Release 13.16.6 - Kursprognose-Addon auf Basis Machine-Learning

Kategorie: Börsensoftware - Releases 2018
Read Time: 8 mins
Neues oder Verbesserungen
  • [SHAREHOLDER-2774] (Börsensoftware-Machine-Learning-und-Neuronale-Netze) (.6) ML: Bereitstellung eines Machine-Learning-Kursprognose-Addons auf Basis H2o für 5d Prognosen (Binär+Rounded)
  • [Weitere Dokumentation] vom 2018-08-18 19:32:35

    Als Nutzer möchte ich ein installierbares Modul für die Kursprognose nutzen bei dem alle Vorbedingungen erfüllt sind:

    • Installationsbasis herstellen für H2o
    • Trainiertes Modell
    • Zugehörige Netz mit dem zugehörigen Indikatoren-Setup
    • Optimierte Indikatoren-Einstellungen

     

  • [SHAREHOLDER-2784] (Börsensoftware-Machine-Learning-und-Neuronale-Netze) (.6) ML: Direkter Start des H2o-Java-Prozesse vom Programm aus mit Autostartfunktion für Predictions
    vom 2018-08-18 18:15:22

    Wenn das Prediction-Addon eingespielt ist, soll der H2o-Prozess automatisch gestartet werden können vom Menü aus. Um dies nicht nur händisch durchführen zu können, soll der Start auch automatisch durchgeführt werden, wenn praktisch auf H2o zugegriffen wird. Dies betrifft die Datenbereitstellung, Datenvorverarbeitung und die Modellierung sowie Training, ebenso wie den Prognoseabruf über H2o-Modelle.

  • [SHAREHOLDER-2780] (Börsensoftware-Machine-Learning-und-Neuronale-Netze) (.6) ML: Datenselektion sollte in den Namen wiederverwendet werden, um eine einfachere selektive Sicht nutzen zu können
    vom 2018-08-18 17:33:56

    Als Nutzer möchte ich verschiedene Marktsegmente differenziert trainieren, da sich diese doch erheblich unterscheiden können. 

  • [SHAREHOLDER-2776] (Börsensoftware-Technische Indikatoren) (.5) ML: Vorhandene Modelle aus H2o direkt in ShareHolder sichtbar machen inkl. Variablen-Relevanz
    vom 2018-08-14 20:50:52

    Als Nutzer möchte ich die vorhandenen Modelle aus H2o (Shareholder erzeugte als auch eigene verwaltete Modelle) sichtbar machen und für die Selektion einer Kursprognose auswählen können. Dabei sollen die Kern-Daten angezeigt werden (logLoss, MSE, Basis-Trainings-Netz). Es sollen aber auch die vorhandenen Variablen-Abhängigkeiten des Modells direkt in ShareHolder gezeigt werden, da dies in H2o nicht gut sichtbar ist.

    Dabei sollen Hervorhebungen genutzt werden:

    • Gelb: Signale
    • Purple: MA/EMA-Werte
    • Grün: Zonenwerte
    • Rot: Norm-Indikatorenwerte
    • Purple: Sonstige wie Kalenderwoche

    Die Story ist noch eine Vorstufe vor der Nutzung eines Predictions-Modells mit H2o. Diese Story wird ASAP umgesetzt. Diese Story stellt die Vorauswahl eines trainierten Modells für die Kursprognose bereit mit entsprechenden sinnvollen Begleitinformationen. H2o muss im Hintergrund laufen!

     

  • [SHAREHOLDER-2775] (Börsensoftware-Machine-Learning-und-Neuronale-Netze) (.5) ML: Gespeicherte Modelle laden
    vom 2018-08-14 20:47:37

    Als Nutzer möchte ich die H2o-Instanz nicht permanent gestartet haben. Daher benötige ich eine Auto-Import-Funktion der bereits erstellten Modelle. Diese sollten spätestens in der Kursprognose genutzt werden können.

  • [SHAREHOLDER-2769] (Börsensoftware-Machine-Learning-und-Neuronale-Netze) (.5) ML: Defaultbereitstellung von MA-Werten als Gleitenden Durchschnitt als %Differenz zum Kurswert für die Fiboncacci-Reihe
    vom 2018-08-14 13:38:51

    Als Nutzer möchte ich die %Abstände des aktuellen Kurses zum aktuellen Kurswert für die expotentiellen und gleitenden Durchschnitte im ML nutzen können. Dabei soll die Fibonacci-Reihe (ab 3) genutzt werden.

