Jump to content

Bot Trading mit genetischen Algorithmen


 Share

Recommended Posts

Posted (edited)

Hat schon jemand mal versucht, einen Bot auf Basis Genetischen Programmierens zu entwickeln, und Interesse, sich darüber auszutauschen?

Zur Begriffsklärung, soweit ich das nach Lesen diverser Artikel verstanden zu haben glaube:

Genetische Optimierung bezieht sich auf die Optimierung von Parametern, also vereinfacht: welche Einstellungen für welchen Indikator-Parameter oder welchen Bot-Parameter. Man muss also weiterhin die Strategie vorgeben, kann aber mit den genetischen Algorithmen die Suche nach brauchbaren Einstellungen für die Schräubchen der eigenen Strategie unterstützen.

Genetische Programmierung bedeutet im Gegensatz dazu, dass die genetischen Algorithmen die Regeln (plus die Einstellungen) der Trading-Strategie selber finden. Dazu werden die Regeln der Strategie meist als veränderbarer Baum aufgebaut, und die genetischen Algorithmen können Knoten zu diesem Baum dazufügen, verändern oder löschen. Letztendlich wird es also der künstlichen Evolution überlassen, welche Preise und welche Indikatoren wie zur Entscheidungsfindung miteinander verknüpft werden.


Mit dem ersten, der genetischen Optimierung, habe ich mich schon beschäftigt und sie in meinen aktuellen Backtest eingebaut. Ich verwende die NSGA II-Methode (*) und bin damit recht zufrieden. Die Parameter, die in weniger als einem Fünftel der bisherigen Rechenzeit gefunden werden, sind mindestens genauso gut wie die meiner bisherigen Backtestmethode, die einfach zufallsgesteuert Stichproben aus dem ganzen Parameterraum zieht.


Mit der genetischen Programmierung möchte ich anfangen. Dazu muss ich in meinen Bot noch sowas wie einen Regel-Interpreter einbauen, denn bisher hatte ich ja nur hart-kodierte Strategien. Wenn der steht und funktioniert, dann kann ich die Strategieregeln zukünftig aus einer Textdatei in einem Baum einlesen und den dann durch die GAs verändern und optimieren lassen.
Dazu gibt es eine schöne Artikelserie, die ich im Thread "Deep Reinforcement Lerarning" schon mal gepostet habe:
https://fabian-kostadinov.github.io/2014/09/01/evolving-trading-strategies-with-genetic-programming-an-overview/

 

Ich würde mich freuen, wenn sich auch jemand anders dafür interessiert, und ggfs ein reger Erfahrungsaustausch entsteht ...?

 

*:  "Non dominated Sorting Genetic Algorithm"

 

Edited by PeWi
Tippfehler
Link to comment
Share on other sites

Posted (edited)
42 minutes ago, Longbrearh said:

wobei ich kann programmieren, Siemens und Fanuc

Dann ist der Weg doch nicht mehr weit ...? 😉

Um den Bogen von der Programmierung einer Siemens zur Programmierung eines Bots zu schlagen, könnte @fjvbit ein guter Ansprechpartner sein. 🙄

Edited by PeWi
Tippfehler
Link to comment
Share on other sites

Ich hoffe ich grätsch nicht zu sehr rein, aber mir stellt sich direkt die Frage: Wieso nicht direkt zum Stand der Forschung (auch in dem Bereich sicherlich KNNs) springen?

GP ist mir nicht im Detail genannt, ist offenbar ein sehr allgemeiner Ansatz. Deine Ausführungen deuten darauf hin, dass dich Algorithmen interessieren könnten, die auf Entscheidungsbäumen aufbauen, bekannte viel genutzte Vertreter sind Random Forest oder XGBoost.
Ein anderen Stichwort, falls dir noch nicht bekannt, ist Meta-Learning, da geht es darum die sogenannten Hyperparameter zu optimieren (das sind die Parameter, für die du eigentlich sonst gar nicht weißt außer durch Erfahrung, wie du sie am besten setzt).

  • Like 1
Link to comment
Share on other sites

1 hour ago, Arther said:

Wieso nicht direkt zum Stand der Forschung (auch in dem Bereich sicherlich KNNs) springen?

