Lieber Besucher, herzlich willkommen bei: INVESTOX-Forum. Falls dies Ihr erster Besuch auf dieser Seite ist, lesen Sie sich bitte die Hilfe durch. Dort wird Ihnen die Bedienung dieser Seite näher erläutert. Darüber hinaus sollten Sie sich registrieren, um alle Funktionen dieser Seite nutzen zu können. Benutzen Sie das Registrierungsformular, um sich zu registrieren oder informieren Sie sich ausführlich über den Registrierungsvorgang. Falls Sie sich bereits zu einem früheren Zeitpunkt registriert haben, können Sie sich hier anmelden.
Freitag, 13. Februar 2009, 15:15
Hallo Fritz,
danke für dein Feedback. Hier einige Kommentare dazu:
Das kann ich bestätigen. Dieser Effekt tritt nur in der Demoversion auf.
Abhilfe wäre, wie bereits von Martin vorgeschlagen, in die Inputdatei einen sinnlosen Text reinzuschreiben.
Wir werden diesen Punkt die Dokumentation aufnehmen.
1,5 Stunden für eine Optimierung sind u.E. nicht so viel. Bei unseren Tests bewegen wir uns in den Größenordnungen
von einigen Stunden bis 24 Stunden. Ich möchte unbedingt unterstreichen, dass man die Optimierungszeit nicht linear
zur Anzahl der Inputs oder Perioden hochrechnen darf. Hier gelten ganz andere Abhängigkeiten. Eine Optimierung mit 500 Inputs
kann unter Umständen schneller verlaufen, als eine mit nur 2 Inputs. Es kommt z.B. darauf an, wie "gut" die Inputs sind.
Als Beispiel kann man sich vorstellen, wenn sie 10 Wissenschaftler in einen dunklen Raum setzen und als Input nur das Buch
"Vom Winde verweht" geben und dabei Ihnen die Aufgabe stellen eine Rakete zum Mars zu entwickeln, werden diese Wissenschaftler
dafür viel mehr Zeit brauchen, als wenn Sie in der Bibliothek der Technischen Universität München säßen
Auch die Anzahl der Perioden skaliert nicht linear. Bei zu wenigen Perioden kann es passieren, dass die nicht ausreichend sind, um Arbeitspakete
für alle CPUs zu erstellen. Bildlich kann man sich das so vorstellen, dass Sie zwar 10 Arbeiter haben, aber nur einen Sack Zement von A nach B zu tragen.
Die zehn Arbeiter werden diese Aufgabe genau so schnell erledigen, wie nur einer. Versuchen Sie also nicht an Perioden zu sparen.
Diese Zeitüberschreitungen ist kein Fehler sondern ein extra entwickeltes Future für eine bessere Skalierbarkeit.
In der ADMG Dokumentation, Kapitel "Parameter „MaxBerDauer“ (Maximale Berechnungsdauer)" ist es ausführlich beschrieben.
Auch hier möchte ich unterstreichen, dass die Optimierungszeit nicht linear zu der Anzahl der Variationsmöglichkeiten liegt.
Weniger Variationsmöglichkeiten bedeuten nicht automatisch schnellere Optimierung. Es kann auch genau umgekehrt sein.
Beispiel: Sie legen zwei Bälle auf den Tisch, einen Weißen und einen Schwarzen. Und stellen vor Ihrem Freund die Aufgabe, mit 50 Versuchen den roten Ball auf dem Tisch zu finden.
Er wird dafür vermutlich länger brauchen, als wenn auf dem Tisch noch ein roter und ein grüner Ball lägen. Mehr Bälle(Variationsmöglichkeiten) führen also zu einer schnelleren Lösung.