  • [SHAREHOLDER-2773] (Börsensoftware-Machine-Learning-und-Neuronale-Netze) (.5) ML: Generierte H2o-Machine-Learning-Modelle werden automatisch im Datenverzeichnis unter Daten\NN\H2o exportiert
    vom 2018-08-14 13:37:20

    Als Nutzer möchte ich einmal generierte Modelle in H2o umgehend gesichert haben, so dass ich diese wieder einspielen kann zu einem späteren Zeitpunkt oder nach einem Neustart von H2o.

  • [SHAREHOLDER-2766] (Börsensoftware-Machine-Learning-und-Neuronale-Netze) (.5) ML: Komplett automatische ML-Modell-Anlage für Gradient-Boost-Machine und Distributed-Random-ForestModelle aus ShareHolder heraus
    vom 2018-08-14 12:54:24

    Als Nutzer möchte ich direkt von ShareHolder aus nach der Datenbereitstellung umgehend ein GBM und/oder DRF-Netz aufbauen können per Klick.

    Dabei muss ein Auswahl des gewünschten Prognose-Wertes (Normiert, Binär, Gerundet, Gerundet-Enum) erfolgen. Die Tiefe des Netzes (depth: default: 15) und die Anzahl der Durchgänge (nTrees: default 60) werden fest angenommen. Während des Trainings soll ShareHolder eine Prozentanzeige des Fortschritts transparent anzeigen. Über ein Button sollte der direkte H2o-Flow aufgerufen werden können, um Live die aktuelle Datenbasis einsehen zu können.

    Das Netz sollte dabei sofort einen geeignete ID/ Namen erhalten, was die Parameter-Auswahl mit einschließt.

  • [SHAREHOLDER-2731] (Börsensoftware-Machine-Learning-und-Neuronale-Netze) (.4) ML: Aufbau eines ersten H20-Modells zur Kursprognose als ersten technischen Durchbruch
    [Weitere Dokumentation] vom 2018-08-14 10:32:44

    Als (technischer) Nutzer möchte ich einen ersten Durchstich auf Basis eines H20-Modells sehen. Es ist wundervoll, wenn ShareHolder Daten zum Training von Neuronalen Netzen bereitstellen kann, noch wichtiger ist aber die Umsetzung von echten KI-Modellen.

    Erste mögliche Anwendungsfälle

    • Lernen eines Netzes nur auf Basis Wochentag und Candlestick-Daten
    • Lernen eines Netzes zur Kursprognose 7 Tage

     

  • [SHAREHOLDER-2767] (Börsensoftware-Technische Indikatoren) (.4) Indikatorengruppen: Übergreifende Reset-Funktion auf die Default-Einstellungen in den Indikatorengruppen
    vom 2018-08-13 18:53:08

    Als Nutzer möchte ich eine übergreifende Reset-Funktion nutzen können, um alle Default-Einstellungen in den Indikatorengruppen zu setzen. Aktuell sind einige Indikatorenwerte willkürlich.

    Die Reset-Funktion sollte dabei:

    • Signaldivergenzen deaktivieren
    • Kauf und Verkaufssignale aktivieren
    • Zonenanalyse aktivieren
    • Parameter-Werte auf die Default-Werte zurücksetzen
    • Kursdaten-Basis auf eine vorauszuwählenden Wert setzen

     

  • [SHAREHOLDER-2772] (Börsensoftware-Technische Indikatoren) (.4) Default-Einstellungen der Indikatoren verändert und einige technische Korrekturen vorgenommen
    vom 2018-08-13 14:31:10

    Standardwerte für die Indikatoren sind verändert:

    • EMA
    • Bollinger-Band
    • On-Balance-Volume
    • GD-Umsatz
    • Aroon
    • RWI

    Gleichzeitig werden die Signalgebungen sauberer gesetzt für diese Indikatoren.

