INVESTOX-Forum

Hallo,

Ich habe gestern Abend den neuen Indikator für die automatische Datennormalisierung hoch geladen! Damit sollte es möglich sein, den normalisierten Wert ständig zwischen 1 und -1 zu halten! Im Anschluss ist ein Netz, das hinsichtlich wiederholten Trainings und variablen Schwellen für den Input im Handelssystem gute Stabilität nachweist! Als Input wurde lediglich eine Schablone verwendet und zur Berechnung Close-Open/normalisiert! Mit der Steigerung der NN-Gewichte sowie der Anhebung der Samples wurde keine Überoptimierung erzeugt, sondern die Performance weiter verbessert! Das Netz funktioniert auch beim cross der Null-Linie! Das NN in der Grafik wurde im Handelssystem auf 0.05 beiderseits (Long-Short) justiert und steigt zum Open Delay 1 ein und aus! Insbesondere hat es mich überrascht, dass die Charakteristik des Testzeitraumes die nur ein einziges Mal im Lernzeitraum vorkam, und dennoch performte! Das Underlyings ist der DAX-Future, End of Day! Ich denke man kann daran erkennen, dass es nicht unbedingt viele Inputs benötigt um ein NN auf Vordermann zu bringen, sondern die wichtigsten Punkte sind die Daten Vorverarbeitung und die Relevanz der Inputs! Zudem stimme ich "datsys", der in einem anderen Thread geschrieben hat, dass auch die Architektur ein entscheidender Punkt ist voll zu!

Hallo Datasys,

Origin ist mir schon ein Begriff! Meiner Ansicht ist ein solches Programm für eine tiefgreifendere NN-Entwicklung empfehlenswert! ORIGIN besticht durch Funktionsumfang und trotzdem sehr einfachen Handling!Die Thematik der Wavelets wurde in früheren Beiträgen schon einmal angesprochen, die Du mit der schön aufbereiteten Analyse erneut bestätigst! Aber es sollte auch möglich sein, die diskrete HAAR Wavelet-Transformation für Investox nutzbar zu machen,wobei auch einmal Herr Knöpfel gefragt ist! Fast alle digitalen Filter legen die Peaks für das NN so, das extrem steigende Kapitalkurven entstehen! Die digitalen Filter untersuchen die initialen Daten in Form von Frequenzen (auch High-Low-Bandpassfilter~~FFT) und wandeln die Ergebnisse in einen ,für unsere Analysen nutzbaren Datenpunkt um-leider im Fall von Origin mit dem "kleinen Blick" in die Zukunft! Dies könnte man dennoch testen wenn man ein Feed Forward Test zur Verfügung stünde! Mit Hilfe des Tests werden die gegenwärtigen Daten ausgewertet und die Tatsache das sich mit Anhäufung der Daten die digitalen Filter ändern können nicht mehr berücksichtigt! Übrig bleibt immer der gegenwärtigen Datenpunkt und dessen Ergebnis in Bezug auf die Systemleistung. Als weiteres Problem sehe ich den permanenten,automatischen Datenimport via Schnittstelle-aber das hier nur am Rande..

Die o.g. Kapitalkurve steigt auch ohne Stopps. Mein persönliches Ziel ist, das man Stopps,GA usw. erst dann einsetzt,wenn die KK in Rohform im Testzeitraum weiter wächst und das komplette System eine nachweisliche Stabilität (so weit man das mit den zur Verfügung stehenden Mitteln beurteilen kann) nachweist! Ich halte wenig, davon instabile, oder bescheiden performende Systeme mittels Manipulation "aller Art" zu verbessern, so das letztendlich doch noch ein guter Testzeitraum erzielt wird!Entweder das NN zeigt schon im primären Training ein positives Bild oder man revidiert die Vorgänge. Die Zielsetzung, das ist klar, ist sehr schwer zu erreichen. Oftmals werden überoptimierte Netze entwickelt und gehandelt bis sie nicht mehr funktionieren! Je nach Börsenverlauf und Verlaufscharakteristik in Bezug auf die Trainingsdaten halten die Netze (so wie auch konventionelle Systeme) über einen kürzeren oder längeren Zeitraum! Vielleicht zieht auch deine Frage,ob das System auch ohne Stopps profitabel ist genau darauf ab,da viele Stopps mitunter ein erstes Anzeichen von vermeintlich,nicht sauber ausformulierten und überoptimierten Netzen ist?