Mit kleinen NNs spiele ich seit Jahren herum, diverse Artikel zu diversen anderen Methoden (wie z.B. Random Forests oder Deep Reinforcement Learning)  habe ich gelesen.

Gerade bei den NNs oder dem DRL ist doch recht viel Hintergrundwissen sinnvoll, weil es teilweise auch viel Gespür bzw einiges an Erfahrung braucht, da gute Ergebnisse zu bekommen.

Gerade bei NNs muss man die Daten gut und sinnvoll transformieren. Random Forests würden im Gegensatz zu den meisten anderen ML-Verfahren die Candle-Daten auch roh und untransformiert vertragen, steigen dann aber aus, wenn die Preise Höhen (oder Tiefen) erreichen, die im Trainingsmaterial nicht enthalten waren.
Sprich, da muss man schon einiges an Hirnschmalz und Erfahrungen reinstecken. So fit bin ich einfach noch nicht.

GP ist mir leichter zugänglich, weil man da weiterhin mit Preisen und Indikatoren auf die vertraute Art hantiert.

Und es ist einfach sehr interessant. 😉

1 hour ago, Arther said:

GP ist mir nicht im Detail genannt, ist offenbar ein sehr allgemeiner Ansatz

GA/GP ist eine Methodik, die man um sein Projekt außen rum "stülpen" kann. Insofern ein weicherer Übergang von konventieoneller Bot-Programmierung als die von dir genannten ML-Methoden.

IMHO auch recht modern, geht aber im aktuellen Hype um Deep NNs und ihre beeindruckenden Klassifizierungsfähigkeiten vielleicht etwas unter?

1 hour ago, Männergruppe Monk said:

Ja, habe ich. Geht nicht. Lass ich.

Wundert mich. Sind doch eigentlich letztendlich alles Verfahren zum Identifizieren von Mustern in verrauschten Daten. Sollten somit letztendlich alle ähnlich gut oder schlecht performen.

Vielleicht fehlt in deinem Matlab nur eine vernünftige Toolbox für genetische Programmierung? 😁

  • Like 1
Link to comment
Share on other sites

Posted (edited)
vor 13 Minuten schrieb PeWi:

Vielleicht fehlt in deinem Matlab nur eine vernünftige Toolbox für genetische Programmierung? 😁

Nein, das war vor der Matlab Zeit, als ich noch Tradestation genommen habe. Ich glaube deswegen nicht daran, weil es ein paar Grundsätze im Trading widerspricht und deswegen nicht funktionieren kann.

Und soweit ich weiss, hat Matlab eine Toolbox dafür, aber ich will da nicht weiter meine Zeit mit verschwenden. Ich habe  mit anderen Ansätzen wesentlich bessere Resultate.

Edited by Männergruppe Monk
Link to comment
Share on other sites

3 minutes ago, Männergruppe Monk said:

Ich glaube deswegen nicht daran, weil es ein paar Grundsätze im Trading widerspricht und deswegen nicht funktionieren kann.

Sicher?

Kannst du das detaillieren? Würde mich interessieren.

Link to comment
Share on other sites

vor 2 Minuten schrieb PeWi:

Sicher?

Kannst du das detaillieren? Würde mich interessieren.

Das habe ich Dir aber jetzt schon sehr oft geschrieben. Jeder Algorithmus, egal welcher, wird immer eine Phase haben, wo er funktioniert und eine, wo er nicht funktioniert.

Das gilt auch für genetische Algorithmen. Du wirst da keine wesentlich besseren Ergebnisse haben, als mit einer Kombination aus ROC und MACDs oder Bollingers. Das ist nur eine Sau, die man regelmässig immer wieder durchs Dorf treibt.

Der einzige Weg, einen Algorithmus permanent im Profitablen Bereich zu haben ist das Postioning Management, wie bei Tharp beschrieben, also das Equity Kurve Modelling. Hast Du da etwa mit aufgehört ?

Link to comment
Share on other sites

vor 2 Stunden schrieb Arther:

Ich hoffe ich grätsch nicht zu sehr rein, aber mir stellt sich direkt die Frage: Wieso nicht direkt zum Stand der Forschung (auch in dem Bereich sicherlich KNNs) springen?