Hier haben Sie als Anwender "alle Karten in der Hand". Investox und ADMG gibt Ihnen die Möglichkeit, die Optimierungsgrenzen sehr flexibel und genau für Ihre Bedürfnisse einzustellen.
danke für dein Feedback. Hier einige Kommentare dazu:
Zitat
bei meinen Versuchen mit der Demo zur Verarbeitungsgeschwindigkeit auf eine Dual Core mit 2 GB RAM muss ich immer wieder feststellen, das sich die Optimierung unter keinen Umständen abbrechen lässt.
Der in der Doku beschriebene Hinweis zur Umbenennung der Inputdatei führt nur zur entsprechenden Fehlermeldung.
Ein Abbruch ist ausschließlich über das zwangsweise Abrechen von Investox mittels des Taskmanagers möglich.
Das kann ich bestätigen. Dieser Effekt tritt nur in der Demoversion auf.
Abhilfe wäre, wie bereits von Martin vorgeschlagen, in die Inputdatei einen sinnlosen Text reinzuschreiben.
Wir werden diesen Punkt die Dokumentation aufnehmen.
Dass die Optimierung viel Zeit beansprucht, wurde schon mehrfach geschrieben.
Hier ein Beispiel mit 2 einfachen Indiz aus dem Standard von Investox.
Bei einer Datenhistorie von 560 Perioden im Optimierungszeitraum ( wohl kaum zu viel ), wurden 1,5 Stunden benötigt.
1,5 Stunden für eine Optimierung sind u.E. nicht so viel. Bei unseren Tests bewegen wir uns in den Größenordnungen
von einigen Stunden bis 24 Stunden. Ich möchte unbedingt unterstreichen, dass man die Optimierungszeit nicht linear
zur Anzahl der Inputs oder Perioden hochrechnen darf. Hier gelten ganz andere Abhängigkeiten. Eine Optimierung mit 500 Inputs
kann unter Umständen schneller verlaufen, als eine mit nur 2 Inputs. Es kommt z.B. darauf an, wie "gut" die Inputs sind.
Als Beispiel kann man sich vorstellen, wenn sie 10 Wissenschaftler in einen dunklen Raum setzen und als Input nur das Buch
"Vom Winde verweht" geben und dabei Ihnen die Aufgabe stellen eine Rakete zum Mars zu entwickeln, werden diese Wissenschaftler
dafür viel mehr Zeit brauchen, als wenn Sie in der Bibliothek der Technischen Universität München säßen
Auch die Anzahl der Perioden skaliert nicht linear. Bei zu wenigen Perioden kann es passieren, dass die nicht ausreichend sind, um Arbeitspakete
für alle CPUs zu erstellen. Bildlich kann man sich das so vorstellen, dass Sie zwar 10 Arbeiter haben, aber nur einen Sack Zement von A nach B zu tragen.
Die zehn Arbeiter werden diese Aufgabe genau so schnell erledigen, wie nur einer. Versuchen Sie also nicht an Perioden zu sparen.
Im Protokoll finden sich zahlreiche Zeitüberschreitungen > 120 s deren Gründe nicht nachvollziehbar sind.
Diese Zeitüberschreitungen ist kein Fehler sondern ein extra entwickeltes Future für eine bessere Skalierbarkeit.
In der ADMG Dokumentation, Kapitel "Parameter „MaxBerDauer“ (Maximale Berechnungsdauer)" ist es ausführlich beschrieben.
Im Interesse einer kurzen Optimierungszeit wurden die Optimierungsvariablen von mir stark eingeschränkt, nur SVM und SVO, insgesamt "nur" 576 Variationsmöglichkeiten.
Würde man alle Opt.-Var voll ausschöpfen, natürlich machen nicht alle Sinn, nur um die Zahl zu veranschaulichen, käme man auf über 40 Milliarden.
Da sind die Möglichkeiten der Inputvariablen, Prognoseziel u. Perioden noch nicht einmal berücksichtigt. Es ist also dringend anzuraten, die Variablen auf ein absolutes Minimum zu beschränken, will man nicht Gefahr laufen, das erst die Urenkel das Ergebnis der Optimierung erfahren.
