- [SHAREHOLDER-2759] (Börsensoftware-Handelsstrategien) (.2) Bereitstellung eines neuen Handelsstrategie-Addon's "Momentum/Relative Stärke"
- [Weitere Dokumentation] vom 2018-08-08 15:10:44
Finde die Werte mit den höchsten relativen Stärken auf zwei verschiedene Zeitperioden, die gleichzeitig eine niedrig Volatilität haben.
- Die gewünschte Strategie basiert auf 3 Faktoren, die flexibel prozentual gewichtet werden können.
- Das Ergebnis soll in einer sortierbaren Liste mit einem Gesamtwert angezeigt werden
Berechnung:- Faktor 1: RSL (nach Levy) - Standardwert: 12 Monate
- Faktor 2: RSL (nach Levy) - Standardwert: 6 Monate
- Faktor 3: Volatilität - Standardwert: 2 Monate
- [SHAREHOLDER-2758] (Börsensoftware-Filtersystem und Handelssystem) (.2) Scripting-Studio lädt die Source-Code-Files und kompiliert diese entsprechend der Systemumgebung
vom 2018-08-08 13:18:24Als Nutzer möchte ich auf alle Handelsstrategien direkt zugreifen können ohne ein vorherigen Compile-Vorgang. Dies stellt auch sicher, dass ich je nach Version (32bit|64bit) die optimierte Version nutzen kann.
- [SHAREHOLDER-2699] (Börsensoftware-Architektur) (.2) Bereitstellung einer 64-Bit-Performance-Version parallel zur 32-Bit-Börsensoftware für alle registrierten Nutzer der Profiversion
vom 2018-08-08 13:18:10
Als Nutzer möchte ich unter modernen Betriebssystemen auch die 64-Bit-Version der Börsensoftware ShareHolder nutzen können. Aktuell kann die 32-Bit-Lösung sowohl in der effizienten Speichernutzung als auch in der Performance nicht alle Möglichkeiten meines Systems nutzen.
Die 64-Bit-Version bringt generelle Vorteile in der:
- Effizienten und massiven Nutzung von Caches durch einen breiteren nutzbaren Speicherbereich
- Effizientere und schnellere Berechnungen mit Gleitkommawerten
Die 64-Bit-Version ist nur in der Profiversion enthalten. Die Versionen sollen transparent und schnell zwischen 32 und 64Bit gewechselt werden können. Die 64Bit-Börsensoftware-Version ist "noch" experimentell, da bisher zuwenige Testumgebungen zur Prüfung genutzt werden konnten. Die Version bringt ein Performancevorteil in der Nutzung zwischen +10 und +35%!Die einzige bisher bekannte Einschränkung ist die inperformante Nutzung von Tai-Pan. Die Aktualisierungen dauern durch Daten-Mappings hier um ein vielfaches länger. Bitte für diese Fälle immer auf die 32-Bit-wechseln. Für den Umgang und Training der Neuronalen Netzen zur Kursprognose sollten Sie immer auf die 64-bit-Version wechseln!
Hinweis: Alle Profiversionsnutzer bekommen absofort immer eine 32-bit UND eine 64-Bit-Version ausgeliefert. Dies ermöglicht den nahtlosen Wechsel zwischen den Versionen. Im Standard wird zunächst weiterhin die 32Bit-Version geladen!
Die Bereitstellung einer 64-Bit-Version ist ein Riesenschritt und zog sich leider über mehrere Monate hin, so dass diese erst jetzt bereitgestellt werden konnte. Ich bin aber extrem happy, diese nun endlich für die Kunden bereitstellen zu können ;) !
- [SHAREHOLDER-2730] (Börsensoftware-Machine-Learning-und-Neuronale-Netze) ML: Datenfunktion Candlestick-Daten
vom 2018-08-08 13:17:56Als technischer Nutzer, möchte ich die Daten eines Candlesticks separat auswerten können d.h. vom Tag, Vortag und VorVortag die Berechnungen wie High-Low-Range, High-Close, Close-Low als % zu Vortag. Die Idee dahinter ist es die Grundanstätze von Candlestick-Patterns in einem AI-Ansatz selbst zu erlernen.