In der nachfolgenden Grafik ist eine kleine "Richtlinie" dokumentiert, wobei ich Punkt 2 (rot) für den wichtigsten überhaupt halte! Investiert man für das rote Feld zu wenig Zeit,gewinnt man außer Zeit nichts-so zumindest meine Meinung ...

Hallo datsys,

aus langen Zeitreihen ein Segment auszuscheiden und in die Zukunft, so wie in die Vergangenheit zu testen ist meiner Ansicht ein gute Strategie! Ich vermeide diesen Test immer aus Bequemlichkeit, weil man die Zeiträume meiner Ansicht nach in Investox noch nicht bequem variieren kann, und alles manuell eingeben, ändern und synchronisieren muss (NN-HS)! Grundsätzlich sollte man diesen Test aber durchführen, da bin ich ganz deiner Meinung!

Noch einmal kurz zu dem oben genannten System: Die von mir genannten Kriterien der Stabilität sollten vor Einsetzen von Stopps und zusätzlichen Filtern, erfüllt sein! Handelssysteme insbesondere diejenigen , welche mit neuronalen Netzen arbeiten, und der Testzeitraum nur in eine Richtung läuft, sollten grundsätzlich nicht zu viele Stopps benötigen! Viele Stopps in einem Trend lassen vermuten, dass das neuronale Netz überoptimiert wurde und nur solange partizipiert, wie der Trend, beziehungsweise die Musterfolge anhält! Wobei sich bei diesen Gegebenheiten die Frage stellt, ob das Netz überhaupt generalisieren kann oder nur einen Zeitraum projiziert, der zufällig längere Zeit so weiterläuft wie der Lernzeitraum! Projizierte Zeiträume die hinsichtlich der Performance nicht einer Generalisierung entspringen, können Jahre andauern! Das ist aber nur der Fall, wenn sich die nachfolgenden Handelsmuster ähneln. Das neuronale Netz ist relativ elastisch und kann immer den Eindruck vermitteln die Fähigkeit zum generalisieren zu haben, haben obwohl die Wahrheit völlig anders aussieht! Für mich persönlich ist es nicht sonderlich beeindruckend, wenn ein neuronales Netz ein halbes Jahr und länger Performance liefert ohne nachjustiert zu werden. Das Thema Nachjustieren führt allerdings schon wieder in die Überoptimierung, da ein gutes Netz weder nachjustiert noch mit vielen Stopps arbeiten sollte. Das Drehen oder schließen der Position sollte über Enter-EXIT erfolgen- sprich durch ein Signal vom Output! Ein neuronales Netz, das eine Performance ohne jegliche Optimierung und ohne Stopps auch in Stresstests aufrecht hält, könnte man auf jeden Fall in derSchublade "stabil" ablegen, weiteren Tests unterziehen und die "Finish-Modellierung" beginnen! Das vorher genannte ist ein schwieriges,zeitraubendes und oftmals zähes Unterfangen!Aber nach meinen bisherigen Tests und daraus gewonnenen Erkenntnissen, ein wichtiger Schritt für alle nachfolgenden Arbeitsschritte!

Monte Carlo Simulation:

Dieser Test spielt bei meiner Entwicklung eine eher untergeordnete Rolle! Grund ist, dass in den meisten Fällen die Monte Carlo Simulation genau das zeigt, was man eigentlich erwartet! Das heißt, wenn die Kapitalkurve im Vorfeld steigt wird sie in der Monte Carlo Simulation nicht gnadenlos fallen! Ich habe diverse Tests mit SSA durchgeführt, die am linear steigenden Verlauf ähnliche Ergebnisse brachten! Würde man hingegen die Kapitalkurve in einer Wellenform, also oszillierend abtragen, würden beide genannten Methoden wesentlich besser funktionieren! Statistische Tests funktionieren an linearen Verläufen sehr mäßig und ihrer Aussagekraft würde ich mit relativ gering bewerten! Die genannte Vorgehensweise, statistische Tests an linearen sowie oszillierenden Linienverläufen habe ich mithilfe der SSA durchgeführt und auch oszillierenden Verlauf ein wesentlich besseres Prognoseergebnis festgestellt! Ich glaube ähnliches kann man auf die Monte Carlo Simulation umlegen! Eine wesentlich aussagekräftigere Methode ist meiner Ansicht eine Chart-Spiegelung! Dabei spielt es keine Rolle ob man den Chart horizontal oder vertikal spiegelt! Ein neuronales Netz an synthetischen Daten zu testen ist so eine Sache! Oftmals beinhalten die synthetischen Daten nicht die typischen Zeitreihen-Charakteristiken der zu Grunde liegenden Datenreihe an der das neuronale Netz trainiert wurde! Zudem wird mit Crossvalidation im Grunde Boot-Strapping durchgeführt. Ich verwende ausschließlich Crossvalidation für das Training!

