Kursprognosen

(0 Votes)

Anwendung und Nutzung der Kursprognosen

Kurze Einleitung

Kursprognosen in der Börsensoftware basieren zunächst auf ML-Modellen. Diese werden definiert, trainiert, optimiert und dann angewendet. Die Definition erfolgt auf Basis von selbst ausgewählten sinnvollen Indikatoren und dessen Parameter-Setups. So können auch Short und Long-Szenarien separat mit eigenen Setups berücksichtigt werden.

Vorkonfigurierte Kursprognose-Modelle für den US, DE, Forex, Rohstoff-Markt

Die Entwicklung und Optimierung von Modellen ist nicht trivial. Es werden daher für den US-Markt : Nasdaq, für den deutschen Markt, für Devisen und für Rohstoffe jeweils eigene Modelle als vorkonfigurierte Setups bereitgestellt. Diese können daher über den Kursprognose-Service als AddOn erworben werden. Nach Einspielung des AddOns und der Aktualisierung der letzten Kursprognose-Daten stehen diese dann umgehend in ShareHolder zur Verfügung. Die verfügbaren Kursprognosen die über das AddOn freigeschaltet werden, können auch für ein Trading-Setup (XTB-Broker) mit Echtdaten-Schnittstelle verwendet werden. Hierfür wird ein weiteres Programm neben ShareHolder ausgeliefert mit einer Realtime-Datenschnittstelle. Das Setup fokussiert sich hierbei auf folgende Titel: Gold, Bitcoin, SP500, Nasdaq und DAX. Siehe hierzu unter: https://ml-algotrader.com

Die Kursprognose in ShareHolder selbst sind nur auf Marktebene beschränkt und entsprechend den Titeln in den vorkonfigurierten Beobachtungslisten mit "Algo*" z.B. Algo-Indizes, Algo-Rohstoffe-Metalle.

Beispiel-Ansicht für Prognosen

Nachfolgend als konkretes Beispiel eine Kursprognose mit der Detail-Ansicht. Im Hintergrund sehen Sie eine Watchliste die 4 verschiedene Kursprognose-Modelle (definierbar) direkt in einer Beobachtungsliste mit farblichen Markierungen. Dabei "altert" die farbliche Markierung automatisch, wenn die Kursprognosen weiter zurückliegen.

AddOns zur Nutzung der Kursprognose

Die Kursprognosen werden in Shareholder über AddOns eingebunden:

  • Kursprognose-Service-AddOn d.h. Bereitstellung und Nutzung der Prognosedaten für vordefinierte Titel und Zeiteinheiten, die immer bis 22:30 wochentags zur Verfügung gestellt werden. Die Echtzeit-Trading-App (siehe https://ml-algotrader.com ) ist Bestandteil der Erweiterung.
  • Kursprognose-AddOn d.h. Bereitstellung einer Basis-Konfiguration (H2o-Framework) und von Basismodellen für eigene Prognose-Modelle. Die für den Kursprognose-Service genutzten Modellen werden hierbei mit zugänglich gemacht.

Prognose-Qualität und Einordnung

Die in ShareHolder bereitgestellten Kursprognosen werden seit 02/2019 in einer historischen Datenbank gespeichert, um rückwirkend eine Einschätzung zur Prognosegenauigkeit mit Echtdaten vornehmen zu können. Diese ergeben ein eindeutiges Bild, dass bei den vorhandenen Kursprognose Zeitfenster von 2,3,5,10,20 und 30 Tagen die Prognose-Qualität mit größer werdendem Fenster steigt, d.h. eine 30d Kursprognose kann bis zu 75% die richtige Richtung vorhersagen, während der sehr kurzfristigen Zeitfenster von 2-5d zwischen 51 und 65% schwanken.

