Artikel
Börsenprognosen mit
Künstlichen Neuronalen NetzenDie
Bewertung neuronaler Tradingsysteme
Prinzipiell besteht das
Bedürfnis, das Wissen der Künstlichen
Neuronalen Netze nachzuvollziehen. Der
Grund für den Wunsch nach
Nachvollziehbarkeit liegt in einer
notwendigen Risikoabschätzung
begründet. Letztlich werden die Regeln,
welche das Künstliche Neuronale Netz
abbildet, jedoch komplex und daher schwer
verständlich sein. Genau wie die
Realität, die sie abbilden sollen. Eine
Vereinfachung wäre immer mit einem
starken Informationsverlust verbunden. Es
ist unmöglich komplexe Regeln
verständlich abzubilden.
Eine Lösung dieses Dilemmas bietet die bereits
erwähnte Testphase. Die hier erhaltenen
Ergebnisse machen die Berechnung eines
virtuellen Depots bzw. seiner Entwicklung
möglich und liefern so eine Abschätzung
zur Güte der Prognostizierbarkeit der
betreffenden Aktie. Da ein neuronales
Tradingsystem exakte und überprüfbare
Prognosen liefert, kann zudem eine
Trefferquote ermittelt werden.
Je mehr Daten für einen solchen Test zur
Verfügung stehen, desto höher ist seine
statistische Aussagekraft. Neuronale
Tradingsysteme liefern eine maximal
mögliche Anzahl von Daten im
Testzeitraum, da sie zu jedem Datentick
eine neue Einschätzung erstellen
können. Sie ermöglichen damit
statistisch optimale Aussagen. Bei einem
Test eines End-of-day-Systems über ein
halbes Jahr ergeben sich so über
100 unabhängige Testdaten. Viele
klassische Tradingsysteme vermögen dies
nicht.
>> weiter
|
Die Technische
Analyse
als
Grundprinzip
Die Vorteile
Künstlicher
Neuronaler Netze
Prognosen auf
wissenschaftlicher
Basis
Die Bewertung
neuronaler Tradingsysteme
Neuronale Netze
der nächsten
Generation
Tipps zur
praktischen Nutzung
|