|
Strategischer
Handel
mit Neuronalen Netzen
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Um
an den Terminmärkten auf Dauer zu den Gewinnern zu zählen, reichen
wirtschaftliche Kenntnisse |
|
|
nicht
aus. Kurse bzw. Kursverläufe entstehen aus menschlichen Emotionen bzw.
Verhalten. |
|
Startseite |
Menschen
sind gierig und ungeduldig. Daraus entstehen oft chaotische
Kursentwicklungen. |
|
|
Das
Grundmotiv sollte sein: Gewinn laufen zu lassen und Verluste zu begrenzen. |
|
|
|
An
der Börse werden Hoffnungen und Ängste gehandelt. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Ohne
ein spezielles Handelssystem ist es fast unmöglich in den heutigen
volatilen Märkten zu |
|
|
bestehen.
Die Strategie von System-Investor liegt darin, Trading-Chancen zu nutzen. |
|
|
|
Unsere
Systeme haben sich nicht nur auf dem Papier bewährt, sondern sind auch in
der Praxis |
|
|
erfolgreich
umsetzbar. Zur Erprobung eines Handelsansatzes bedarf es viel Zeit. Ein
System muss |
|
|
sich
erst in vielen Testläufen bewähren. System-Investor hat sich 2 Jahre mit
der Entwicklung von |
|
|
diesen
3 Handelssystemen beschäftigt. Daran sieht man schon den enormen
Zeitaufwand für nur |
|
|
3
Handelsstrategien. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Ziel
der Systeme ist es den Trend zu erkennen und entsprechend zu handeln. Bei
allen Future-Märkten |
|
|
handelt
es sich um End-of-Day-Systeme, wobei der Positionswechsel immer zum
Marktschluss |
|
|
stattfindet. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Für
die Entwicklung steht ein Hochleistungsrechner und eine hoch qualitative
Software zur Verfügung. |
|
|
Zum
Einsatz kommen hier neuronale Netze und genetische Algorithmen. Durch das
ständige trainieren |
|
|
neuer
Netze, passen sich die Prognosen ständig dem Markt an, denn der Markt ist
immer im Recht. |
|
|
|
|
|
|
|
|
|
|
|
Neuronale
Netze kann man mit einem menschlichen Experten vergleichen, d.h. ein
neuronales Netz |
|
|
soll
künftige Entwicklungen prognostizieren. Das NN sammelt wie der
Mensch/Analyst seine |
|
|
Erfahrungen
aus der Vergangenheit. Der Vorteil des NN liegt darin, die menschlichen
Emotionen aus- |
|
|
zuschalten.
Es sucht selbst Lösungen für die gestellten Aufgaben. Die Netze lernen
etwas über den |
|
|
Datenzusammenhang.
Ein gutes neuronales Netz sollte schon die Qualität eines guten Analysten |
|
|
haben.
Dafür ist es wichtig die Buy and Hold-Strategie deutlich zu schlagen. |
|
|
|
|
|
|
|
|
|
|
|
|
Welche
Möglichkeiten bestehen eigentlich für die Finanzprognosen? |
|
|
|
|
Kann
man Kursentwicklungen an den Terminmärkten überhaupt vorhersagen? Bei
den Märkten gibt es |
|
|
ein
ständiges Auf und Ab. Auf den ersten Blick sehen diese Bewegungen über
Monate und Jahre wie |
|
|
zufällig
aus. Der zweite Blick sollte uns eines besseren belehren. Schon seit
vielen Jahren wird versucht |
|
|
aus
den bekannten Kursdaten bzw. -mustern von der Vergangenheit auf die
Zukunft Rückschlüsse |
|
|
zu ziehen. |
|
|
|
|
|
|
|
|
Wenn
man also annehmen könnte, dass die heutigen Kursentwicklungen von denen
der Vergangenheit |
|
|
mit
bestimmt werden, dann erscheint es sicherlich lohnenswert Neuronale Netze
für diese Prognose zu |
|
|
entwickln. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Doch
man sollte nichts Unmögliches verlangen. Rein zufällige Zeitreihen können
auch von neuronalen |
|
|
Netzen
nicht vorhergesagt werden. Wenn sich zwischen den Inputs die man dem Netz
anbietet und den |
|
|
gewünschten
Output keine regelhafte Beziehung besteht, kann das Netz auch keine vernünftige |
|
|
Prognose
geben. |
|
|
|
|
|
|
|
Aus
dieser Sicht sind neuronale Netze vereinfacht gesagt, Computerprogramme
die den Nerven- |
|
|
systemen
des Menschen nachempfunden sind. |
|
|
|
|
|
Neuronale
Netze sind somit eigentlich unvollendete Programme die erst lernen müssen,
wie sie die |
|
|
verschiedenen
Aufgaben am besten lösen. Bevor sie dies jedoch können, müssen sie erst
trainiert |
|
|
werden.
Chaotische oder schwierig zu berechnende Beispiele, wo es keine perfekte Lösung
gibt, |
|
|
können
daher sehr gut mit NN bearbeitet werden. Ein Netz lernt aus der Vielzahl
der ihm zur Verfügung |
|
|
gestellten
Eingaben (Inputs). Das Netz merkt sich nicht die verschiedenen Muster,
sondern es versucht |
|
|
charakteristische
Merkmale dieser Muster zu erkennen. Das Netz lernt mit der Zeit welche
Informa- |
|
|
tionen
mehr und welche weniger zu beachten sind. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Für
unsere Systeme lag der Aufwand vor allem darin, die richtigen Inputs
(Indikatoren) und die richtigen |
|
|
Zeitreihen
zu finden, damit das NN auch in der Zukunft noch vernünftige Ergebnisse
liefert. |
|
|
Wenn
ein NN nur mit Aufwärtsbewegungen trainiert wird, kann es einen Crash
oder eine Korrekturphase |
|
|
natürlich
nicht erkennen. |
|
|
|
|
|
|
|
Ein
grosser Punkt ist auch die Volatilität. Vor ein paar Jahren haben die Märkte
wie Dax etc. nicht |
|
|
solche
enormen Tagesschwanken absolviert. Hat eine Netz nur Erfahrung mit
kleineren Kurs- |
|
|
schwankungen,
ist es natürlich nicht zu erwarten, daß diese volatilen Märkte von
heute zu bewältigen |
|
|
sind. |
|
|
|
|
|
|
|
|
Sie
sehen, es gibt viele Kombinationsmöglichkeiten, sodaß es keine zwei
identischen Neuronalen |
|
|
Netze
jemals geben muss. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|