PeWi

Gewichtet mit den jeweiligen Wahrscheinlichkeiten sind beide Alternativen aber nicht gleichwertig - das macht den Unterschied zwischen @wwursts Version und deiner Version. Deshalb ist deine Gleichsetzung IMHO nicht richtig.

Nachtrag: Die von mir fett gedruckte Aussage habe ich nur von dir gelesen, nicht von @Aktienspekulaant.Beleg?

Vorsicht: Dann kann ein Geimpfter also nie jemanden anstecken?

Ich habe immer noch einen anderen Eindruck von ihm - auch nach den heutigen Posts. 😉 Auch da kann ich nichts von deiner steilen These finden, arme Impfablehner sollten dann gefälligst sterben. > Aber wenn er es nicht in Kauf nehmen würde hätte er es mit Nachdruck abstreiten müssen. Das sehe ich weiterhin nicht so. Fair Play in einer Diskussion geht eher so: Wenn du eine "unglaubliche" These aufstellst, dann bist eher du in der Pflicht, sie erstmal zu belegen, nicht zuerst er, sie abstreiten oder widerlegen zu müssen. Also weiterhin rhetorische Spielchen? Schade.

Sorry, man mag dazu stehen wie man will aber das wäre der Tod dieser Menschen wenn das Geld nicht vorhanden ist. Das wünscht du denen wirklich? Der Gerechtigkeit halber - das war eine nicht aus Rainers Formulierung ableitbare Unterstellung, die auch bei bestem Willen nicht zu Rainers langjährigem Auftreten im Forum passt. Hätte es nicht gereicht, ihn zu fragen, wie er es dann handhaben wolle, wenn jemand nicht genügend Geld zum Bezahlen hat?

Das 2013 publizierte Paper "Trading Strategy Mining with Gene Expression Programming" enthält ein paar interessante Kniffe: Der Trainingszeitraum wird in diverse (sich überlappende) Einzelzeiträume aufgeteilt. Auf diesen Einzelzeiträumen werden Strategien mittels GEP trainiert, und die besten 10 jedes Einzelzeitraumes werden in einem Pool gespeichert. Zum aktuellen Traden werden die vorausgegangenen Tage zu heute mit den gespeicherten Einzelzeiträumen verglichen und die ähnlichsten fünf Intervalle herausgesucht. (Man bemüht sich also, möglichst ähnliche Situationen zu heute zu finden.) Zu denen werden die dazugehörigen "besten" Strategien aus dem Pool geholt, und parallel ausgewertet. Die tatsächlichen Aktionen werden dann per Mehrheitsentscheid bestimmt, sofern der Mehrheitsentscheid deutlich ausfällt. (Man diversifiziert über Strategien.)

Bist wohl einer der Eliten oder was? Sei mir nicht böse, aber deine Reaktion passt gerade so gut zu dem auf der vorhergehenden Seite erwähnte Dilbert-Comic. 😉

Geht auf Kraken oder Binance recht einfach. Auf Binance musst du dir erst von anderen Coins leihen, auf Kraken kannst du direkt eine Short- oder Long-Order mit Hebel 2x 3x, 4x oder 5x eröffnen, weil Kraken selbst als Verleiher mit fixen Zinsen auftritt. Ein StopLoss direkt auf die Coins zerstört deren Steuerfreiheit, geht insofern nur einmal steuerfrei. Und da eine gewisse Gefahr der Asymmetrie besteht - der BTC-Preis hat u.U. mehr Upside-Potential als Downside-Potential - sollte man sich die Steuerfreiheit sicherheitshalber aufheben?