Auch hier möchte ich unterstreichen, dass die Optimierungszeit nicht linear zu der Anzahl der Variationsmöglichkeiten liegt.
Weniger Variationsmöglichkeiten bedeuten nicht automatisch schnellere Optimierung. Es kann auch genau umgekehrt sein.
Beispiel: Sie legen zwei Bälle auf den Tisch, einen Weißen und einen Schwarzen. Und stellen vor Ihrem Freund die Aufgabe, mit 50 Versuchen den roten Ball auf dem Tisch zu finden.
Er wird dafür vermutlich länger brauchen, als wenn auf dem Tisch noch ein roter und ein grüner Ball lägen. Mehr Bälle(Variationsmöglichkeiten) führen also zu einer schnelleren Lösung.
Es erschließt sich mir z.B. nicht der Sinn des möglichen Optimierungsbereichs bei Lern- und Arbeitsperioden jeweils in der Größe 1 - 50. Zusammen sind dies 2500 Varianten, wovon zumindest die Hälfte ersatzlos gestrichen werden kann.
Hier haben Sie als Anwender "alle Karten in der Hand". Investox und ADMG gibt Ihnen die Möglichkeit, die Optimierungsgrenzen sehr flexibel und genau für Ihre Bedürfnisse einzustellen.
Freitag, 13. Februar 2009, 16:58
Hallo Fritz,
Hier kann man nachlesen, daß er den Quellcode von mir bekommen hat. Somit kann er alle Varianten testen ob Demo oder Vollversion.
Na ja, ob sie einen "literarischen" Wert besitzen sei dahingestellt. Vielleicht hilft es dem einen oder anderem weiter. Ich stimme dir vollkommen zu, dass es einen wesentlichen Zusammenhang gibt.
wieso behauptest Du, das der Effekt nur in der Demo auftritt, wo er doch bei Martin auch auftritt.
Hier kann man nachlesen, daß er den Quellcode von mir bekommen hat. Somit kann er alle Varianten testen ob Demo oder Vollversion.
Deinen "literarischen" Ausführungen zur Optimierung und deren Variablen kann ich nicht in allen Punkten zustimmen. Mir ist schon bekannt, wie Optimierung mit GA funktioniert und das nicht alle 40 Milliarden Möglichkeiten durchgerechnet werden. Trotzdem besteht schon ein wesentlicher Zusammenhang zwischen der Anzahl und der Zeit, aber auch zwischen der Anzahl und der Qualität.
Na ja, ob sie einen "literarischen" Wert besitzen sei dahingestellt. Vielleicht hilft es dem einen oder anderem weiter. Ich stimme dir vollkommen zu, dass es einen wesentlichen Zusammenhang gibt. 
.
Sonntag, 15. Februar 2009, 18:42
Hallo Zusammen,
bei der Entwicklung haben wir größten Wert darauf gelegt, dass ADMG Software realistisch arbeitet. D.h.
für ADMG gibt es keinen Unterschied, ob er sich im OZR oder KZR befindet. Er lernt und arbeitet überall gleich, genau so wie das ein RSI macht.
Sorry trader-hawk, ich verstehe die Frage nicht. Könntest Du es etwas erläutern?
bei der Entwicklung haben wir größten Wert darauf gelegt, dass ADMG Software realistisch arbeitet. D.h.
- sie schaut nicht in die Zukunft und
- Inestoxoptimierug kann nur den Optimierungszeitraum "optimieren"
unterscheidet der ADMG-Indikator, ob sich die Kurse im Optimierungs- oder Kontrollzeitraum befinden?
für ADMG gibt es keinen Unterschied, ob er sich im OZR oder KZR befindet. Er lernt und arbeitet überall gleich, genau so wie das ein RSI macht.
Die Frage ist wenn der ADMG z.B. 70 Perioden neu lernt, checkt er dann das an den eben gelernten 70 Perioden? Ich denke ja, da er ja ab da wieder arbeiten muss.