GP ist mir nicht im Detail genannt, ist offenbar ein sehr allgemeiner Ansatz. Deine Ausführungen deuten darauf hin, dass dich Algorithmen interessieren könnten, die auf Entscheidungsbäumen aufbauen, bekannte viel genutzte Vertreter sind Random Forest oder XGBoost.
Ein anderen Stichwort, falls dir noch nicht bekannt, ist Meta-Learning, da geht es darum die sogenannten Hyperparameter zu optimieren (das sind die Parameter, für die du eigentlich sonst gar nicht weißt außer durch Erfahrung, wie du sie am besten setzt).

Ich lasse gerade zig ML Algorithmen durchpermutieren. KNNs funktionieren da nicht so toll, Random Forest hat sich als sehr gut erwiesen. In Kombination mit Reinforced Learning erwarte ich Mega Ergebnisse. 

Link to comment
Share on other sites

9 minutes ago, Männergruppe Monk said:

Jeder Algorithmus, egal welcher, wird immer eine Phase haben, wo er funktioniert und eine, wo er nicht funktioniert.

Korrekt. Und deshalb setzt man da das Equity Kurve Modelling noch obendrauf.

Aber was hat das mit der Methode unterdrunter zu tun?

Link to comment
Share on other sites

8 minutes ago, Männergruppe Monk said:

Random Forest hat sich als sehr gut erwiesen.

Skalierst du da die Candle-Daten vorher auf relative Größen um? Oder schiebst du sie und die diversen Indikatoren unverändert rein?

Link to comment
Share on other sites

Posted (edited)
vor 7 Minuten schrieb PeWi:

Skalierst du da die Candle-Daten vorher auf relative Größen um? Oder schiebst du sie und die diversen Indikatoren unverändert rein?

Das ist mal eine gute Frage. Wenn ich mich erinnere kann ich 10 unterschiedliche Skalierungen ausprobieren, die lasse ich alle durchrechnen. Ich verwende keine Preisdaten, ich faktorisiere die Preisdaten (skaliert und nicht, je nach ML Algo) mit Indikatoren und lass rechnen und rechnen und rechnen.

Du musst meinen Prozess verstehen. Ich mache Classifiertes Lernen. Bedeutet, ich setze mir meine Trades, wie ich sie haben will und die Geld verdienen, danach schmeiss ich über 600 Indikatoren in den Ring und schau nach, wie ich die am besten beschreiben kann. Tripple Barrier Method ist ja nur ein Ansatz. Und dann lass ich rechnen und rechnen und rechnen. MIt der Zeit sieht man, was fliegt und was nicht.

Leider ist es in diesem ML/DL/RL Ding so, dass mir keiner richtige Parameter sagen kann, dass muss man alles durchrechnen lassen.

 

Ich habe noch eine Tradingliste von einem Forex Contest, da hat einer 4500% in einem Monat gemacht. Sobald ich die mit den Preisdaten abgeglichen haben, versuche ich mal rauszufinden, wie die Regeln von dem aussahen 🙂

Edited by Männergruppe Monk
  • Like 1
Link to comment
Share on other sites

17 hours ago, Männergruppe Monk said:

Ich habe noch eine Tradingliste von einem Forex Contest, da hat einer 4500% in einem Monat gemacht. Sobald ich die mit den Preisdaten abgeglichen haben, versuche ich mal rauszufinden, wie die Regeln von dem aussahen 🙂

Könnte schwierig werden. 😉

a) Es war ein Glücksritter, der zufällig den oder die Jackpot-Trades gemacht hat.

b) Es war ein absoluter Profi mit perfekter Intuition durch jahre- bis jahrzehntelange Übung. Ob du dessen Feinheiten mit deinem System überhaupt abbilden kannst?

  • Love it 1
Link to comment
Share on other sites

vor 41 Minuten schrieb PeWi:

Könnte schwierig werden. 😉

a) Es war ein Glücksritter, der zufällig den oder die Jackpot-Trades gemacht hat.

b) Es war ein absoluter Profi mit perfekter Intuition durch jahre- bis jahrzehntelange Übung. Ob du dessen Feinheiten mit deinem System überhaupt abbilden kannst?