Nachtrag: Klassisches Hedgen funktioniert in beide Richtungen. (Dafür haben wir im Forum bereits einen informativen und ausführlichen Thread.) Da ich als kleiner Fisch aber noch schwer mit dem Vermögensaufbau beschäftigt bin, möchte ich idealerweise nur gegen Bewegungen nach unten hedgen, Bewegungen nach oben aber weitgehend mitnehmen. Insofern also eigentlich mehr Shorten als tatsächliches Hedgen. Deswegen auch die Annahme, dass man das vermutlich dynamisch, d.h. über eine Botautomatik, machen muss. In dem Sinne gäbe es zwei Möglichkeiten: a) Wenn der Preis um x% unters letzte Hoch fällt, Short öffnen und solange offen halten, bis der Preis wieder auf das Niveau der Shorteröffnung hochkommt. Vorteil: steuerfreundlich, da man am Short nichts verdient; robust bei treppenförmigen Preisfall Nachteil: läuft u.U. sehr lange, laufende Gebühren fressen den Nutzen auf; muss bei einem Short Squeeze u.U. sehr schnell reagieren b) Nur während der Preis merklich fällt (MA oder ähnliches) macht man einen Short auf, sobald sich der Sturz beruhigt hat, schließt man wieder Vorteil: Short ist nicht lange auf, deutlich geringere anfallende Gebühren; man kann an einem späteren Wiederanstieg verdienen, Gefahr eines Short Squeeze geringer Nachteil: gleicht den Vermögensverlust bei Preisstürzen nur teilweise aus; mehr Verluste bei treppenförmigen Preisfall; Short-Gewinn ist steuerpflichtig Ein genereller Nachteil beider Verfahrensweisen: Ein merklicher Anteil der Coins muss als Besicherung für die Shorts auf der Börse liegen. Und: Das ist aktives Traden mit all seinen Problemen und Risiken.

Ich habe noch kein Konzept, deswegen frage ich ja hier. 😉 Ein gutes Hedge-Konzept ist vermutlich nicht trivial. (Und ich habe nur etwas Erfahrungen auf Spotmärkten und im gemäßigten Margin Trading, bin also der falsche Ansprechpartner. Ich könnte das bisher nur über einen Bot mit Margin Trading zu lösen versuchen.) Schon aus Steuergründen würden sich wohl eher Instrumente wie CFDs, Futures oder ähnliches anbieten, weil dann nur die feste Kapitalertragssteuer von 25% anfällt und nicht der persönliche Steuersatz, der deutlich darüber liegen kann. (Damit habe ich aber keinerlei eigenen Erfahrungen.)

Wobei ich aber spekulieren würde, dass ein SN geschickt genug wäre, seine Spur über Splitten, Mixen, Waschen, Monero, ... zu verwischen. Nichtsdestotrotz stimme ich dir zu, dass "der Teufel los" wäre, und er so ein Aufsehen sicherlich vermeiden würde, solange er nicht ganz zwingend ran müsste.

Ich weiß, ich springe mal wieder im Thema, aber ich bastle immer ein bisschen noch an Nebenthemen mit. 😉 Hat sich jemand schon mal damit beschäftigt, einen Bot nur fürs Hedgen herzunehmen? Simples Hodln von BTC und ETH war bisher langfristig eine sehr erfolgreiche Strategie - aber ob das bis in alle Unendlichkeit weiter gelten muss? (Und zwischendrin die Bärenjahre machen auch keinen echten Spass.) Insofern wäre eine taugliche Hedging-Methode durchaus ein Gewinn. Man nimmt die Kursrallies mit und mildert oder vermeidet die Abstürze weitgehend. Man muss sich nur des Nachteils bewusst sein, dass Absicherung nicht umsonst ist. Das knabbert zwischendurch auf jeden Fall ein bisschen an der Rendite, könnte sich - je nach Hedging-Strategie - aber langfristig trotzdem als merklicher Rendite-Faktor erweisen. Wenn mein Portfolio nur einen Teil eines Absturzes mitmacht, dann bin ich viel schneller wieder im Plus, sobald die Kurse wieder anziehen bzw steige entsprechend höher.