Sorry trader-hawk, ich verstehe die Frage nicht. Könntest Du es etwas erläutern?
Montag, 16. Februar 2009, 00:22
Hallo Gerasan,
wenn ich z.B. als Lernperioden 70 und Arbeitsperioden 30 eingestellt hätte, lernt er ja nach 30 Perioden neu. Das was er lernt muss er doch Prüfen oder verstehe ich da was falsch. Und wenn er prüft, macht er das an den 70 Perioden oder überprüft er nochmal die gesamte Historie ab Optimierungszeitpunkt?
Verstehst Du was ich meine
wenn ich z.B. als Lernperioden 70 und Arbeitsperioden 30 eingestellt hätte, lernt er ja nach 30 Perioden neu. Das was er lernt muss er doch Prüfen oder verstehe ich da was falsch. Und wenn er prüft, macht er das an den 70 Perioden oder überprüft er nochmal die gesamte Historie ab Optimierungszeitpunkt?
Verstehst Du was ich meine
Grüße aus dem Schwabenland
Arend
Arend
Montag, 16. Februar 2009, 10:50
Hallo Arend,
das Verfahren - FeedForward - ist in seinen Grundzügen ja von mir eingeführt worden. Gerasan hat die feste Positionierung über die Datumsangaben in Investox hinzugefügt und den festen Orientierungspunkt. Also versuche ich mal eine Antwort auf Deine Frage:
Erstmal ein kurzer Hinweis zur Gemeinsamkeit mit NN in Investox. SVM und die weiteren Verfahren in ADMG, dabei ist ja auch ein Verfahren für NN, brauchen genau wie die NN in Investox eine Trainingsphase. Sagen wir diese Trainingsphase ist 70 Perioden, dann wird das Verfahren mit den Daten dieser 70 Perioden traininert und erlent hoffentlich die Zusammenhänge der Daten.
Training von 70 Perioden
Beim Training versucht das Verfahren den gewünschten Wert zu prognostizieren und optimiert das Ergebnis. Dies ist möglich, da ja das tatsächliche Ergebnis in der Trainingsreihe vorliegt.
Hier gibt es einen kleinen kritischen Punkt. Wenn die letzte, im Beispiel die 70gste Periode berechnet wird und das Ziel ROC der Folgeperiode, als der 71gsten Periode ist, was macht man dann? Nimmt man diesen 71gsten Wert, dann schaut man ja in die Zukunft, denn dieser Wert stammt aus den "unbekannten" Daten der Testdaten. Also muss man ihn auf jeden Fall draußen lassen. Als Ergebnis muss man bei der Berechnung so tun, als kenne man den tatsächlichen Zielwert der ROC nicht.
In ADMG wird dies streng gemacht. Ob Investox dies bei NN berücksichtigt kann ich nicht beurteilen, da ich den Code nicht kenne.
Test der 30 Folgeperioden
In den sich direkt anschließenden 30 Testperioden arbeitet das Verfahren - ob SVM oder NN oder sonstiges ist egal - mit den identischen Einstellungen wie in der davor liegenden Trainingsphase der 70 Perioden - nur halt mit den neuen Daten unverändert weiter. Es wird nichts mehr optimiert und man hofft natürlich, dass das vorangehende Training das Verfahren für die Zukunft fit gemacht hat, also gut in der Generalisierung.
FeedForward
Soweit stimmen ADMG und Investox noch überein.
In Investox verlängert man dann die Testzeit und hofft, dass das Netz weiterhin funktioniert. Also mit jedem Tag kommt eine neue Periode hinzu.
ADMG arbeitet FeedForward.
