INVESTOX-Forum

Hallo Torsten,
Stationäre Daten sind in dem Fall feste Wertebereiche die sich nicht über die Y-Achse ändern!Beispiel: Oszillation um den Null-Punkt oder Normalisierung von 0-1, wobei 0-1 eine "stationäre Größe ist. Über diese Grenzen hinaus wird kein Wert berechnet oder bei der Oszillation ist der Null-Punkt "stationär"! In Grunde ist es das gleiche wie bei den Inputs für Neuronale Netze!Absolute Berechnungen sind zu vermeiden-z.B. Hurst @ (Close DAX) - (Close S&P500). Hurst Expo stationäre Berechnung: ROC(Close Dax) -ROC(Close S&P500)-falls Differenzen in Betracht kommen!

..in Kurzfassung für den Anwender:

Nimmt der Hurst-Exponent den Wert H=0.5 an, handelt es sich bei der betrachteten Zeitreihe um einen Zufallsprozess dessen Ausgang (Long/Short) 50% darstellt. Bei H < 0.5 handelt es sich um eine antipersistente Zeitreihe, das heißt, dass auf eine Aufwärtsbewegung eine Abwärtsbewegung wahrscheinlich ist und analog.Je mehr HE gegen Null läuft desto ausgeprägter ist dieses Verhalten. Liegt der Hurst-Exponent zwischen 0.5 und 1.0 (>0.5) handelt es sich um eine **persistente Bewegung, das heißt es ist ein Trend auszumachen den wahrscheinlich ein weiterer Trend in die gleiche Richtung folgt. Mit zunehmendem H @ 1 steigt das persistente Verhalten der Zeitreihe.

In der praktischen Anwendung konnte ich keine eklatanten Unterschiede zwischen direkter und stationärer Aufbereitung (Hurs@Roc) feststellen NP Skalierung). Eventuell sieht das in größeren Formelketten oder anderen Zusammenhängen wieder anders aus, das habe ich aber noch nicht getestet!


**(Persitents= Dauerhaftigkeit eines Zustandes)

Hallo Udo

Zitat von »Udo«

Eventuell sieht das in größeren Formelketten oder anderen Zusammenhängen wieder anders aus,

Auf lange Zeitreihen schwankt der Indi über 1/0 hinaus. Guckst Du.

Zitat von »Udo«

Mit zunehmendem H @ 1 steigt das persistente Verhalten der Zeitreihe.

Welchen Unterschied siehst Du (von der Schwankungsbreite abgesehen und der Formel natürlich) zur Verwendung des Z-Score? Die Standard-Interpretation in der Investox Doku zum Z-Score liesst sich nämlich sehr ähnlich zum Hurst-Expo(), und der Z-Score Indi (welcher in Investox nicht direkt vorhanden ist) kann mit dieser Formel leicht nachgebaut werden:

Hurst-Expo:
"Ein Wert von 0,5 zeigt den höchsten Grad an Zufälligkeit der Zeitreihe an. Je stärker der Wert gegen 1 läuft, desto stärker ist das Trendverhalten der Zeitreihe, die Zeitreihe neigt also zu einem gleich bleibenden Verhalten. Je stärker der Wert umgekehrt gegen 0 läuft, desto stärker ist ein Anti-Trendverhalten ausgeprägt (nach steigenden folgen eher fallende Werte und umgekehrt). "

Z-Score:
"Bei einem Z-Score von 0 entspricht die Häufigkeit der Gewinn- und Verlustserien im System dem zu erwartenden Wert.

Ein positiver Z-Score zeigt an, dass es mehr Serien im System gibt als erwartet. In diesem Fall besteht eine Tendenz dazu, dass auf einen Gewinntrade eher ein Verlusttrade folgt als ein weiterer Gewinntrade.

Ein negativer Z-Score besagt umgekehrt, dass die Trades zur Serienbildung neigen, dass es also weniger Serien im System gibt als erwartet."

Hallo Bernd,

die Interpretation und Berechnungsweise des Z-Score vs ExHurst mag sich ähneln- dennoch haben beide Indikatoren unterschiedliche Interpretationen und folglich sind die Ableitungen,transformiert in Werts-Skalen unterschiedlich zu betrachten!