Topologie der Modelle

Feature-Set-Bildung

Um mit Machine-Learning-Modellen zur effektiven Prognose z.B. des Goldpreises oder eine DAX-Prognose bzw. Bitcoin-Prognose zu kommen, müssen zunächst aufbereitete Trainingsdaten erzeugt werden. Diese werden innerhalb auf Basis von Trainings-Modellen erstellt. Sie greifen dabei auf weit über 120 "Features" d.h. technischen Indikatoren zu. Im Modell-Training wird dabei ein selbstlernendes Training durch die Machine-Learning-Algorithmen verwendet. Die Nutzung, Parametrisierung und Gewichtigung in der Verwendung der "Feature" für optimale Prognose-Genauigkeiten werden so bestimmt. Die Indikatoren werden hierbei in der vollen Breite der Möglichkeiten genutzt. Hierzu gehören insb. der Indikatorwert, die Zone, berechnete Signale und mögliche Divergenzen. Im aktuell optimierten Modell werden damit weit mehr als 120 Eingabedaten automatisch berechnet und für das Training und für die Kursvorhersage verwendet. Diese werden pro Tag und pro Titel erzeugt und aufgeteilt zwischen reinen Trainings und zur Prüfung notwendigen Validierungsmengen. Der Split-Faktor kann dabei frei festgelegt werden zwischen den Trainingsdaten und Validierungsdaten.

Notwendige Differenzierung zwischen den Märkten für optimierte Prognosen

Da die Märkte sich unterscheiden, wird für den Kursprognose-Service bewusst zwischen den verschiedenen Märkten unterschieden. Es werden jeweils eigene ML-Modelle verwendet.

ML-Algorithmen

Technisch wird auf Basis vom H2o-Framework gearbeitet. Das Framework erlaubt sehr viele unterschiedliche Algorithmen zu nutzen. Nach vielen Optimierungen und Testläufen haben sich die Distributed-Random-Forest und Gradient-Boost-Machine-Algorithmen als besonders zuverlässig erwiesen. Diese sind den Deep-Learning-Netzen in diesem Anwendungsfall deutlich überlegen.

Datenaufbereitung 

Die Datenaufbereitung ist eines der Themen, denen sehr viel Aufmerksamkeit gewidmet werden sollte. Sie werden mit mangelhaften Kursdaten auch nur mangelhafte oder gar nicht funktionierende Systemd erstellen können.

Um das Modell trainieren zu können, müssen die Daten massiert, sowie die Datenbasis festgelegt werden. Gleichzeitig wird die Gesamtdatenmenge in Trainingsdaten und in eine Validierungsmenge aufgeteilt. Nachfolgend sehen die Datenselektion auf Basis der verfügbaren Markt-Bereiche. Sollten Sie nur den Kursprognose-Service nutzen wollen, werden Sie diese Maske niemals nutzen.

Training der Modelle

Das Training und die Validierung der Modelle erfolgt über das H2o-Framework, was durch das Kursprognose - AddOn automatisch installiert, gestartet und genutzt wird. Beim Training werden in der Börsensoftware spezielle Algorithmen fokussiert unterstützt, da diese sich in diesem Kontext als deutlich überlegen herausgestellt haben (DRF, GBM). Details hierzu werden bei Registrierung zur Verfügung gestellt.

Prognosen für mehr als Titel/Asset - Prognosen für DAX, S&P 500, Nasdaq 100 und Gold im Besonderen

In ShareHolder werden verschiedene Kursprognosen-Modelle umgesetzt, um relative Kursvorhersagen in % zum Ausgangswert vorherzusagen in verschiedenen Zeitebenen. Konkret werden dabei 2,3, 5, 10 und 30 Tage berechnet bereitgestellt aus den Marktsegmenten HDAX/DAX, Nasdaq100, Indizes, Devisen und Rohstoffen.

ISIN/SymbolNameMarket
DE30DE30:Contract for index reflecting 40 largest German stocks quoted on organized market.|IND-Europe.XTB
GOLDQuotations of troy ounce of Gold on the interbank market.|CMD-PreciousMetals.XTB
UK100UK100:Contract for index reflecting 100 largest UK stocks quoted on organized market.|IND-Europe.XTB
US100US100:Contract for index reflecting 100 largest American technology stocks quoted on organized market.|IND-Americas.XTB
US30US30:Contract for index reflecting 30 largest American industrial stocks quoted on organized market.|IND-Americas.XTB
US500US500:Contract for index reflecting 500 largest American stocks quoted on organized market.|IND-Americas.XTB
 

Weitere Details:

Kursprognosen