Nein, jeder Profi hat Regeln und jeder Glücksritter auch. Um diese zu beschreiben, muss Du folgendes machen : 

1. Trading Liste mit Zeit und Trades erstellen. Klassisches Klassifizierungsproblem.

2. Sehen, wie man mit ML Algos und Datenfaktorisierung diese beschreiben kann.

3. Danach kannst Du an den Parametern sehen, wie und welche Indikatoren etc er genommen hat. Und wenn keine, dann siehst Du das auch.

 

Re-Engineering ist das Stichwort 🙂

Link to comment
Share on other sites

Um mal zum eigentlichen Thema dieses Threads zurückzukommen ...

Aus einem Paper ("Genetic Programming and Financial Trading: How Much about 'What we Know'?", IMHO von 2008):

"The relevance of genetic programming (GP) to technical analysis is quite obvious. Technical analysis is mainly built upon some mathematical manipulations of the historical data of prices and volumes. [...] The interest in using GP to study technical analysis is, therefore, motivated by the two following concerns.

First, technical analysis generally does not refer to a fixed set of trading rules. They are evolving and changing over time. Many of them are still not even known to the public. However, for some time academic studies seem to have overlooked this property, and have tended to study them as if they are fixed over time. It is, therefore, not surprising to see the diversity of the results: they are profitable in some markets some of the time, while they fail in other markets at other times, and so they are very inconclusive. A more systematic way to study this evolving subject is to place it in a dynamic and evolving environment. Genetic programming, as a tool for simulating the evolution of trading rules in response to the changing environment, can then serve this purpose well.
    
Second, technical analysis usually involves quite complicated transformations and combinations of price and volume signals, which is too demanding to be harnessed by the human mind. GP, as a rules-generating machine, can better facilitate us to travel trough this jungle.

Given these two concerns, the financial application of GP to trading rules is distinguished from the use of other computational intelligence tools. The point of interest here is to see how well we are able to simulate the rule-discovery process without assuming the size and the shape of trading rules. Needless to say, other computational intelligence tools can help us with the market-timing decision, but they either do not provide us with trading rules, such as the linear perceptron neural networks and support vector machine, or they assume a fixed size or shape of trading rules, such as the decision trees, selforganizing maps and genetic algorithms. In fact, GP allows us to work with an issue of academic interest similar to automatic-theorem proofing, which is not shared by other competing tools."

  • Like 1
Link to comment
Share on other sites

Posted (edited)

Ein interessantes Paper zum Thema:

A real-time adaptive trading system using Genetic Programming

https://www.researchgate.net/publication/227623866_A_real-time_adaptive_trading_system_using_Genetic_Programming

Ein Nachteil dieses Papers ist das relative hohe Alter (von 2001) und die dadurch bedingte schwache Rechenkraft der damaligen PCs im Vergleich zu heute (vermutlich Pentium III oder weniger).

(Edit: Getradet wird in diesem Paper auf dem Forex-Markt. Hier gibt es einen großen Unterschied zum Aktien- oder Kryptomarkt: Der langfristige Erwartungswert bei Forex liegt bei Null, d.h. es gibt bei Forex kein langfristiges Wachstum, weswegen Buy-and-Hold-Strategien hier sinnlos sind. Bei Aktien und Kryptos laufen Optimierungen von Strategien u.U. in die Buy-and-Hold-Falle, d.h. sie kaufen einmalig und halten.)


Nichtsdestotrotz ist vieles aus dem Paper interessant:

Der hier verwendete Ansatz ist - im Gegensatz zu den üblichen Papers über maschinelles Traden - stark am Vorgehen menschlicher Trader orientiert, nicht an theoretisch-akademischen Grundmodellen.

Als Erfolgskriterium wird nicht einfach ein möglichst hoher Profit angestrebt, sondern die Stirling Ratio (Profit geteilt durch maximalen Drawdown), was laut Paper von menschlichen Tradern bevorzugt würde (kann ich nicht beurteilen).

Es wird keine einzelne Strategie benutzt, sondern es werden im Portfolio parallel die besten 20 Strategien gleichzeitig ausgeführt.

Über den von durch GP festgelegten Strategien steht noch ein "Cash Management", das eigenständig einen Stoploss führt und aktive Trades in zu großem Verlust schließt, bevor die GP-Strategie das ggfs selbst merkt.