Die Z-Score wird mit Hilfe der Stanadartnornmalverteilung berechnet und besagt genau das was in der Hilfe von Investox steht. Der HurstExpo ist Teil der Fraktalen/Chaos Theorie und misst u.a. Black;White;Pink Noise- so wie Random (H=0.5). Die Hintergründe und die schlussendliche Anwendung in der Methodik machen den Unterschiede. Was mir bei der Frage nicht klar ist: Geht es um die Anwendung-sprich welcher der beiden eignet sich besser als Input für NP/NN oder geht es ums interpretierbare Prinzip der Indikatoren? Wenn es um die erste Annahme geht muss ich Dich auf Tests verweisen weil man nicht aus dem ff sagen kann, welcher Indikator besser/weniger für NP geeignet ist! Grundsätzlich eignen sich oszillierende,stationäre Indikatoren für NN/NP besser als lineare verlaufende und nicht stationäre.

HurstExpo: Der HurstExpo sollte auf jeden Fall (Dein Hinweis oben) in ein stationäres Umfeld eingebunden werden wenn im Betrachtungszeitraum der minimale Wert >2. Ansonsten bleibt der Hurst, da er für jede Periode berechnet wird<1. Das verändern des minimalen Wertes liefert in der praktischen Anwendung oftmals kaum bessere Ereignisse! Meiner Ansicht verwässert man die primäre Kernaussage des Hurst,wenn man ihn in ROC einbindet, da ROC die Bewegung auf-ab widerspiegelt und somit die messbaren Grenzen der Hurst Kernaussagen verwischt werden. Allerdings wird er im NN/NP ohnehin automatisch skaliert-es sei den man fasst die Ausgabewerte des Hurst in eine feste Regel mit binären Ergebnis! Auf Bildchen und Formelkopien habe ich an dieser Stelle verzichtet denn das kann man überall im www nachlesen und betrachten!

Hallo Udo

Natürlich geht es schlussendlich um die Anwendung, denn ich bin eher mit einem gewissen Hang zum Experiment und zum Habtischen ausgestattet und lese z.B. eine Gebrauchsanweisung erst, wenn ich durch Ausprobieren und Nachdenken nicht weiterkomme.

Wegen diesem Problem kam ich mit dem Hurst zunächst nicht weiter und habe mit dem Z-Score als mögliches Substitut experimientiert. Das war aber bisher nicht so erfolgreich wie erhofft; allerdings müsste ich noch weitere Tests machen.

Du bist nun jemand, der die Hintergründe und Funktionsweisen von Formeln gut einschätzen kann, desswegen hat mich ganz einfach Deine Meinung zu Gemeinsamkeiten und Unterschieden interessiert! Vielen Dank für Deine Ausführungen!!!

Dies hier
> Allerdings wird er im NN/NP ohnehin automatisch skaliert ...

ist mir noch nicht bekannt gewesen; bisher habe ich selbst skaliert und normalisiert in Schablonen etc. Verstehe ich das richtig, dies wäre also unnötig? Ich habe in der Doku noch nichts dazu gefunden, oder ich habe es überlesen.

Hallo Bernd,

das NP skaliert steht m.E außer Frage denn sonst wäre die Klassifizierung nicht möglich. Beim NN steht es in der Hilfe:

Vorbereitung des TrainingsVorbereitung des Trainings

Vor dem Training selbst steht das Aufbereiten der notwendigen
Daten und das Anlegen des Neuronalen Netzes. Alle Vorgänge laufen natürlich
automatisch ab und sind in der Regel in einigen Sekunden abgeschlossen:

• 
  Zunächst werden alle nötigen Daten für alle Titel, mit
  denen das Netz trainiert werden soll, berechnet (Basisdaten importieren und
  synchronisieren, Indikatoren berechnen).
  
  
• 
  Danach werden die Daten individuell für jeden Input
  und für den Output skaliert, d.h. in einen für das Neuronale Netz sinnvoll zu
  verarbeitenden Wertebereich projiziert.
  
  
• 
  Das Neuronale Netz wird initialisiert, wobei seine
  Struktur gemäß der gewählten Architektur angelegt und die Verbindungsgewichte
  mit zufälligen Startwerten belegt werden.
  
