Kursprognosen
Prognosen für mehr als 200 Titel - 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 5, 10 und 30 Tage berechnet und für mehr als 200 Titel bereitgestellt aus den Marktsegmenten HDAX/DAX, Nasdaq100, Indizes und Rohstoffen.
Nachfolgend finden Sie eine konkrete Liste der Prognosetitel. Die Liste wird dabei automatisiert erzeugt und nächtlich aktualisiert auf Basis der tatsächlich zur Verfügung stehenden Daten. Die Modelle ermöglichen durch die konkreten Vorhersagewerte und den multiplen Zeiteinheiten ein konkretes Zielbild im Chart, was leicht nachzuvollziehen ist, da 3 verbindbare Datenpunkte für die Zukunft beschrieben sind. Auch (Elliot-)Wellen-Bewegungen werden für die Zukunft sichtbar.
| ISIN | Name | Tickersymbol | Market | Currency |
|---|---|---|---|---|
| DE0005408116 | Aareal Bank AG`X | ARL | |MDAX|HDAX|CDAX|PrimeStandard|Deutschland|USA | € |
| US00507V1098 | Activision Blizzard Inc.`N | ATVI | |USA-NASDAQ-100|USA-S-P500 | $ |
| DE000A1EWWW0 | adidas AG`X | ADS | |DAX|HDAX|CDAX|PrimeStandard|Deutschland | € |
| US00724F1012 | Adobe Inc.`N | ADBE | |USA-NASDAQ-100|USA-S-P500 | $ |
| US0079031078 | Advanced Micro Devices Inc.`N | AMD | |USA|USA-NASDAQ-100|USA-S-P500|-USStars | $ |
| NL0000235190 | Airbus Group SE`P | AIR | |MDAX|EuroStoxx50|HDAX|PrimeStandard|Deutschland|Frankreich|Frankreich-CAC40|Frankreich-SBF80 | € |
| DE000A0WMPJ6 | AIXTRON SE`X | AIXA | |SDAX|TECDAX|HDAX|TecDAXAllShare|CDAX|PrimeStandard|Deutschland | € |
| US0153511094 | Alexion Pharmaceuticals Inc.`N | ALXN | |USA-NASDAQ-100|USA-S-P500 | $ |
| US0162551016 | Align Technology Inc.`N | ALGN | |USA-NASDAQ-100|USA-S-P500 | $ |
| US02079K3059 | Alphabet Inc. A`N | GOOGL | |USA-NASDAQ-100|USA-S-P100|USA-S-P500|DJGlobalTitans50|-USStars | $ |
| 1 to 10 (227) | ||||
Um einen Einblick in die konkreten Vorhersagen zu geben, ist nachfolgend ein Ausschnitt der Kursvorhersagen aus der Backtest-Datenbank zu sehen. Für registrierte Shareholder-Nutzer stehen dabei für alle Titel, für alle Zeiteinheiten und für alle historischen Kursvorhersagen Daten zur Verfügung, die in Kürze auch für eigene Analysen in Excel exportiert und weiterbearbeitet werden können.
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
- Kursprognose-AddOn d.h. Bereitstellung der kompletten Prognose-Modelle für eigene Kursprognosen, als auch für eigene Anwendungen und Optimierungen
COM_DROPTABLES_LAYOUT_DBTABLES_TABLE_EMPTY
Weitere Details Siehe hierzu unter:
Topologie der Modelle
Historisch bedingt war die bisherige Modellierung in ShareHolder für Neuronale Netze optimiert. Daher werden sogenannte Trainings-Eingabe-Werte definiert die sich auf Basis von technischen Indikatoren definieren. Im Modell-Training wird dann ein selbstlernendes Training umsetzt, um die Nutzung, Parametisierung und Optimierung in der Verwendung automatisch zu bestimmen. Technisch wird dabei auf Basis vom H2o-Framework gearbeitet und intern in den optimierten Modellen mittels Distributed-Random-Forest und Gradient-Boost-Machine-Algorithmen verwendet. Diese sind den Neuronalen Netzen/ Deep-Learning-Netzen in diesem Anwendungsfall deutlich überlegen. (Hinweis: Mit dem Kursprognose-AddOn können aber auch diese aufgebaut, trainiert und genutzt werden).
Die Indikatoren werden hierbei in der vollen Breite der Möglichkeiten genutzt (Indikatorwert, Zonenwert, Signale, Divergenzen). Im aktuell optimierte Modell werden damit mehr als 120 Eingabedaten automatisch erstellt und für das Training bzw. für die Kursvorhersage verwendet.
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 System erstellen können.
Um das Netz 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.
Anwendung und Nutzung der Kursprognosen
Praktisch gilt hier alles unter Kursprognose-Service beschriebene. Nachfolgend als Beispiel eine Kursprognose mit einem gezeichneten Chartbild. Im Hintergrund sehen Sie eine Watchliste die 4 verschiedene Kursprognose-Modelle (definierbar) direkt in einer Beobachtungsliste mit farblichen Markierungen gezeigt. Dabei "altert" die farbliche Markierung automatisch, wenn die Kursprognosen weiter zurückliegt.
Siehe auch
- WIKI-Beschreibung der aktuellsten Entwicklungen (H20)
- Neuronales Netz / Deep-Learning-System mit Release 13.6.x
- Erklär-Video zur Nutzung des Neuronalen Netzes mit H2o für Kursprognosen
- Erklär-Video zur Nutzung eines Distributed-Random-Forest-Entscheidungsbaum für Kursprognosen
Tags: börsensoftware, neuronales netz, automatische handelssysteme, neuronales netzwerk, aktien prognose, prognosen, dax prognose, trading programm, handelsstrategie