Damit wäre eine Datenfolge notwendig von:
Fx: High-Low-Range-0
Fx: High-Low-Range-1
Fx: High-Low-Range-2
Fx: High-Low-Range-3
Fx: High-Low-Range-4
Fx: High-Close-Range-0
Fx: High-Close-Range-1
Fx: High-Close-Range-2
Fx: High-Close-Range-3
Fx: High-Close-Range-4
Fx: Low-Close-Range-0
Fx: Low-Close-Range-1
Fx: Low-Close-Range-2
Fx: Low-Close-Range-3
Fx: Low-Close-Range-4
Fx: Open-Close-Range-0
Fx: Open-Close-Range-1
Fx: Open-Close-Range-2
Fx: Open-Close-Range-3
Fx: Open-Close-Range-4 - [SHAREHOLDER-2757] (Börsensoftware-Architektur) (.1) Performanceoptimierungen und Leaks
vom 2018-08-07 16:47:19Umstellung der Build-Prozesse aus separat e Release-Konfigurationen d.h. die Entwicklung erfolgt mit anderen Build-Konfigurationen als für die freigegebene Versionen. Hierbei werden spezielle Optimierungen genutzt. Diese sind für den Nutzer deutlich spürbar (+20..30%). Gleichzeitig wird der Speicherbedarf merklich reduziert (-22%)
- [SHAREHOLDER-2755] (Börsensoftware-Machine-Learning-und-Neuronale-Netze) (.1) ML: Inputneuronen sollten mehrfach selektiert werden können, um schneller Netze aufbauen zu können
vom 2018-08-07 15:39:27Als Nutzer möchte ich die Eingabeneuronen nicht einzeln aktivieren, sondern eine Mehrfachselektion für die Indikatoren nutzen können!
Als Nutzer möchte ich ein Anleitungsvideo zur Erklärung und Nutzung des Neuronalen Netzes im Zusammenspiel mit H20 bekommen.
- [SHAREHOLDER-2752] (Börsensoftware-Technische Indikatoren) (.1) Indikatoren-Auswahl zeigt keine korrekt ausgerichtete Tab-Auswahl
vom 2018-08-07 11:02:55Die Indikatorenauswahl im Chartfenster zeigt keine sauberen einzeiligen Auswahl-Sheets.
- [SHAREHOLDER-2751] (Börsensoftware-Machine-Learning-und-Neuronale-Netze) (.1) ML: Anzeige des Speichervorgangs mit Prozess-Fortschritt
vom 2018-08-07 10:57:24Als Nutzer möchte ich erkennen, wie der Speichervorgang verläuft. Es sollte daher auf die OK-Bestätigungen verzichtet werden und direkt ein Status-Fortschritt angezeigt werden. Der separat e ZIP-Speicher-Vorgang sollte separat angezeigt und erkennbar sein.
- [SHAREHOLDER-2718] (Börsensoftware-Machine-Learning-und-Neuronale-Netze) ML: Bereitstellung von Trainings-und Validierungsdaten für Machine-Learning-Systeme wie Tensorflow und H20
[Weitere Dokumentation] vom 2018-08-06 16:08:57
Als Nutzer mit einer technischen Affinität möchte ich die native und aufbereitbare (Indikatoren) Datenbasis von ShareHolder nutzen, für eigene technische Implementierungen von Machine-Learning-Ansätzen.
Die speziellen Aufbereitungen für technische Indikatoren (Zonen, Verzögerte Signalsetzungen, Aktivierungsgrade, Kauf/Verkaufssignale) sollen ebenso Anwendung finden. Für die Aufbereitung sollen die bildbaren Sets z.B. auf Marktbasis nutzbar bleiben.
Die Ansätze sind alle bereits in der vorhandenen Implementierung der Neuronalen Netze integriert (siehe Anhang) und sollen mit neuen Datenbereitstellungs-Routinen erweitert werden, so dass gepackte CSV-Datein (GZ) für Drittsysteme zur Verfügung stehen. In Ausbaustufen können diese dann auch über Amazon S3-Buckets bereitgestellt werden (nicht im Scope dieses Tickets).
Ziel für mich als Nutzer ist die komplett unabhängige Nutzung von ShareHolder der Daten, für die modersten Algorithmen und Bibliotheken. Es sollen so eigene Entwicklungen von ML und Deep-Learning-Algorithmen genutzt werden, unter Nutzung modernster Ansätze wie GPU, TPU/Cloud-Support.
Als Output-Werte für die Zielsetzung der Kursprognose werden die einstellbaren Werte aus dem Programm verwendet werden ("Ziel des Netzes" mit X Tagen Kursprognose) und stehen im CSV-Export als zu lernende Zielwerte zur Verfügung (eigenes Attribut F1 und F2).
Damit soll in Summe in einem ersten Setup folgendes Feature/Attribut-Set im Export geschrieben werden. Die in ShareHolder ebenfalls integrierte mögliche Datenglättung mit X Tagen wird über das F7 Feld "Close-Smoothed" separat ausgespielt.
