starren und nicht dynamischen Test handelt! Die Dynamik bei diesen Methoden besteht darin,das die Historie mitgeschleift wird! Das heißt die Daten die vorne verlängert werden,fallen am Ende raus! Umfangreiche FW-Testplattformen können aber noch ein bisschen mehr...


Diese "Entrauschten" Daten ziehst du danach als Basis für deine Imputschablonen heran und versuchst die Robustheit des mittels Data Scrambling (bspw. Monte Carlo Simulation) zu validieren. Inwiefern unterscheidet sich (theoretisch) ein entrauschen der Datenbasis mit Wavelets zum Beispiel von dem glätten der Daten mit einem OMA?

In der Regel entsteht Rauschen immer um den Mittelpunkt..Point of Control,wenn man so will! Filter sind Transformationen die zwar nicht genau den Mittelpunkt treffen (kommt auf die Berechnungsformel an) aber auch nicht meilenweit davon entfernt sind! FFT haben den Nachteil das sie zum über-oder unterschwingen neigen. Daher sind FFT-Transformationen im Bandpassfilter besser aufgehoben! Das Prinzip der Bandpassfilter ist mit Hülleninidikatoren wie Bollinger Bänder vergleichbar! Die Zeitreihe wird in ein Frequenzfeld zerlegt,die Ausreißer die über die Bänder des Filters hinaus gehen abgeschnitten und das ganze wieder retransformiert! Das Ergebnis,eine transformierte Frequenzwelle wird auf einer Zero-Linie abgetragen um die der so entwickelte Filter oszilliert! Die Glättung kann via FFT erfolgen! Wavelets neigen nicht wie FFT dazu,heftig zu über-untersteuern und orientieren sich stärker an der tatsächlichen Zeitreihe ohne wichtige Informationen zu verlieren oder Sektionen zuzudecken! Data Scrampling nutze ich kaum,da meiner Ansicht Ansicht nur die Daten und Ergebnisse widergespiegelt werden die man im Modell eingegeben hat! Wenn man mit komplett verrauschten Daten arbeitet wird Data-Scrampling an dieser Tatsache nichts ändern. Also muss man zunächst den ersten Schritt versuchen so gut wie möglich umzusetzen und dann eventuell ein bisschen mit DS testen! GDs habe den Nachteil,das sie die Y-Achse verkleinern und die X-Achse verlängern! Das Resultat ist ein TimeLag und teilweise heftige Ablenkungen von der primären Bewegung! Es gehört schon viel Glück dazu einen GD so einzustellen das er den Mittelweg zwischen wichtigen Informationen und Kursrauschen findet! Ob der OMA neben den x-GD Formen die es sonst noch gibt das NonPlus Ultra ist, kann ich nicht beurteilen. Wichtig bei GDs ist, das sie die Y-Achse nicht zu sehr strecken,die Y-Achse nicht zu stark stauchen und der allgemeine Verlauf, von Datenpunkt zu Datenpunkt, nicht übermäßig stark Ausreißer zeigt,wie das z.B. Beim LR-GD der Fall ist! Da jeder GD hinter dem Kurs herläuft,ist einen optimale Lösung,so wie vorstehend beschrieben kaum erreichbar! Und man sollte auch darauf achten,das für das NN nicht alles optimal ist,was für das Auge optimal erscheint! Manchmal sind es unscheinbare Filter welche die Performance bringen und nicht diejenigen die im Chart eine gute Figur machen! Das Auge "denkt" linear" und kann Muster aus nicht linearen Datenquellen kaum erkennen!



Darf ich fragen, was du unter "optimal entrauscht und aufbereitet" (siehe Beitrag 6646, Data-Scrambling - einsetzbar zur Selektion von zukünftig erfolgreichen HS?) verstehst? Wie kannst du das messen, oder handelt es dabei um eine "subjektive" Einschätzung? Ich bin ja wirklich sehr sehr froh, dass du dich noch immer hier im Forum tummelst, dennoch finde ich es schade, dass du die Signale in diesem Posting nicht exakt umsetzen kannst. Was sind den die Gründe dafür keine zeitlich synchrone und stablie Signale produzieren zu können?

Zunächst ist es leider so,das man nur das testen und präsentieren kann für was man die Mittel hat-leider! Ich würde auch lieber mit ein paar Statistiken,Graphen und Flash-Filmchen zu Live-Training aufwarten! Entrauschen ist eigentlich keine subjektive Einschätzung sondern das Ergebnis von Filtern! Es gibt eine Möglichkeit Kurszeitreihen subjektiv zu filtern indem man die Peaks manuell festlegt! Das geht am schnellsten mit Datendigitalisierung! Dir Gründe für Instabilitäten liegen zum einen Teil in der Origin-Bererchnung der Filter. Das Programm ist natürlich nicht für Börsenkursaufbereitung spezialisiert! Hier müsste man erst eine Lösung finden! Und man kann mit Origin nicht an Investox andocken-oder analog.Das gleiche Problem habe ich mir den SSA-Analysen,die heute wieder hervorragend funktioniert haben! Im Anschluss habe ich eine Grafik vom FDAX,die das typische Ausreißer-Problemchen zeigt! Wenn ein NN diesen Peak in die Näherung einbezieht, liegt es in der Gesamtheit falsch weil dieser Peak untypisch ist! Gleichzeitig kann man sehen wie Zahlen die Kurse beeinflussen. Das sind Momentaufnahmen die von trägen Systemen nicht erfasst werden können. Dazu ist es nötig, ein Modell zu entwickeln das bis in die Nischen folgt. Aber gleichzeitig sind solche Systeme extrem verrauscht und eher für Patternsysteme geeignet!