Interessant ist auch, dass im ersten Ansatz auch die Verwendung mehrerer Candlegrößen gleichzeitig innerhalb jeder Strategie geplant wurde. Aufgrund der damals extrem hohen Rechenzeiten und Schwierigkeiten mit Overfitting wurde das im weiteren Verlauf leider wieder fallen gelassen.

Die Tradingregeln werden nicht beliebig "erfunden", sondern basieren auf ein paar Standardmethoden (MA-Kreuzungen, RSI-Schwellwerte, Channel-Breakout u.ä.), die über AND, OR und XOR miteinander verknüpft werden.
(Abschreckendes Beispiel: In einem anderen Paper durfte das GP Trading-Regeln auf der Basis des Preises und der vier Grundrechenarten erfinden - da kamen dann so einleuchtende Sachen heraus wie: wenn das Quadrat des Preises minus Preis plus 95 ...)


Zu ihren Ergebnissen - ihre Resultate sind leider nicht so überzeugend:

Die Out-of-Sample-Performance ihres Strategie-Portfolios sank ziemlich schnell ab.

Verschiedene Versuche mit periodischem Retraining oder adaptivem Retraining (d.h. nach Überschreitung gewisser Verluste) ergaben schlechtere Werte als bei Beibehalten der ursprünglich ermittelten Strategien.
Sie vermuten, dass ihr Retraining lediglich zur Anpassung an die letzten lokalen Markterhältnisse führt, d.h. Reduzierung der globalen Anteile zugunsten von Overfitting an die gerade erlebte Marktsituation.

 

Generell, so schreiben sie, war ihr Hauptproblem, das sie an der Verbesserung/Erweiterung ihrer Methodik gehindert habe, aber die arg begrenzte Rechenkraft. Ihr Modell nutzte nur 50 Individuen und 6 Generationen, brauchte aber pro Iteration schon 2h bis 4h Rechenzeit.

Edited by PeWi
Ergänzung
  • Thanks 1
Link to comment
Share on other sites

Am 25.5.2021 um 21:31 schrieb PeWi:

Abschreckendes Beispiel: In einem anderen Paper durfte das GP Trading-Regeln auf der Basis des Preises und der vier Grundrechenarten erfinden - da kamen dann so einleuchtende Sachen heraus wie: wenn das Quadrat des Preises minus Preis plus 95 ...)

 

Auswahl der Features ist natürlich Recht entscheidend, die Idee liegt aber natürlich immer erst einmal nahe, ob man einen Algo dazu bringen kann, High Level Features aus simplen Funktionen selber zusammen zu bauen. Bei NN ist das dann ja auch in der Tat gelungen.

Wird/Wurde den Regularisierung bei GP gemacht? Dürfte ja ähnlich funktionieren wie bei Baum-basierten Verfahren. Ka, ob das in der Form schon vor 20 Jahren üblich war.

Link to comment
Share on other sites

15 hours ago, coinflipper said:

Habt ihr oder habt ihr kein Modell gefunden, was man in Krypto anwenden kann?

Auf Github und Co habe ich schon gestöbert, aber bisher sieht es so aus, als müsste man das alles selber programmieren. 😉

Insofern stecken wir noch in der Theorie.

8 hours ago, Arther said:

Wird/Wurde den Regularisierung bei GP gemacht?

Üblicherweise begrenzt man die Baumtiefe, um Overfitting zu vermeiden.

Link to comment
Share on other sites

10 hours ago, Arther said:

die Idee liegt aber natürlich immer erst einmal nahe, ob man einen Algo dazu bringen kann, High Level Features aus simplen Funktionen selber zusammen zu bauen. Bei NN ist das dann ja auch in der Tat gelungen.

Das empfinde ich auch ein bisschen als Einschränkung. Wenn man sieht, wie aufwendig in "Elementarschritten"  alleine schon sowas wie RSI ist, dann halte ich die Chance für recht gering, dass GP einen sinnvollen neuen Indikator erfinden kann. Zumindest für ein GP in dem Umfang, den ein interessierter Amateur noch handlen kann. 😉

Würde es für GP ebenfalls so professionelle Bibliotheken wie für NNs geben - samt der entsprechenden Beschleunigung durch passende Hardware - wäre sicherlich auch etwas mehr möglich.