- / Fx: Prognose-Zielwert als % (Floating)
- / Fx: Prognose-Zielwert als % (Binaer mit Steigt, Fällt, Keine Änderung d.h. 0.xx )
- / Fx: Prognose-Zielwert als % (Ganzzahlig auf %)
- / Fx: Datum
- / Fx: Wochentag (Korrelationsannahme z.B. für "Turnarround Tuesday-Verhalten")
- / Fx: Kalenderwoche (Korrelationsannahme für bessere Werten zum Beispiel zum Jahreswechsel)
- / Fx: Close
- / Fx: Close-Smoothed
- / Fx: Relatives-Volumen
- / Fx: High-Low-Range in % zum Vortag
- / Fx: High-Close-Range in % zum Vortag
- / Fx: Low-Close-Range in % zum Vortag
- / Fx: Open-Close-Range in % zum Vortag
- / Fx: Export der Indikatorenwerte entsprechend der Indikatoren-Input-Neuronen-Selektion in ShareHolder
Der Attribut-Export ist damit abhängig von dem konkreten Setup in ShareHolder.Der konkrete Export erfolgt dabei UND/ODER während dem Schritt "Datenvorverarbeitung" (siehe Anhang).
Als Vision:
Weitere Details zur Vision: [https://www.shareholder24.de/wiki/books/boersensoftware/page/installationsanleitungen-h2o]Die Datenbereitstellung sollte für H20 automatisiert inkl. HFS-Import über die API erfolgen. Der Gesamtprozess soll damit manuelle Schritte weitgehend vermeiden.
Die Bereitstellung soll so erfolgen, dass Deep-Learning-Modelle oder generelle Machine-Learning-Algorithmen genutzt werden können, die dann mit neuen Daten für eine Vorhersage gefüttert werden können, um eine entsprechende Vorhersage durchzuführen. Dies kann wieder zurückgespielt werden in ShareHolder analog der heutigen internen Kursvorhersage.
Da aber das Ziel des Modells unterschiedlich sein kann, werden immer nur Zahlwerte angenommen. Es können damit auch nur einfache binäre Aussagen wie Steigt | Fällt | Unverändert vorhergesagt werden können. Die Flexibilität sollte möglich sein. Das Modell kann dabei auch auf Cloud-Instanzen liegen.
- [SHAREHOLDER-2723] (Börsensoftware-Machine-Learning-und-Neuronale-Netze) ML: Ergänzt um "Prognose"-Zielwerte in diskreter Form (steigt|fällt) und aufgerundeten % - Werten
vom 2018-08-06 15:59:58Als technischer Nutzer möchte ich für meine Deep-Learning-Modelle nicht nur konkrete Prognose-Daten verwenden können, sondern auch binär-Aussagen bzw. diskretere Aussageformen wie gerundete Ganzzahlwerte erhalten. Diese Daten sollen zusätzlich bereitgestellt werden im Output-Format der ML-CSV-Exports.
Berechnung der Prognose-Werte als einfache Binär-Werte d.h.
- - 1: Fällt
- 1: Steigt
- 0: Keine Änderung d.h. die Kursveränderung beträgt gerundet 0
Die Funktion baut intern auf die ganzzahlige Kursprognose-Werte auf. - [SHAREHOLDER-2748] (Börsensoftware-Machine-Learning-und-Neuronale-Netze) Deep-Learning-Export: Ausgabe der verwendeten Orginal-Kurs-Werte für spätere algorithmische Auswertungen
vom 2018-08-06 15:59:07Als Nutzer möchte ich auch Zugriff auf die Orginal-Kurswerte für manuelle Vergleiche nutzen können bzw. für externe Datenmanipulationen/Aggregatfunktionen etc.
- [SHAREHOLDER-2746] (Börsensoftware-Machine-Learning-und-Neuronale-Netze) Funktion: Open-Close-Range in % zum Vortag (Parametisiert mit Basistag-Verschiebungen)
vom 2018-08-06 15:58:54Die Range zwischen Open und Close-Wert sollte in % zum Vortag als Funktion bereitgestellt werden, da im Rahmen eines Neuronalen Netzes hier Auswertungen möglich erscheinen. Die Funktion sollte einen Basiswert zulassen, d.h. 0, -1, -2 als Datumsverschiebungen zum heutigen Tag zulassen.
- [SHAREHOLDER-2745] (Börsensoftware-Machine-Learning-und-Neuronale-Netze) Funktion: Low-Close-Range in % zum Vortag (Parametisiert mit Basistag-Verschiebungen)
vom 2018-08-06 15:58:44Die Range zwischen Low und Close-Wert sollte in % zum Vortag als Funktion bereitgestellt werden, da im Rahmen eines Neuronalen Netzes hier Auswertungen möglich erscheinen. Die Funktion sollte einen Basiswert zulassen, d.h. 0, -1, -2 als Datumsverschiebungen zum heutigen Tag zulassen.