In ADMG trainierst du während der gesamten Trainingszeit von Investox - das sind ja in der Regel viel mehr als deine 70 Perioden - das Verfahren kontinuierlich neu. Jedesmal werden dann die 30 Test-Folgeperioden für die Schätzung verwendet. Im Graph - Singnal - siehst du nur die Ergebnisse der Testperioden. Wir haben ja nichts davon mit den optimierten Trainingsdaten die KK zu beschönigen .
Wenn die Trainingszeit des HS in Investox entsprechend lang ist, sagen wir zum Beispiel 300 Perioden, dann muss das Verfahren halt 10 mal hintereinander ausgeführt werden, damit die 10 * 30 Testperioden reichen, um für alle Perioden aus Investox einen Schätzwert zu haben.
ADMG optimiert nun bei der Optimierung mit Investox die Parameter (Historien, CWert, ...) so, dass die Kapitalkurve in der Trainingszeit von Investox gut wird oder die sonstigen Optimierungskriterien beachtet werden. Beachte hier wieder den Unterschied zwischen der Trainingszeit aus Investox und der des ADMG Verfahrens.
Optimierung der Generalisierungsfähigkeit
Das Verfahren ADMG nutzt also eine doppelte Optimierung.
Einmal optimieren die Verfahren wie SVM, NN, ... innerhalb von ADMG. Dann werden die Parameter für die Ansteuerung von ADMG noch über die Optimierung von Investox optimiert. Damit wird die Generalisierungsfähigkeit Optimiert.
Dadurch wird erreicht, dass ein gutes mathematisches Verfahren wie zum Beispiel SVM für unsere gewünschten Ziele in Investox optimiert werden kann, also zum Beispiel max. Gewinn, minimaler DrawDown, ...
Wenn dann die Testzeit oder die Kontrollzeit in Investox erreicht wird rechnet ADMG einfach weiter auf der Grundlage der optimierten Parameter.
Aber!
Wie schon zuvor nimmt ADMG immer die 70 Trainingsperioden zurückliegenden Perioden und optimiert/justiert das Verfahren neu. Dann berechnet bzw. prognostiziert ADMG die 30 Folgeperionden. Du siehst auch hier im Graph nur die Signale für die Folgeperionden. Sind die 30 Folgeperioden fertig nimmt sich ADMG wieder 70 "vergangene" Trainingsperioden, um die sich anschließenden nächsten 30 Perionden zu prognostizieren.
Gerasan hat dies schön in seinem Bild dargestellt:
Gruß
Martin
das Verfahren - FeedForward - ist in seinen Grundzügen ja von mir eingeführt worden. Gerasan hat die feste Positionierung über die Datumsangaben in Investox hinzugefügt und den festen Orientierungspunkt. Also versuche ich mal eine Antwort auf Deine Frage:
Erstmal ein kurzer Hinweis zur Gemeinsamkeit mit NN in Investox. SVM und die weiteren Verfahren in ADMG, dabei ist ja auch ein Verfahren für NN, brauchen genau wie die NN in Investox eine Trainingsphase. Sagen wir diese Trainingsphase ist 70 Perioden, dann wird das Verfahren mit den Daten dieser 70 Perioden traininert und erlent hoffentlich die Zusammenhänge der Daten.
Training von 70 Perioden
Beim Training versucht das Verfahren den gewünschten Wert zu prognostizieren und optimiert das Ergebnis. Dies ist möglich, da ja das tatsächliche Ergebnis in der Trainingsreihe vorliegt.
Hier gibt es einen kleinen kritischen Punkt. Wenn die letzte, im Beispiel die 70gste Periode berechnet wird und das Ziel ROC der Folgeperiode, als der 71gsten Periode ist, was macht man dann? Nimmt man diesen 71gsten Wert, dann schaut man ja in die Zukunft, denn dieser Wert stammt aus den "unbekannten" Daten der Testdaten. Also muss man ihn auf jeden Fall draußen lassen. Als Ergebnis muss man bei der Berechnung so tun, als kenne man den tatsächlichen Zielwert der ROC nicht.