😉 Immerhin habe ich mir inzwischen ein Buch über Deep Reinforcement Learning zugelegt. 🙄

Ich habe es ja auch schon öfters geschrieben, dass das mein Hauptantrieb ist - ich bin nicht mehr der jüngste, da muss man sich schon was suchen, damit die grauen Zellen in Schwung bleiben ... 😉

Ich habe in die Papers noch nicht hineingeschaut; spannend fand ich, dass überhaupt heutzutage noch an GP und Trading geforscht wurde, egal welcher Couleur. 😉

Es gibt übrigens einige (wenn auch wenige) aktuelle Artikel zum Thema Strongly Typed Genetic Programming und Trading. (Mal schauen, ob ich die lesen kann.) (Edit: Auch zur Kombination "gene expression programming" + "trading" gibt es einige Artikel der letzten Jahre.)

unpassend bedeutet: Es entstehen Bäume, die syntaktisch inkorrekt sind, oder was ist damit gemeint? Hätte gedacht, das kann man eher relativ leicht abfangen. Nicht unbedingt syntaktisch unkorrekt. Problem ist eher, dass jede vernünftige Bedingung bereits aus mehreren Knoten besteht. Nimm beispielsweise ein typisches Pattern für Mean Reversion: condition = (rsi < 30) and (price < bollinger_lower) Das sind bereits 7 Knoten. Da geht schon bei kleinen Änderungen innerhalb der 7 Knoten die Mean Reversion-Funktionalität kaputt. Solche Pattern (bzw Building Blocks) möchte man eigentlich weitgehend unverändert behalten und eher "obendrüber" noch die eine oder andere zusätzliche Bedingung anfügen oder wegnehmen. Deswegen gibt es im klassischen GP Versuche, solche Pattern mit zusätzlichen "Markierungs-Knoten" zu kapseln, die anzeigen, innerhalb derer nur ganz vorsichtig zu verändern. Verlagert die Schwierigkeiten aber auf das neue Problem, automatisiert solche Markierungs-Knoten an passenden Stellen zu erzeugen. Wenn man bei GEP nur an Chromosen-Grenzen die wilderen Veränderungen vollführt, hat man innerhalb der Chroomosomen automatisch einen geschützen Raum, in dem solche sinnvolle Pattern leichter überleben können. Dazu habe ich bisher noch keine konkreteren Begründungen gelesen. Klingt sinnvoll, dazu habe ich aber ebenfalls noch nichts gelesen (oder ich habe es überlesen). Man könnte mit fortschreitender Generationenzahl die Veränderungsaktivitäten quasi immer weiter aus den unteren Baum-Ebenen zurückziehen und sich zunehmend auf Wurzel nähere Gefilden beschränken. Das ist dann quasi ein einzelnes Chromoson? Wie groß ein Chromosom ist, und wieviel es gibt - das sind Hyperparameter, die ebenso kritisch sind wie Hyperparameter bei Deep Learning-Geschichten. Um zu deiner konkreten Frage zurückzukommen - vermutlich wäre ein Chromosom größer. Da der kodierte Subtree aus einem Chromosom aber beliebig klein werden darf, könnte sowas tatsächlich der "wirkende" Anteil aus einem Chromosom sein, wenn genügend Chromosomen erlaubt sind, oder die Aufgabe nicht allzu komplex ist. (Andernfalls sollten vermutlich Individuen fitter werden, die den Platz im Chromosom auch weitgehend nutzen.) Da muss es doch Implementierungen für geben! Meine derzeit benutzte Sprache Go ist halt nicht unbedingt der Nabel für maschinelles Lernen. 😉 (Und selbst wenn ich Python nutzen würde: Ob eine GEP-Implementierung so flexibel wäre, dass ich sie in meinen Bot-Geschichten ohne allzu große Verrenkungen integrieren könnte?)

Das gilt für deine Reinforcement Learning-Geschichten aber auch. Alles, was du als Privatperson an Aufwand stemmen kannst, haben Profis grundsätzlich schon längst gemacht. Trotzdem wäre ich nicht zu pessimistisch. Profis brauchen Edges, die deutlich weiter nach oben skalierbar sein müssen als das, was Privatleuten genügt. Und gegenüber anderen Privatleuten hast du mit deinem Wissen, deiner Hardware und deinen Tools doch einen kleinen Vorsprung ... 😉

Ist großflächiges Impfen im Endeffekt nicht das gleiche wie deine Durchseuchung? Schließlich wird man beim Impfen ja auch "krank gemacht", nur eben kontrolliert und nur in begrenztem Maße.

