Diskussion zum Artikel "Selbstlernender Expert Advisor mit einem neuronalen Netz auf Basis einer Markov-Zustandsübergangsmatrix" - Seite 2
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Interessanter Ansatz, aber der Text kommt mir an einigen Stellen ziemlich seltsam vor, er ist extrem überoptimistisch, und einige Formulierungen sind eindeutig von KI geschrieben ( "Dieser Code ist ein echtes alchemistisches Labor, in dem rohe Marktdaten in ein kostbares Elixier des Wissens umgewandelt werden" - was ist das überhaupt für ein Satz?). Außerdem habe ich einige ernsthafte strukturelle und mathematische Probleme mit diesem Ansatz. Ich habe bereits mit Markov-Matrizen gearbeitet, und ich kann Ihnen sagen, dass 0,67 als Diagonalwert (Persistenz) eindeutig kein stabiler Zustand ist! 0,67 bedeutet, dass der Vermögenswert im Durchschnitt nur drei Tage im selben Regime verbleibt, bevor er umkippt, was völlig instabil ist und nur kurzfristiges technisches Rauschen erfasst, zumal Sie diese Regime-Identifikationen bei Vermögenswerten verwenden, die in der Regel nicht allzu sehr im Trend liegen.
Ich verstehe auch nicht, wie die Markov-Matrix durch die Verwendung eines rollenden Fensters von 100 Balken schnell auf Regimeverschiebungen reagieren kann. Bei einem täglichen Zeitrahmen überträgt ein rollierendes Fenster zu 99 % genau dieselben Daten von einem Tag auf den nächsten. Die sich daraus ergebende Übergangsmatrix ist in hohem Maße autokorreliert und bewegt sich wie ein träger, stark verzögerter gleitender Durchschnitt, was bedeutet, dass sie sich glättet und einem strukturellen Marktumbruch hinterherhinkt, anstatt sofort zu reagieren.
Bei Markov-Modellen führt die Verwendung von mehr als drei Zuständen (selbst vier bis fünf sind meist zu viel) zu degenerierten Modellen durch Hatsingular-Lösungen, bei denen einem Zustand nicht einmal eine Datendichte zugeordnet ist oder ein Übergang nicht einmal aufgezeichnet wird, so dass das Modell zu kompliziert wird, um etwas Sinnvolles darzustellen.
Die Einspeisung einer abgeflachten 9-Elemente-Matrix aus sich langsam bewegenden historischen Frequenzen in ein Multi-Layer-Perceptron mit 40 verborgenen Neuronen zur Vorhersage der unmittelbaren Kursrichtung des nächsten Balkens scheint höchst kontraintuitiv zu sein. Die Eingabemerkmale sind von Tag zu Tag sehr statisch und zwingen den MLP zu einer Überanpassung an die 600 Trainingsmuster. Also ich weiß nicht, über diesen ganzen Ansatz mit MLP basierend auf Markov-Matrix, es scheint ein bisschen seltsam, und der Backtest noch seltsamer aus ihm heraus, aber viel Glück auf machen es funktioniert!