In ADMG wird dies streng gemacht. Ob Investox dies bei NN berücksichtigt kann ich nicht beurteilen, da ich den Code nicht kenne.
Test der 30 Folgeperioden
In den sich direkt anschließenden 30 Testperioden arbeitet das Verfahren - ob SVM oder NN oder sonstiges ist egal - mit den identischen Einstellungen wie in der davor liegenden Trainingsphase der 70 Perioden - nur halt mit den neuen Daten unverändert weiter. Es wird nichts mehr optimiert und man hofft natürlich, dass das vorangehende Training das Verfahren für die Zukunft fit gemacht hat, also gut in der Generalisierung.
FeedForward
Soweit stimmen ADMG und Investox noch überein.
In Investox verlängert man dann die Testzeit und hofft, dass das Netz weiterhin funktioniert. Also mit jedem Tag kommt eine neue Periode hinzu.
ADMG arbeitet FeedForward.
In ADMG trainierst du während der gesamten Trainingszeit von Investox - das sind ja in der Regel viel mehr als deine 70 Perioden - das Verfahren kontinuierlich neu. Jedesmal werden dann die 30 Test-Folgeperioden für die Schätzung verwendet. Im Graph - Singnal - siehst du nur die Ergebnisse der Testperioden. Wir haben ja nichts davon mit den optimierten Trainingsdaten die KK zu beschönigen
.Wenn die Trainingszeit des HS in Investox entsprechend lang ist, sagen wir zum Beispiel 300 Perioden, dann muss das Verfahren halt 10 mal hintereinander ausgeführt werden, damit die 10 * 30 Testperioden reichen, um für alle Perioden aus Investox einen Schätzwert zu haben.
ADMG optimiert nun bei der Optimierung mit Investox die Parameter (Historien, CWert, ...) so, dass die Kapitalkurve in der Trainingszeit von Investox gut wird oder die sonstigen Optimierungskriterien beachtet werden. Beachte hier wieder den Unterschied zwischen der Trainingszeit aus Investox und der des ADMG Verfahrens.
Optimierung der Generalisierungsfähigkeit
Das Verfahren ADMG nutzt also eine doppelte Optimierung.
Einmal optimieren die Verfahren wie SVM, NN, ... innerhalb von ADMG. Dann werden die Parameter für die Ansteuerung von ADMG noch über die Optimierung von Investox optimiert. Damit wird die Generalisierungsfähigkeit Optimiert.
Dadurch wird erreicht, dass ein gutes mathematisches Verfahren wie zum Beispiel SVM für unsere gewünschten Ziele in Investox optimiert werden kann, also zum Beispiel max. Gewinn, minimaler DrawDown, ...
Wenn dann die Testzeit oder die Kontrollzeit in Investox erreicht wird rechnet ADMG einfach weiter auf der Grundlage der optimierten Parameter.
Aber!
Wie schon zuvor nimmt ADMG immer die 70 Trainingsperioden zurückliegenden Perioden und optimiert/justiert das Verfahren neu. Dann berechnet bzw. prognostiziert ADMG die 30 Folgeperionden. Du siehst auch hier im Graph nur die Signale für die Folgeperionden. Sind die 30 Folgeperioden fertig nimmt sich ADMG wieder 70 "vergangene" Trainingsperioden, um die sich anschließenden nächsten 30 Perionden zu prognostizieren.
Gerasan hat dies schön in seinem Bild dargestellt:
Gruß
Martin
Ähnliche Themen
-
Datenbeschaffung »-
Update Taipan
(31. August 2002, 16:15)
-
- Erweiterungs- und Verbesserungsvorschläge zu Investox »
-
Aktualisierungsbutton
(3. September 2002, 22:18)
-
- Kritik, Anregungen und Fragen zum Board »
-
Noch Fragen?
(1. September 2002, 15:37)
-
- Die Testecke »
-
a buildl
(1. September 2002, 21:30)