Aber unter den gegebenen Umständen finde ich den Ansatz aus dem letzten Paper sehr sinnvoll, Basiskonzepte wie MAs, MA-Kreuzungen, Channelausbrüche und ähnliches als basisbausteine zur Verfügung zu stellen und über GP "nur" passende Kombinationen davon zu finden.

Link to comment
Share on other sites

vor 4 Stunden schrieb PeWi:

Das empfinde ich auch ein bisschen als Einschränkung. Wenn man sieht, wie aufwendig in "Elementarschritten"  alleine schon sowas wie RSI ist, dann halte ich die Chance für recht gering, dass GP einen sinnvollen neuen Indikator erfinden kann. Zumindest für ein GP in dem Umfang, den ein interessierter Amateur noch handlen kann. 😉

Würde es für GP ebenfalls so professionelle Bibliotheken wie für NNs geben - samt der entsprechenden Beschleunigung durch passende Hardware - wäre sicherlich auch etwas mehr möglich.

Aber unter den gegebenen Umständen finde ich den Ansatz aus dem letzten Paper sehr sinnvoll, Basiskonzepte wie MAs, MA-Kreuzungen, Channelausbrüche und ähnliches als basisbausteine zur Verfügung zu stellen und über GP "nur" passende Kombinationen davon zu finden.

Ich finde eure Ansätze interessant, aber ich glaube, ihr macht das zu theoretisch und kompliziert. Mein Hausverstand sagt mir folgendes: Wenn ich als Mensch nicht fähig bin, zu erfassen, was andere tun, um erfolgreich zu traden, wie soll ich einer Maschine dann beibringen dies nachzuahmen?

Ich meine, erkennt ihr was gute Trader eigentlich ausmacht?

Link to comment
Share on other sites

14 minutes ago, coinflipper said:

Ich meine, erkennt ihr was gute Trader eigentlich ausmacht?

Das ist vermutlich mein größtes Handicap. Ich bin selber kein Trader und habe nur Theoriewissen aus Büchern. Theoriewissen hat aber noch nix mit Können zu tun. Insofern probiere ich notgedrungen viel über Backtests aus. Und ich erlebe es dauernd, dass mir toll und einleuchtend erscheinende Ideen im Backtest um die Ohren fliegen.

15 minutes ago, coinflipper said:

Wenn ich als Mensch nicht fähig bin, zu erfassen, was andere tun, um erfolgreich zu traden, wie soll ich einer Maschine dann beibringen dies nachzuahmen?

Das ist aber gerade der Witz an maschinellem Lernen - die Maschine leitet aus dem Datenmaterial selber eigene Regeln ab. (Damit das überhaupt funktionieren kann, muss man im Gegenzug aber einiges an Mühe reinstecken, um Overfitting zu vermeiden und zu "generellen" Regeln zu kommen.)

Und zumindest auf dem Gebiet des maschinellen Lernens hat es sich schon oft als Irrweg herausgestellt, wenn ein menschlicher Experte Vorgaben an die Maschine macht. Nach ersten Anfangserfolgen fährt das ganze normalerweise recht schnell in eine Stagnation - trotz guter Experten - und erreicht erst dann weitere Verbesserungen, wenn man auf die Experten-Vorgaben verzichtet und die Maschine frei und selber lernen lässt.

Literatur dazu: "The Bitter Lesson"

http://www.incompleteideas.net/IncIdeas/BitterLesson.html

  • Like 1
Link to comment
Share on other sites

Posted (edited)
vor 48 Minuten schrieb PeWi:

Das ist aber gerade der Witz an maschinellem Lernen - die Maschine leitet aus dem Datenmaterial selber eigene Regeln ab. (Damit das überhaupt funktionieren kann, muss man im Gegenzug aber einiges an Mühe reinstecken, um Overfitting zu vermeiden und zu "generellen" Regeln zu kommen.)

Witzig ist, dass mein Ansatz genau dieses Overfitting wäre. Ich habe ja einiger Maßen ein System, nachdem ich trade und was ich versuche, ist, dass die Maschine mein Können kopiert, nicht so tut, wie wenn sie es besser können soll. 

