NeuroStrategy FAQ
This site is best viewed in a browser that conforms to web standards.
Die diversen auf neuronalen Netzen basierenden Anwendungen für die Analyse von Finanzinstrumenten, die heute auf dem Markt zu finden sind, verlangen vom Anwender die Definition und Aufbereitung der Eingabedaten sowie meist die Formulierung und den Test der Reaktion. Nicht selten muss der Anwender sogar Art und Struktur des verwendeten Netzes bestimmen und dutzende Parameter für das Training feinjustieren. Diese Tätigkeiten erfordern Expertenwissen aus Bereichen wie Statistik, Mathematik sowie Chart- und Finanzanalyse und Erfahrung im Umgang mit Systemen künstlicher Intelligenz. NeuroStrategy nimmt Ihnen diese komplexen Aufgaben ab.
So haben wir beispielsweise auf Basis unserer Erfahrungen in der Zeitreihen-Analyse eine Vielzahl von Datentransformationsverfahren eingesetzt, um die historischen Daten eines Wertpapiers in einer für ein Mesh auswertbaren Form aufzubereiten. So müssen Sie sich als Anwender nicht mehr mit den Problemen der Berechnung und des Tests so genannter "Marktindikatoren" befassen. Auch die Auswahl geeigneter Darstellungsformen der Eingabedaten sowie deren Vorbereitung für die neuronale Verarbeitung werden Ihnen abgenommen.
Unser Ziel war die Bereitstellung eines universellen Systems, das so viele Wertpapiere wie möglich profitabel handhaben kann. NeuroStrategy bietet Ihnen in der Version 1.1 nunmehr drei verschiedene Typen von Meshes zur Verwendung an, jede mit einer optionalen Erweiterung (Component Extraction).
Die Typen
unterscheiden sich lediglich durch die verwendeten Inputs. Während Meshes vom Typ UMI einige Inputs aus dem Bereich des Technical Trading verwenden, werden die Meshes vom Typ NMI ausschliesslich mit Daten versorgt, die durch andere Aufbereitungsverfahren gewonnen werden. Die TSM-Meshes schliesslich verwenden Inputs, die durch Time Series Modelling aus den originalen Zeitreihen berechnet werden. Unsere umfangreichen Tests haben ergeben, dass selbst die meistgenutzten Indikatoren des Technical Tradings bei vielen Wertpapieren nicht sinnvoll einsetzbar sind. Es gibt jedoch ebenso viele Wertpapiere bei denen die Verwendung von solchen Marktindikatoren die Bildung einer profitablen Strategie stark befördert. Wir empfehlen daher, für ein bestimmtes untersuchtes Finanzinstrument Strategie-Modelle unter Verwendung aller drei verfügbaren Typen zu bilden und diese miteinander zu vergleichen, um eine Auswahl zu treffen.
Zu den Basis-Typen stehen in NeuroStrategy erweiterte Mesh-Typen bereit. Sie verfügen über eine deutlich höhere Verarbeitungskapazität. Etwas technisch ausgedrückt, sind sie in der Lage, aus dem mehrdimensionalen Raum der Eingabedaten jene Dimensionen (Components) zu extrahieren, die den grössten Anteil nutzbarer Information enthalten. Damit können sie selbst aus Daten mit geringem Informationsgehalt noch sinnvolle Schlussfolgerungen ziehen.
Die Mesh-Typen mit Component Extraction implementieren somit eine Art Filterfunktion mit zusätzlicher Aufbereitung der Eingabedaten, bevor diese in den eigentlichen Verarbeitungspart des Meshes gelangen. Diese Typen sind geeignet für die Analyse von Werten, für die mit den normalen Mesh-Typen kein zufriedenstellendes Ergebnis erzielt werden kann. Dann und nur dann sollten sie eingesetzt werden. Ihre Verwendung birgt auch potentielle Probleme. So können durch die Filterung wertvolle Informationen verlorengehen. Ausserdem kann die deutlich höhere Verarbeitungskapazität zu einer Überspezialisierung (Overfitting) auf die Trainingsdaten führen. Nicht zuletzt dauert das Trainieren dieser Mesh-Typen länger, da ihr Neuronengeflecht deutlich grösser ist als das der Standard-Typen.