Mach ich mal weiter mit meinem Monolog ... 😉 Ich bin letzte Woche auch dazu gekommen, an meinem Strategie-Parser weiterzumachen. Er kann jetzt zusätzlich die Grundrechenarten und verschachtelte Ausdrücke. Damit sind komplexere Sachen möglich wie einfache Breakouts: buy = price > ema_short + 3*ATR Außerdem kann man jetzt per Indexangabe auf vorherige Werte zugreifen: buy = price > price[1] + ATR Und bei Indikatoren, die mehrere Werte zurückgeben wie z.B. den MACD (eigentlicher MACD-Wert + Signallinie), kann man den Wert über eine Nummer auswählen: buy = macd:0 > macd:1 Das kann man natürlich auch kombinieren, z.B. für eine Cross-Erkennung: buy = (macd[1] < macd:1[1]) and (macd > macd:1) (Falls weggelassen, werden als Defaults ':0' und '[0]' angenommen.) Es fehlt jetzt nur noch die Möglichkeit, Indikatoren direkt auf großen Candlelängen einzubeziehen, und nicht nur indirekt, indem man entsprechend höhere Periodenzahlen angibt. (Denn das funktioniert zwar bei den meisten Indikatoren, aber nicht bei allen; z.B. die 4h-ATR bekomme ich nicht, indem ich die 1h-ATR *4 nehme, oder die Periodenlänge für die ATR vervierfache.) Aber okay, das meiste geht; insofern kann ich demnächst programmieren, Regelsätze per Random zu erzeugen bzw abzuändern. Alle ungeeigneten Regelsätze werden dann vom Backtest verworfen werden; für die geeigneten müsste ich dann evolutionäre Methoden wie Crossover und Mutation entwickeln. Ich werde wohl vorerst trotz der bekannten Nachteile beim ursprünglichen GP bleiben, weil GEP und seine Abkömmlinge noch aufwendiger sind.

Letzte Woche hatte ich wieder ein bisschen Zeit, mit diesem Thema weiterzumachen. Die Papers zu Genetic Programming (GP) sind deswegen alle schon ziemlich alt, weil ab ca. 2001 die Weiterentwicklung Gene Expression Programming (abgekürzt GEP) das Ruder übernommen hat. Auch zu GEP gibt es inzwischen viele Varianten und Verbesserungen - eine Übersicht zu GEP und den daraus abgeleiteten Weiterentwicklungen kann man im Artikel "Gene Expression Programming: A Survey" finden. (https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=7983467) GEP verbessert GP in mehreren Punkten. GP arbeitet typischerweise direkt auf dem Regelbaum (Expression Tree). Damit handelt man sich mehrere Probleme ein: Mutationen und Crossovers können leicht an "unpassender Stelle" eines Baumes geschehen, weswegen man zusätzliche Maßnahmen treffen muss, sinnvolle Trennstellen im Baum zu finden. Auch neigen reine Entscheidungsbäume für komplexere Geschichten zum ungebremsten Wachstum (ergibt Overfitting statt Generalisierung), weswegen entweder die Fitnessfunktion einen Strafterme für große Bäume enthalten muss (weniger effektiv), oder gleich die maximale Baumtiefe und Knotenanzahl hart festgelegt werden (effektiver). GEP dagegen kodiert den Baum in einer relativ simplen Textform, die sich leichter mit den üblichen genetischen Operatoren bearbeiten lässt als ein Baum, da jetzt einfache Stringoperationen zur Modifikation genügen. (Genotyp-/Phänotyp-System - der Expression Tree als Phänotyp wird erst zur Laufzeit aufgebaut und ausgewertet.) Diese Textform bündelt die ursprünglichen Baumknoten zusätzlich noch in ein oder mehrere "Chromosomen". Das hat weitere Vorteile: Dadurch, dass alle Chromosomen eine fix vorgegebene Länge haben, und die Chromosomenzahl ebenfalls vorgegeben wird, ist der Gesamtbaum aus allen Chromosomen automatisch in seiner Größe und Komplexität beschränkt. (Der Teilbaum aus einem Chromosom kann übrigens auch kleiner sein, dann enthält das Chromosom - analog zum richtigen Leben - auch ungenutzte Gene.) Wenn man Crossovers nur über Chromosomen erlaubt, nicht aber innerhalb von ihnen, dann bleibt der Teilbaum innerhalb jedes Chromosoms weitgehend stabil. Sinnvolle Teilbäume (Building Blocks) können dadurch viele Generationen überdauern und laufen nicht so leicht Gefahr, durch die Eingriffe der künstlichen Evolution zerstört zu werden. (Das ist allerdings bereits eine Weiterentwicklung des ursprünglichen GEP.)