  
• 
  Dann kann das eigentliche Training beginnen, dessen
  Fortschritt Sie im Trainingsprotokoll mitverfolgen können
  
  

Normalisierung transferiert Werte in stationäre Bereiche. Dies ist vor allen dann notwendig,wenn absolute Werte große Bereiche ausweisen wie z.B. Close DAX-Close Dow ect. Man sollte in dem Fall versuchen diese Berechnung im Vorfeld zu normalisieren-d.h in einen stationären Wertbereich transferieren! Ansonsten kann es passieren, das der Ouput von der Zero-Oszillation zu stark abweicht und den Null-Punkt verschiebt. Folge ist, das entweder weniger Trades-oder überhaupt keine mehr genereiert werden wenn die Abweichung zu heftig wird! Die Qualität der Signale wird ebenfalls gemindert!

Hallo Udo

Zitat von »Udo«

Danach werden die Daten individuell für jeden Input und für den Output skaliert, d.h. in einen für das Neuronale Netz sinnvoll zu verarbeitenden Wertebereich projiziert.

Du interpretierst diesen Teil der Investox Hilfe also so, dass die Daten automatisch skaliert werden.

Zitat von »Udo«

Normalisierung transferiert Werte in stationäre Bereiche.

Nee, is klar.

Zitat von »Udo«

Man sollte in dem Fall versuchen diese Berechnung im Vorfeld zu normalisieren-d.h in einen stationären Wertbereich transferieren!

Was jetzt? Sollte *man* "versuchen", das selber zu tun - oder macht es jetzt Investox automatisch? Und was heisst versuchen, Normalisieren ist ja nun kein Hexenwerk; entweder man macht es oder man lässt es bleiben.

Zitat von »Udo«

Folge ist, das entweder weniger Trades-oder überhaupt keine mehr genereiert werden wenn die Abweichung zu heftig wird! Die Qualität der Signale wird ebenfalls gemindert!

Nun bin ich ziemlich konfus. Mache ich das Normalisieren nun selber, oder überlasse ich das Investox und dann kommt nix bei rum? Sorry Udo, aber das Orakel von Delphi war eine Anfängerin gegen Dein letztes Posting.

Hallo Bernd,

wenn man beispielsweise große Werte subtrahiert-dividiert und diese Wertebereiche außerhalb von 0-1 oder 1/-1 liegen sollte man versuchen sie vorzuverarbeiten-zu normalisieren. Nimmt man beispielsweise ROC als Input muss man nicht unbedingt vorverarbeiten,da dieser im Wertebereich des Outputs schwankt! Der Output eines NN arbeitet im Idealfall mit dem Overcross 0. Trotz Skalierung werden aber sehr hohe Wertangaben vom NN nicht einwandfrei skaliert und können vom 0-Punkt abschweifen! Der beste Test dafür ist der Input Close-GD in einem Backprop Netz! Dieser Inputs sollten normalisiert werden so das seine Werte einen stationären Fixpunkt bzw. stationäre Range haben (0-1).Oszillierende Indikatoren haben in den meisten fällen einen stationären Fixpunkt. Hier kann das NN selbst skalieren!Think simple.... Also nochmal: Oszillierende Inputs mit einem konstanten Fixpunkt werden in der Regel vom NN skaliert. Berechnungen die hohe,schwankende Fluktuation auf der Y-Achse aufweisen wie z.B. Close-Close xy mit hohen Wertbereiche e sollten in den Bereich -1/1 oder 0-1 transformiert werden! Also kein Delphi sondern eine simple Transformation! Von Delphi hab ich keine Ahnung- verdient man damit was an der Börse?

Hallo,

nochmal zum Thema Skalierung bei den Neuronalen Neztzen (ist in der Doku eigentlich deutlich beschrieben): Sowohl bei den Standard-NNs wie auch bei NeuroClassify bzw. NeuroClassifyWF von Neuro Plus! werden die Inputdaten automatisch skaliert.

Die einzige Ausnahme hierzu im Neuro-Bereich ist der Indikator NeuroPrognose() - bei diesem findet keine automatische Skalierung statt (daher auch die hierbei helfende Funktion im Dialog Inputanalyse). Der Grund dafür ist, um dies auch gleich zu sagen, dass dieser Indikator keine interne Speicherung (hier: der Skalierungsdaten) vornimmt.

Viele Grüße

Andreas Knöpfel