INVESTOX-Forum

Hallo,

testest Du nun mit Juriks WAV+DDR und Wavelets? Sorry,ich werde da nicht ganz schlau draus weil Du auf die Jurik-Seite verweist....

Hm..wenn Du mit den Indikatoren von Jurik testest müsstes Du sie eigentlich haben? Ich glaube nicht das man beide für Investox nachprogrammieren kann da sie im Verbund arbeiten(Datenpool stauchen und dekorrelieren)!Wenn ich Dich richtig verstehe, möchtest Du Jurik's beide Indis für Pre-Processing einsetzen und in einem NN oder N+Project einsetzen? Liefert das Jurik-Double nicht ein primäres Signal und wenn ja,wie ist das Ergebnis?

sag ich doch, der Kollege mag nix verraten was er da tut.

Hallo,

man kann beide Indikatoren separat anwenden aber es macht m.A. wenig Sinn-insbesondere für die Vorverarbeitung als Input!Ob für NeuroPlus Juriks DDR/WAV einen Vorteil gegenüber anderen Methoden hinsichtlich der Stabilität liefert,lasse ich dahingestellt!Eine Glättung ist sehr sinnvoll da die Klassifizierung keine Überzahl an Ausreißern produziert was zu stabileren Ergebnissen führt!Aber wie schon Eingangs erwähnt glaube ich nicht, das man das Konzept so einfach nachprogrammieren kann.Ich lass mich aber auch gerne eines Besseren belehren.Zunächst gilt festzuhalten, das es unterschiedliche Wavelet-Transfomationen gibt. Die urspüngliche Form ist das HAAR-Wavelet. Ich weiß leider nicht welche Variante Jurik einsetzt, daher kann man nicht ein x-beliebiges Wavelet-Konzept heranziehen und nachprogrammieren,sondern sollte genau wissen was verwendet wurde!

Mit beiden Jurik-Indikatoren kann man Daten für Neuronale Netze vorbereiten.Desto besser Inputs vorbereitet werden, umso stabiler kann man neuronale Netze entwickeln. Es ist darauf zu achten das man nicht die "falschen Inputs" vorbereitet, sonst hat das ganze auch keinen Sinn und führt oft zur Überoptimierung!Es ist nicht so, das optimale,tranfsormierte Datenpunkte,bezogen auf den Input Stabilität im Testszeitraum garantieren. Übrigens kann man auch mit dekorrelierten Inputs CurveFitting erzeugen!Ein verwandtes,konventionelles Prinzip dieser Art wäre beispielsweise Binari-Wave!

Wavelets werden vereinfacht beschrieben transformiert,skaliert,berechnet und wieder in die ursprüngliche Form als neuen Datenpunkt zurückgeschrieben.Während des Vorgangs wird das Wavelet(Haar) auf die kleinste Ebene zerlegt und z.B. mit High,Low oder Bandpassfiltern gefiltert. Der so berechnete neue Datenpunkt liefert ein Mittelmaß aus einer Vielzahl Peaks. So spart man viele überflüssige "nullinformations"-Peaks indem man das Mittelmaß eines Peak-Pools filtert.Die so entstandene neue Zeitreihe liefert gegenüber eines z.B. vorher stark rauschenden Oszillators sehr glatte Konturen.
Dieses Verfahren kommt in erster Linie der Performance,z.B. im Einsatz für NNs zugute!Man muss allerdings bedenken, das primäre Probleme die Algorithmen mit (Börsen)Zeitreihen haben, nicht egalisiert und übertünscht werden können! Wenn man meine Aussage flux prüfen möchte, entwickelt man mal mit NeuroPlus ein System!Über den Tellerrand betrachtet hat man mit N+ primäre Strukturen von Jurik kompakt zusammengfasst und schnell verfügbar.

Wer sich dem Thema Wavlets ein wenig nähern möchte,
das hier ist kein schlechter Einstieg.

Hallo,

die Thematik geht weit über Wavelets hinaus und man müsste für Darstellung und Erklärungen tief in der "Mathe-Kiste" kramen. Aber das soll hier ja nicht Thema sein!Ich möchte noch auf diesen Bericht ,der schon etwas älter ist hinweisen! Mathematische, auf Algorithmen-Basis basierende Modelle verlieren ihre Wirkung gegenüber konventionellen,je größer die zeitliche Komprimierung wird.

Bei sehr kleinen Zeit-Komprimierungen ähnelt die Zeitreihenentwicklung dem Zufall was mathematischen Modellen eher entgegenkommt. Weshalb Zufall (ähnlich aber kein Zufall)? Die kurzfristigen Informationen und Rückkopplungen für die Märkte bringen sehr viel Volatilität in die Kurse was immer kurzfristige Dominoeffekte auslöst!Die Ausschläge,die als Folge dessen auftreten können nur sehr wage prognostiziert werden. Hier hat man auch mit dem Backtest seine liebe Mühe da unvorhersehbare,plötzliche Rückkopplungseffekte und folglich Zyklen-und Vola-Wechsel einhergehen und die Modelle ordentlich durchschaukeln.Umso mehr Informationen in Zeitreihen einfliesen,desto unberechenbarer werden sie.Das kommt der Prognose-Modellierung nicht besonders entgegen-wie man sich schon denken kann Dabei ist es egal ob man die Historie glättet oder nicht.Mit Glättung erreicht man z.B. bei NN längeres Durchhaltevermögen der Performance aber keine beständige Stabilität!Insofern muss man auch gut überlegen wie man Jurik ect. einsetzt!

Hallo,


stell Deine Entwicklung mit Jurik doch mal hier vor,ist bestimmt interessant!Unterhalb noch ein Bildchen zum Thema Lernzeitraum und Klassifizierung. Das kleine gelbe Feld ist der Lernzeitraum. Davor und dahinter liegen Testzeiträume.Das Ganze ist schwer einzuordnen und sehr diffus!

Mit gewissen Tools sind steigende Kapitalkurven einfach zu produzieren! Eine andere Sache,die Wichtigste,ist der Stabilitätsnachweis.
Wahrscheinlich kommst Du bei der Entwicklung (mit Jurik) an o.g. Punkt.Das "System" wurde mit NeuroPlus mit simpelsten o815-Inputs gefittet! Neuro Plus ist in der Lage aus Wenigen viel herauszuholen.Aufgrund der üppigen Primäreinstellungen muss man sich nicht so viel Gedanken um die Input-Vorverarbeitung machen. Dennoch kann ich nicht gerade behaupten,das man in zwei Tagen ein System hinbekommt-aber es macht vieles leichter in der Welt des Algo-Tradings... Eine Art Vorverarbeitung ist auch,die primäre Zeitreihe zu glätten,z.B. mit RENKO oder P&F. Weshalb soll man Indikatoren glätten wenn man dies auch mit der Basis tun kann? Sämtliche Indikatoren auf die Basis sind dann ebenfalls geglättet!