     

  • [SHAREHOLDER-2768] (Börsensoftware-Machine-Learning-und-Neuronale-Netze) (.4) ML: Anpassung der Datenbereitstellung für die Zonenwerte mit einem Wert (0|1|2|3) statt 3 Zonen-Variablen mit (0|1)
    vom 2018-08-13 10:06:39

    Als Nutzer möchte ich einen Zonenwert als Variable in ML-Algorithmen nutzen können, statt 3 Einzelvariablen mit Werten zwischen 0 und 1. Dies vereinfacht die Nutzung bzw. vermeidet unnötige Netztiefen bzw. Redundanzen.

  • [SHAREHOLDER-2765] (Börsensoftware-Machine-Learning-und-Neuronale-Netze) (.4) ML: Anpassung der Datenbereitstellung: Export-Frame-ID-Festlegung zu H2o durch den Nutzer
    vom 2018-08-13 09:46:50

    Als Nutzer möchte ich beim Export zu H2o die ID des Export-Frames festlegen können, um so z.B. einen Zwischenstand zu kennzeichnen oder eine spezielle Datenselektion z.B. "DAX-Selektion" etc.

  • [SHAREHOLDER-2763] (Börsensoftware-Machine-Learning-und-Neuronale-Netze) (.4) Bereitstellung einer Forecast-Rounded-Enumeration-Datenstruktur
    vom 2018-08-11 21:25:47

    Da ML-Algorithmen mit Enumerationen/Aufzählungen deutlich besser trainierbar sind als mit Int-Werten und offenen Grenzen, sollen die in der Datenaufbereitung verwendbaren Extremwerte ebenfalls für eine neue berechnete Forecast-Spalte verwendet werden mit einem ausgegebenen Enum-Typ.

  • Als Nutzer möchte ich nicht manuell Daten weitergeben. Neu erstellte Trainings-und Validierungsdaten sollten umgehend über die API an H20 übergeben werden. Für diese Story ist es ausreichend, wenn dies auf einer lokal vorhandenen Instanz erfolgt.

    Für diese Story ist es ebenfalls ausreichend wenn die Standard-URL angesprochen wird: _[https://localhost:54321|https://localhost:54321/]_ 

    Die Umsetzung sollte innerhalb des Neuronalen-Netz/ Datenvorverarbeitungs-Dialogs erfolgen mit einem separatem Button.

  • [SHAREHOLDER-2761] (Börsensoftware-Machine-Learning-und-Neuronale-Netze) (.3) ML: Nullable-Werte sollte bewusste geschrieben werden, um Datenverfälschungen zu minimieren
    vom 2018-08-10 15:23:27

    Als Nutzer möchte ich nur gültige Werte verarbeiten und nur aus Berechnungslogik heraus geschriebene 0.00 Werte vermeiden. Dies sollte die Qualität des Trainings von ML-Algorithmen verbessern.


Korrekturen
  • [SHAREHOLDER-2783] (Börsensoftware-Machine-Learning-und-Neuronale-Netze) (.6) ML: Datennormierungsfunktion (Norm) für Forecast-Werte ist fehlerhaft
  • vom 2018-08-18 21:21:02

    Die Datennormierten Werte sind nicht in der Range von -1..1. Die Datennormierung scheint damit nicht korrekt zu arbeiten. Es sollte nochmals geprüft werden.

  • [SHAREHOLDER-2771] (Börsensoftware-Architektur) (.4) Diverse Fehler in der 64-Bit-Version
    vom 2018-08-13 12:49:00

    Verschiedene Datenbereichs-Fehler in der 64-Bit-Version behoben. Diese konnten merkwürdige Seiteneffekte erzeugen.

  • [SHAREHOLDER-2770] (Börsensoftware-Kursaktualisierungen) (.4) Anzeige der Kurs-Aktualisierungsgruppen erfolgt nicht immer korrekt
    vom 2018-08-13 12:24:40

    Als Nutzer möchte ich im Kursreiter "Kursaktualisierungen" korrekt die Namensbezeichnungen der Aktualisierungsgruppen nutzen können. Dies ist aktuell leider nicht der Fall.

- Effektive Nettoarbeitszeit: 109.3h
- Ein besonderes Dankeschön an alle Kunden für Ihre Fehler/Anforderungsrequest's, die mit diesem Release berücksichtigt werden konnten!