An dieser Stelle eine kurze Info zur Crossvalidation für alle die es interessiert und vielleicht nicht so viel damit anfangen können:

Die Modelldaten werden in zwei sich gegenseitig ausschließende Mengen aufgeteilt, in eine größere (die Trainingsmenge) und eine kleinere (die Testmenge). Die größere Datenmenge wird dazu verwendet, ein Modell aufzustellen, während die kleinere Datenmenge dazu dient, das Modell zu bestätigen, indem man das Modell auf die kleinere Datenmenge anwendet und die Ergebnisse mit den tatsächlichen Werten vergleicht. Dieser Prozess wird mit verschiedenen Untermengen so lange wiederholt, bis jedes Objekt der Datenmenge einmal für die Testmenge verwendet wurde.

Was noch von Vorteil wäre, ist visualisiertes Training! Beim visualisierten Training wird die Basisdaten Zeitreihe ständig mit dem Output verglichen oder der Output als lineare Zeitreihe, entweder mit dem Prognoseziel- oder direkt als Ergebnis (Vergleichs- Datenreihe im Chart) mit der zu Grunde liegenden Zeitreihe verglichen. Hier kann schon in einem sehr frühen Stadium erkannt werden, ob es sich überhaupt lohnt das Training fortzuführen! Ein weiterer interessanter Test wäre, und hier beziehe ich alle Handelssysteme (konventionell und neuronale Netze) ein, die Manipulationsmöglichkeit der Kennzahlen! Das hat zwar nicht direkt Aussagekraft auf Qualität und Stabilität des neuronalen Netzes, jedoch kann man damit die mögliche zulässige Schwankungsbreite (bis zur persönliche Schmerzgrenze) des Handelssystems, indem das neuronale Netz eingesetzt wird, simulieren! Dies würde so ablaufen, dass die historische Schwankungsbreite ausgewählte Kennzahlen gemessen- und ständig mit der aktuellen Schwankungsbreite verglichen wird! Für mich persönlich sind Tests, die an gegenwärtigen Situationen angewendet werden wesentlich interessanter, als historische Tests mithilfe der Monte Carlo Simulation oder sonstigen statistischen Prognosemodellen, welche die Zukunft widerspiegeln und prognostizieren sollen! Wie man aktuell sieht, und auch in den letzten Jahren verfolgen konnte, ändern sich die historischen Handelsmuster bei einigen Underlyings drastisch! Aus diesem Grund ist es meiner Meinung ein nicht unwichtige Aspekt, auf welches Underlying man ein neuronales Netz überhaupt entwickelt. Wenn man bei einem Broker handelt, bei dem man grundsätzlich Handelsfreiheit hat, spielt die Auswahl des Underlyings eigentlich keine Rolle, Hauptsache es bewegt sich nach oben oder unten....

Hallo Roger,

ich finde die Darstellung auch sehr interessant, besonders die grafische Veranschaulichung was ein Wavelet (NN-Input Vorverarbeitung bzw. Entrauschen) eigentlich macht.
Irgendwie kam mir die geglätteten Datenreihen bekannt vor, das sieht doch fast aus wie Heikin-Ashi Chart.

Gibt es vielleicht eine Möglichkeit in Investox auf beliebige Datenreihen (NN-Inputs) eine Heikin-Ashi Glättung durchzuführen?