Ist es in der Tat so, dass eine entrauschte Datanbasis einen höheren Einfluss als Inputs auf die Qualität der NN hat?

Das kannst Du selbst testen: Glätte in Deinem Modell den Output und beobachte im Investox Trainingsfenster die Korrelation und den t-Test.Verwende die Crossvalidation mit 3-5 Samples. Nach dem Test nimmst Du die Glättung raus und beobachtest die Zahlen wieder. Der t-Test wird sich kaum verändern aber die Korrelation wird im Evaluierung-und Testfeld erheblich an Performance verlieren! Es sein denn Dein Modell ist optimal. Dann werden alle drei Felder ungefähr synchrone Ergebnisse während des Trainings zeigen. Das Training kann man in der Regel sofort beenden, wenn die Zahlen im Testfeld erheblich von der Kontrolle abweichen!

Beispiel: Training Korell.: 0,400 Eva.:0,150 Kontrolle: 0,20 (Crossvalidation)

Hier kann man das Training so langsam einstellen.....

Hallo,

ich habe heute morgen eine SSA-Analyse durchgeführt die dato deckungsgleich mit dem Originalindikator verläuft.Das heißt, die Kasse hätte mächtig geklingelt! ABER!!!: Die Wirtschaftszahlen um 10:00 Uhr hätten nicht negativ ausfallen dürfen sonst wäre es vorbei gewesen mit der Herrlichkeit!

Du darfst die Strategien nicht verwechseln! NN-Intermarkets basieren auf einer anderen Strategie. Wir versuchen,den Kurs aus seinen eigenen Bewegungsmustern heraus zu prognostizieren-ähnlich SVM! Mit Intermarket Analysen versucht man über (nicht lineare) Muster globaler Zeitreihen einen Vorsprung zu gewinnen indem man Kurszeitreihen nutzt die als "Leader" für zukünftige Bewegungen des Underlyings in Frage kommen! Konventionelle Systeme die mit Verknüpfungen "and;or;if-then-else usw. arbeiten versuchen den Peak zu finden indem alle einzelnen Regeln 1 (WAHR) für Enter ergeben!

Zur letzten Frage: Es kommt darauf an, was man machen will! Daher muss man den anvisierten Trade-Horizont im voraus bestimmen der kurz-mittelt oder langfristig ausgelegt ist! Da wir nur ein sehr begrenztes Einsatzfeld für die Statistik haben (ständiges manuelles Im-Exportieren) empfiehlt sich eine stressfreie Komprimierung wie z.B. 60-180 aufwärts Minuten oder EOD-Weekly usw.!

Filter wie Wavelets,High-LOW und der resultierende Bandpassfilter können als eigenständiger Input fungieren und müssen nicht zur Prognose eines Zwischenschrittes eingesetzt werden! Patternprognosen basieren auch wieder auf einer anderen Strategie als Zeitreihenanalysen auf Basis Kursmusterbewegungen. Indem man den Filter vom Underlying subtrahiert hat man schon ein Pattern das Investox- NN von alleine findet..:-)

Hallo Roger,

den Output kann man glätten indem man den Prognosehorizont verlängert! Angenommen man stellt den Horizont auf 3 Perioden Forecast ist es möglich das Ergebnis zu glätten und logarithmisch zu Dämpfen. Die logarithmische Dämpfung versuch auch im gewissen Sinn das rauschen zu unterdrücken indem kurze Spikes auf der X-Achse verkürzt werden! Die Dämpfung steht auch als Indikator direkt zur Verfügung und kann in einem Teilchart betrachtet werden!

SNR:
Die Signalverarbeitung zielt darauf ab, Informationen aus dem Rohsignal zu extrahieren. Wie schwierig die Extraktion der Informationen ist, hängt sowohl von der Charakteristik des rauschfreien Signals als auch vom Rauschen selbst ab. Das Signal-Rausch-Verhältnis ( Signal to Noise Ratio, SNR) ist das Verhältnis der Größe des Signals zur Größe des Rauschens. Je größer dieses Verhältnis ist, desto leichter ist es, Informationen zu extrahieren, und desto zuverlässiger sind die Ergebnisse

Hallo,

keine Ursache! Hier noch einmal die SSA-Analyse von heute morgen! Man kann es kaum glauben aber es wäre (wieder) ein Volltreffer! Die Approximation von SSA war auf 100% auf der Orginalzeitreihe eingestellt,da ich diese schon geglättet hatte!