Es sind keine bösen Mächte. Ich behaupte die wenigsten lehnen eine weibliche Bewerberin absichtlich ab. Das passiert unbewusst. Es geht bei der Stellenausschreibung los. Dazu gibt es wie gesagt Studie über die Faktoren die dafür sorgen, dass eigentlich qualifizierte Bewerber sich nicht trauen eine Bewerbung zu schreiben. Trotzdem sehe ich regelmäßig Stellenausschreibung die genau das falsch machen und das passiert eher aus Gewohnheit und nicht mit Absicht. Das war jetzt aneinander vorbei geredet. Ich bezog mich darauf, warum aus 50% Mädchenanteil am Gymnasium nicht 50% Anteil an Studentinnen (und Absolventinnen) in MINT-Fächern werden.

Über diese Formulierung bin ich auch schon gestolpert. Ich weiß nur nicht, ob man tatsächlich Entwarnung geben darf, denn die Formulierung "Ihre Wallet" ist nicht ganz eindeutig. Es könnte damit auch - der bisherigen Logik folgend - der Eingang auf der eigenen Wallet beim Stakingpool (o.ä.) sein - schließlich hat man ja auch da ein eigenes Konto; dann wäre nichts gewonnen. Schöner wäre natürlich, wenn damit eine vom Staking-Anbieter unabhängige Wallet gemeint wäre - dann wäre die Steuerfalle tatsächlich vom Tisch.

Und sowas wird - bei größeren Summen - steuerlich katastrophal, weil die Steuer auf den Zeitpunkt des Zuflusses (also bei 100% Preis) anfällt, man aber nur noch 10% besitzt, wenn der Kurs derart einbricht. Und bei allem, was derartig hohe Prozente aufs Jahr einbringt, muss man davon ausgehen, dass aufgrund der hohen Inflation der Preis quasi zwingend kräftig einbrechen muss. Das macht die Sache mit der Inflation nur noch schlimmer.

Das führt wieder zurück auf die Frage, ob es nur "böse Mächte" sind, die die Beibehaltung der 50% verhindern? Dazu möchte ich nochmal auf einen älteren Post in diesem Thread verweisen - was machen wir, falls sich das tatsächlich bei weiterem Nachforschen bewahrheiten sollte? Bei dieser Debatte um den Frauenanteil rutscht man schnell in eine Ideologiedebatte ab - das fände ich schade, da Ideologie die Sicht verengt. Also, wenn trotz aller Förderungen der Frauenanteil deutlich unter den naiv zu erwartenden 50% stagniert, dann lohnt es sich vermutlich, genauer hinzuschauen, und nicht einfach "noch mehr Frauenförderung" zu verlangen. Sollte sich das bestätigen, dass Doppelbegabungen (egal, ob Mädchen oder Jungs) sich häufiger für "etwas mit Sprache" entscheiden, dann sollte man vielleicht in dieser Richtung weiterbohren - warum wirkt "etwas mit Sprache" reizvoller als "etwas mit MINT"? Lässen sich dafür Gründe finden, die man abstellen oder zumindest mindern könnte?