Viele Grüße
Torsten

Hallo Roger,

es wäre verwunderlich wenn NRCM einen anderen Weg wählen würde,da man mit Backprop Algorithmen in der Regel nur über diesen Weg zu stabilen Netzen kommt! Leider hören die Informationen genau da auf wo es ins Eingemachte geht (danach wird es kostenpflichtig) und es wird statt dessen ein Videospiel angeboten! Einige andere Software verwenden andere oder zusätzliche Algorithmen oder integrieren die mühsamen Zwischenschritte als kompaktes,vordefinierte Interface und der User muss nur noch die Indikatoren zufügen! Für diverse US-Software kann man Wavelet PlugIns dazukaufen!

@Torsten

Mit den Berechnungstiteln kann man jede Zeitreihe manipulieren-auch mit Heikin Ashi,GDs usw. Es ist schön das man sieht was ein Wavelet macht (im Grunde das,was man von digitalen Filtern erwartet),aber wie bekommt man Wavelets direkt in Investox so das sie sauber arbeiten??..das ist die bizarre Frage! Ich glaube hier ist auch mal Herr Knöpfel gefragt,vielleicht kann er integrierte Lösungen anbieten...

Hallo datsys,

Zitat

Mittels Wavelets transformierte bzw. entrauschte Daten sehen in der Tat Heikin-Ashi-Candlesticks ähnlich. Nachfolgender Screenshot zeigt einen direkten (visuellen) Vergleich. Im obersten Teilchart ist der DAX zu sehen, im mittleren der DAX durch Wavelets entrauscht und im unteren Teilchart der DAX in der Heikin-Ashi-Darstellung. Durch den direkten Vergleich wird auch der Nachteil von Heikin-Ashi deutlich: HA zeigt (begründet durch die Berechnungsmethode) ein zeitliches Lag im Vergleich zum DAX. Dadurch wiederum wird ein Vorteil von Wavelets ebenfalls deutlich: KEIN zeitliches Lag im Vergleich zum DAX bzw. zu anderen Indikatoren oder Filtern!

Danke für den direkten Vergleich der beiden Berechnungsmethoden.

Ich habe es mir halt so gedacht, solange eine interne- bzw. VB-Wavelet-Funktion noch nicht zur Verfügung steht, dass man mit HA vielleicht schon die NN-Inputs glätten und anschließend über die von Udo vorgestellte Normierungsfunktion noch auf -1..+1 justieren kann. ich denke man müsste damit schon eine spürbare Verbessereung der NN-Lernergebnisse erreichen, hat keine Probleme mit in die Zukunft schauende Wavelets und alle Berechnungen werden vollständig in Investox abgewickelt.

Der Hacken ist die zeitliche Verzögerung, aber die Kröte muss man dann halt schlucken. Das Leben besteht aus Kompromissen und man muss versuchen mit den JETZT vorhandenen Dingen das Beste daraus zu machen

Viele Grüße
Torsten

Hallo datsys

Wenn Interesse besteht, lade ich eine Textdatei mit den entrauschten Daten des DAX (Eod) in der Datenbank hoch, welche dann durch Import in Investox zugänglich werden...
Sehr gerne! Du kannst die Datei alternativ anhängen. Ich denke das sie die geforderte Mindestgröße nicht überschreitet und txt. sollt vom Format zulässig sein!

@Torsten

Ich weiß nicht ob man "die Kröte" unbedingt schlucken muss! Ich denke es gibt Lösungen um den Time Lag zu entfernen! Die Wavelets blicken nicht unbedingt in die Zukunft aber sie benötigen minimal 2 Perioden und den Datenpunkt stabil zu berechnen und zu transformieren! Wenn das NN-Signal zwischen die beiden Datenpunkte gerät, wird es u.U. revidiert!Andererseits bricht die Performance bei korrekter Signalausgabe ein wenig zusammen.Im Gegensatz zu HK oder GD-BTs ist der Wavelet-LAG nicht vorhanden. Digitale Filter arbeiten sehr zeitnah,was man von normalen Glättungsarten nicht gerade behaupten kann-auch dann nicht wenn man versucht den Time-Lag zu beseitigen (Zero-Lag). Sehr zeitnah arbeiten auch Differenzberechnungen da ständig die Abstände zweier Datenpunkte gemessen werden. Dabei radiert man eine mögliche zeitliche Verzögerung quasi aus! Es sollte aber beachtet werden, das in dem Fall auch Kursrauschen berechnet wird! Plötzlich auftretende Anomalien werden genauso ausgewertet wie wichtige Datenpunkte! Daher sollte die Zeitreihe bereinigt werden! Die Datennormalisierung muss nicht bei jedem Input eingesetzt werden,das Investox die Daten skaliert. Bei Differenzen beispielsweise ist eine Normierung schon sinnvoll. In einem Teilchart kann man vorab testen,in welcher Form letztendlich der Input dem NN vorliegt!

