Diskussion zum Artikel "Klassische Strategien neu interpretieren (Teil 14): Analyse mehrerer Strategien"

[MetaQuotes]

Neuer Artikel Klassische Strategien neu interpretieren (Teil 14): Analyse mehrerer Strategien :

In diesem Artikel setzen wir unsere Erforschung der Erstellung eines Ensembles von Handelsstrategien und der Verwendung des MT5 genetischen Optimierers zur Abstimmung der Strategieparameter fort. Heute haben wir die Daten in Python analysiert. Dabei hat sich gezeigt, dass unser Modell besser vorhersagen kann, welche Strategie besser abschneiden wird, und eine höhere Genauigkeit erreicht als die direkte Vorhersage der Marktrenditen. Als wir unsere Anwendung jedoch mit ihren statistischen Modellen testeten, fielen unsere Leistungswerte drastisch ab. In der Folge stellten wir fest, dass der genetische Optimierer leider stark korrelierte Strategien bevorzugte, was uns dazu veranlasste, unsere Methode zu überarbeiten, um die Stimmgewichte fest zu halten und die Optimierung stattdessen auf Indikatoreinstellungen zu konzentrieren.

Bei dem Versuch, künstliche Intelligenz zur Entwicklung von Handelsstrategien einzusetzen, können viele Dinge schief gehen, und es scheint, dass der genetische Optimierer den von uns vorgegebenen Rahmen ausgenutzt und die am stärksten korrelierten Strategien ausgewählt hat. Aus rein mathematischer Sicht ist dies ein kluger Schachzug: Es wird für den genetischen Optimierer einfacher, den Gesamtsaldo des Kontos zu antizipieren, wenn die dominanten Strategien korreliert sind.

Ursprünglich hatte ich erwartet, dass der genetische Optimierer den profitabelsten Strategien eine höhere und den weniger profitablen eine geringere Gewichtung zuweisen würde. Da wir jedoch nur 3 Strategien zur Auswahl hatten und dieses Optimierungsverfahren nur einmal durchgeführt wurde, können wir nicht ausschließen, dass dies alles zufällig geschehen ist. Das heißt, wenn wir die Optimierung der Stimmgewichte mit einem langsamen und vollständigen Optimierungsalgorithmus wiederholen würden, dann hätte unser Optimierer vielleicht keine korrelierten Strategien ausgewählt. 

Diese Erkenntnis hat mich dazu veranlasst, den Ansatz, den wir zur Auswahl der optimalen Einstellungen für unsere Strategien verwenden, zu überarbeiten. Es scheint, dass wir zunächst alle Gewichte der einzelnen Stimmen auf eins festlegen sollten. Dies zwingt den genetischen Optimierer, sich ausschließlich darauf zu konzentrieren, die profitabelsten Einstellungen für jeden von uns verwendeten Indikator zu finden. Wie wir auf unserer gemeinsamen Reise sehen werden, erweist sich dieser überarbeitete Ansatz als besser als unser ursprünglicher Plan. Wenn zwei korrelierte Strategien für die Analyse mehrerer Strategien verwendet werden, werden keine wirklichen Fortschritte erzielt. Daher haben wir gelernt, das objektive Problem der Analyse mehrerer Strategien besser zu formulieren: „Wie können wir am besten mehrere Strategien auswählen, die unkorrelierte Renditen erzielen und die Rentabilität unseres Kontos maximieren?“. 

Autor: Gamuchirai Zororo Ndawana