• Home
  • Beschreibung
  • Technische Chartanalyse und Fundamentalanalyse
  • Kursprognosen

Kursprognosen

Kursprognosen in der Börsensoftware

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 immer 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.

ISIN Name Tickersymbol Market Currency
ATVI Activision Blizzard Inc`N ATVI |USA-NASDAQ-100 $
DE000A1EWWW0 Adidas`X ADS |DAX|HDAX|CDAX|PrimeStandard|Deutschland
US00724F1012 Adobe Inc.`N ADBE |USA-NASDAQ-100|USA-S-P500 $
DE000A0WMPJ6 Aixtron`X AIXA |SDAX|TECDAX|HDAX|TecDAXAllShare|CDAX|PrimeStandard|Deutschland
ALXN Alexion Pharmaceuticals`N ALXN |USA-NASDAQ-100 $
US0231351067 Amazon.com Inc.`N AMZN |USA-NASDAQ-100|USA-S-P100|USA-S-P500|-USStars $
AMGN Amgen Inc`N AMGN |USA-NASDAQ-100 $
US0326541051 Analog Devices Inc.`N ADI |USA-NASDAQ-100|USA-S-P500 $
US0378331005 Apple Inc.`N AAPL |USA-NASDAQ-100|USA-S-P100|USA-S-P500|DJGlobalTitans50|-USStars $
US0382221051 Applied Materials Inc.`N AMAT |USA-NASDAQ-100|USA-S-P500 $
1 to 10 (191)

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 entsprechender Daten zur Verfügung, die in Kürze auch in Excel für eigene Analysen verwendet werden können.

Die Kursprognosen werden dabei in Shareholder über AddOns eingebunden:

  • Kursprognose-AddOn d.h. Verwendung der reinen Kursprognosen, die immer bis 22:30 wochentags zur Verfügung gestellt werden
  • Machine-Learning-Modell-AddOn d.h. Bereitstellung der kompletten Modelle für die Marktsegmente d.h. HDAX/DAX, Nasdaq100, Indizes und Rohstoffen.

Titel Market Timeframe PredictionID Anzahl Korrekte Richtung Trefferquote
CAC 40 Index`E |Indizes|Indizes-ML 5 4 28 12 42.9
CAC 40 Index`E |Indizes|Indizes-ML 10 1 24 14 58.3
CAC 40 Index`E |Indizes|Indizes-ML 30 2 4 4 100.0
CAC 40 Index`E |Indizes|Indizes-ML 30 3 4 4 100.0
DE: DAX`X |DAX|HDAX|Indizes|Indizes-ML 5 4 28 11 39.3
DE: DAX`X |DAX|HDAX|Indizes|Indizes-ML 10 1 24 14 58.3
DE: DAX`X |DAX|HDAX|Indizes|Indizes-ML 30 2 4 4 100.0
DE: DAX`X |DAX|HDAX|Indizes|Indizes-ML 30 3 4 4 100.0
DE: TecDAX`D |TECDAX|HDAX|Indizes|Indizes-ML 5 4 34 20 58.8
DE: TecDAX`D |TECDAX|HDAX|Indizes|Indizes-ML 10 1 30 20 66.7
DE: TecDAX`D |TECDAX|HDAX|Indizes|Indizes-ML 30 2 10 10 100.0
DE: TecDAX`D |TECDAX|HDAX|Indizes|Indizes-ML 30 3 10 10 100.0
F.A.Z. Banken-Index`S |Indizes|Indizes-ML 5 4 34 21 61.8
F.A.Z. Banken-Index`S |Indizes|Indizes-ML 10 1 30 15 50.0
F.A.Z. Banken-Index`S |Indizes|Indizes-ML 30 2 10 7 70.0
F.A.Z. Banken-Index`S |Indizes|Indizes-ML 30 3 10 7 70.0
F.A.Z. Bau und Immobilien-Index`S |Indizes|Indizes-ML 5 4 34 11 32.4
F.A.Z. Bau und Immobilien-Index`S |Indizes|Indizes-ML 10 1 30 14 46.7
F.A.Z. Bau und Immobilien-Index`S |Indizes|Indizes-ML 30 2 10 7 70.0
F.A.Z. Bau und Immobilien-Index`S |Indizes|Indizes-ML 30 3 10 7 70.0
1 to 20 (128)


Weitere Details Siehe hierzu unter:

 

Topologie der Modelle

Historisch bedingt war die bisherige Modellierung in ShareHolder für Neuronale Netze optimiert. Daher werden sogenannte Eingabe-Neuronen 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 statt Deep-Learning/Neuronalen-Netzen, Distributed-Random-Forest und Gradient-Boost-Machine-Algorithmen verwendet. Diese sind den Neuronalen Netzen in diesem Anwendungsfall deutlich überlegen.

Die Indikatoren werden hierbei in der vollen Breite der Möglichkeiten genutzt (Indikatorwert, Zonenwert, Signale, Divergenzen). 

ShareHolder-Modell-Aufbau-Eingabedaten

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. 

ShareHolder-Modell-Datenberechnung

Training der Modelle

Vor dem eigentlichen Training ist etwas Detailwissen notwendig, um die korrekten Einstellungen vornehmen zu können. Parallel hierzu wird ein Histogramm der Verbindungsgewichte gefürhrt. Dieses wird während des Trainings zur Kontrolle angezeigt.

Während des Trainings stehen besondere Techniken wie Weight-Pruning oder Hidden-Merging für die Optimierung zur Verfürgung.

Anwendung und Nutzung der Kursprognosen

Die Anwendung von Neuronalen Netzen in SHAREholder als Börsensoftware ist die Kursprognose im Tradingstudio. Hier wird nach Auswahl des zu verwendenden Neuronale Netzes die Kursprognose für alle enthaltenen Werte durchgeführt. Die Berechnung erfolgt hierbei in wenigen Sekunden.

Nachfolgend als Beispiel eine Kursprognose mit einem gezeichneten Chartbild. Im Hintergrund sehen Sie eine Watchliste die 4 verschiedene Kursprognose-Modelle (definierbar) direkt in der Watchliste zeigt.

ShareHolder-Modell-Kursprognosen


Siehe auch

 

 

Tags: Börsensoftware, neuronales netz, automatische handelssysteme, neuronales netzwerk, aktien prognose, Kursprognosen, dax 30 kursprognose, trading programm, handelsstrategie