@Zweistein

Es ist völlig ok das Du bedenken anmeldest. NN ist eine andere Sparte als konventionelle Systementwicklung aber auch ein Teilgebiet von Investox das weiter entwickelt werden sollte,müsste,könnte... Aber Deinem Paket für Tools die Priorität haben stimme ich auch uneingeschränkt zu. Es brennt eben an vielen Ecken und vieles müsste/könnte zeitgleich eingepflet werden! Da fällt die Entscheidung wahrscheinlich nicht einfach aber wie schon gesagt wird man sicher ausklammern,was in der aktuellen Version 5 nicht machbar oder unzureichend eingepflegt werden kann-so meine PERSÖNLICHE Annahme! Eine kleine Vorschlag-Ergänzung von meiner Seite: Ein echtes Depot aus dem man uneingeschränkt MM/RM/Pyramiden heraus steuern kann und das vereinfachen von immer wieder kehrenden Strategien und Funktionen!

Vom FW-Test könnten meiner Ansicht alle profitieren und ich habe auch oft versucht diesen Vorschlag zu unterstützen weil dieser Test für ein weiterkommen und die Weiterentwicklung der Software m.M. wichtig ist! Andererseits muss man in Erwägung ziehen, das völlig neue Tools vielleicht erst mit einer neuen Version eingepflegt werden können (ist nur eine wage Vermutung von mir!)! Alles andere haben datsys und Roger aausgiebig und treffend geschildert und ich schließe mich dem an!

Zitat von »chied«

kann man auch eine ein Excel Modell für Wavelets im Internet
runterladen (den Link findet man in einem früheren Post)

- Über Pinnacle kann man die Daten gleich im Format ANSII in dieses Execlmodell reinlinken und somit automatisch updaten. An dieses Waveletmodell ist dann ein weiteres, selbst
gebasteltes Excelmodell geknüpft, die die Waveletberechnungen summiert und die Open, High, Low und Close kurse in einer Tabelle darstellt. Dieses Modell kann man als .csv Datei

Ich habe mir das Excelmodell noch nicht angeschaut, ist das so kompliziert, dass man es nicht in einen Berechnungstitel integrieren kann ?

Hallo,

ich hatte vor kurzem - oben im Tread - mal mit dem Excel-Modul "gespielt" und begonnen es nach Investox zu übertragen. Dabei fiel mir rasch auf, dass es fleißig den gesamten Zeithorizont bis zur letzten Periode ausnutzt. Damit schaut es bei allen Experimenten in die Zukunft. Nur in einer wirklichen Simulation in Investox kann es so gebraucht werden.

Aber ich werde mal sehen, ob es nicht eine Lösung gibt, dass das Modul vielleicht nur bis zu einem definierbaren Zeitpunkt die Daten zieht.

Gruß

martin

Hallo,

zur Implementierung von Wavelets habe ich eine Diplomarbeit "Wavelet Toolbox in Java" mit Quellcode gefunden:
http://www.uni-stuttgart.de/gi/education…ten/wengert.pdf
Den Quellcode habe ich leider nicht seperat gefunden, den müsste man sich dann am besten rauskopieren.

Es ist zwar "nur" Java und VB wäre besser für einen extern berechneten Wavelet-Investox-Indikator, aber für erste Untersuchungen an Intraday-HS sicher recht nützlich.
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.

Viele Grüße
Torsten

PS:
Hier wird an einem einfachen Zahlenreihe mal die Haar-Wavelet-Transforamtion veranschaulicht: http://www.welfenlab.de/fileadmin/lehre/…gdv2_folien.pdf