- [SHAREHOLDER-2744] (Börsensoftware-Machine-Learning-und-Neuronale-Netze) Funktion: High-Close-Range in % zum Vortag (Parametisiert mit Basistag-Verschiebungen)
vom 2018-08-06 15:58:36Die Range zwischen High und Close-Wert sollte in % zum Vortag als Funktion bereitgestellt werden, da im Rahmen eines Neuronalen Netzes hier Auswertungen möglich erscheinen. Die Funktion sollte einen Basiswert zulassen, d.h. 0, -1, -2 als Datumsverschiebungen zum heutigen Tag zulassen.
- [SHAREHOLDER-2743] (Börsensoftware-Machine-Learning-und-Neuronale-Netze) Funktion: High-Low-Range in % zum Vortag (Parametisiert mit Basistag-Verschiebungen)
vom 2018-08-06 15:58:24Die Range zwischen High und Low-Wert sollte in % zum Vortag als Funktion bereitgestellt werden, da im Rahmen eines Neuronalen Netzes hier Auswertungen möglich erscheinen. Die Funktion sollte einen Basiswert zulassen, d.h. 0, -1, -2 als Datumsverschiebungen zum heutigen Tag zulassen.
- [SHAREHOLDER-2750] (Börsensoftware-Machine-Learning-und-Neuronale-Netze) ML: Exportdaten als ZIP bzw. GZ-Datei bereitstellen
vom 2018-08-06 15:58:08Da die Daten sehr gut gepackt werden können, sollten dies auch entsprechend als GZ bzw. ZIP-Datei bereitgestellt werden.
- [SHAREHOLDER-2742] (Börsensoftware-Machine-Learning-und-Neuronale-Netze) Funktion: Relatives Volumens
vom 2018-08-06 15:57:32Als Nutzer möchte ich das relative Volumen nutzen können für das Training der Neuronalen Netzen.
- [SHAREHOLDER-2741] (Börsensoftware-Machine-Learning-und-Neuronale-Netze) Deep-Learning-Export: Ausgabe der verwendeten Kurs-Datumswerte für spätere algorithmische Auswertungen
vom 2018-08-06 15:57:20Als Nutzer möchte ich auch Zugriff auf die Datumswerte der verwendeten Kursdaten für manuelle Vergleiche haben können bzw. für externe Datenmanipulationen/Aggregatfunktionen etc.
- [SHAREHOLDER-2740] (Börsensoftware-Machine-Learning-und-Neuronale-Netze) Deep-Learning-Export: Prognose-Zielwert als % (Ganzzahlig auf %)
vom 2018-08-06 15:57:10Als Nutzer möchte ich bei der Kursvorhersage nicht mit Gleitkommawerten rechnen, sondern mit ganzzahligen % Werten, wobei die Werte kaufmänisch gerundet sein sollten.
- [SHAREHOLDER-2729] (Börsensoftware-Machine-Learning-und-Neuronale-Netze) ML: Datenfunktion Wochentag
vom 2018-08-06 14:06:03Als technischer Nutzer, möchte ich den Wochentag als Zahlwert (0..6) auswerten können für meinen ML-Algorithmus.
- [SHAREHOLDER-2749] (Börsensoftware-Chart) Chart: Volumenanzeige sollte in der Größe angepasst werden können (Splitter)
vom 2018-08-06 14:03:59Als Nutzer möchte ich die Volumenanzeige in der Größe verändern können.
Korrekturen
- [SHAREHOLDER-2756] (Börsensoftware-Machine-Learning-und-Neuronale-Netze) (.1) Rearrangements für Neuronale Netze fehlerhaft
vom 2018-08-07 15:51:10Werden neue Eingabeneuronen hinzugenommen, kann es bei der Neueinordnung der Hidden-Layer zu fehlerhaften Netzverbindungen kommen.
- [SHAREHOLDER-2754] (Börsensoftware-Machine-Learning-und-Neuronale-Netze) (.1) Neuronen-Verbindungen beim Hinzufügen von neuen Inputneuronen werden teilweise falsch dargestellt
vom 2018-08-07 15:18:48Wenn ich als Nutzer neue Eingabe-Neuronen hinzufüge, dann ist das nachfolgende Hidden-Layer-Netz anschließend nicht mehr korrekt ausbalanciert.
- Ein besonderes Dankeschön an alle Kunden für Ihre Fehler/Anforderungsrequest's, die mit diesem Release berücksichtigt werden konnten!