Wenn ich mir mein Trading anschaue, und auch das anderer, von denen ich glaube, sie sind erfolgreich darin, dann beläuft es sich immer darauf hinaus, dass man ein System hat, als "Basis" und grundsätzlich hält man sich an diesem. (z.B. rudimentäre MA-Crosses, Ableitungen aus RSI, Stochastic, oder andere Idikatoren. Manche trader schwören auf Price-Action, andere zählen Kerzen und interpretieren Elliot-Waves.) Dennoch hat jeder Trader so sein Lieblingsset an Methoden, die er eventuell intuitiv am besten liest. 

Dann kommen aber Momente, wo andere Dinge einfach eklatant wichtiger sind und in diesem Moment klarer als die eigene Methode. z.B. könnte der eigene Indikator unschlüssig sein, aber die Kerzenformation so klar sein, dass man sich auf die Kerzenformation verlässt, oder price-action-retests, oder sowas. Diese Fälle lernt man durch Erfahrung, die Methode hingegen ist schon fast maschinell daily business. 

Wenn man sich das nun gesamtheitlich durchüberlegt, kann ich mir nicht vorstellen, dass eine Maschine das begreift. Sie kann sämtliche Formationen, Methoden etc. kennen, aber der Kurs bildet immer wieder widersprüchliche Situationen ab, die einfach unklar sind. Und hier zu entscheiden, ob und was man tut, ist schwer zu programmieren. Auch oft gibt es noch andere facts, die interessant sind: z.B. der Markt an sich, nicht nur der eine Chart, oder das Sentiment der Menschen, oder andere Faktoren wie Future-Expiring-Dates, Funding, Option-Expiring, etc. (z.B. aktuell laufen Optionen aus auf BTC. Wenn der Kurs an die 50k kommt, verdienen viele Menschen nichts mehr mit ihrer Option-Wette. Unter der Haube munkelt man, dass Optionen und expirey Dates wichtiger sind als Future-Expiry-Dates und ein wichtiger Faktor sein werden für Volatility und Kurssprünge. Das hätte eine Maschine nicht aus dem Chart lesen können. Die damit verbundenen Verflechtungen zu Altcoins und den dahinterliegenden Derivaten auch nicht.)

Ebenso wie fundamentale Ereignisse bei Coins (halving > wie gewichtet man das? Anstehende News, leaks, etc.). Ich trade zwar den Chart, aber je länger man sich mit dem Markt an sich auch befasst, den Projekten, Zielen und Erfolgen dahinter, schätzt man Eigenheiten von Coins besser ein. Kann eine Maschine wissen, dass XRP Mist ist? Aber dennoch zu den TOP-Coins gehört? Oder, dass DOGE nur ein MEME ist, aber durch die Marktkapitalisierung doch ernst zu nehmen ist, dass dessen senkrechte Pumps, gar nicht so Pump and Dump sind, wie bei anderen Coins? Oder, dass MATIC einen ziemlich gefährlichen Market Maker hat, und auch mal wie gestört 70% fallen kann?

Weißt du was ich meine? Dieser gesamte Bereich, den sehe ich in euren mathematischen Bemühungen nicht. Man traded eben nicht nur Kursbwegungen, sondern Absichten der anderen Teilnehmer, dazu muss man verstehen, wo und wie die anderen zu Geld kommen wollen, um entsprechend zu partizipieren oder Risiko zu verwalten.

EDIT: habe deinen verlinkten Text gelesen und offensichtlich widerspricht mir der Text :) Dennoch sind die von ihm beschriebenen Fälle anders gelagert. Ein Spiel hat Regeln: Reihenfolge der Züge, die getätigt werden müssen. Und es ist ein A gegen B. Trading funktioniert so nicht. Du kannst Züge aussetzen, du kannst A sein, aber auch mal das tun, was B tut und jemand anderes A sein lassen. Du hast andere Freiheiten und dadurch andere Möglichkeiten und sowohl du hast diese, als auch alle anderen ins besondere das große Kapital wechselt oft das Spielfeld.

Und nochmal zum Nachdenken, über Market Maker aka Wyckoffs Theorie: Traden wir gegen jemanden? Gegen alle? Schlagen wir uns auf eine Seite? Traden wir allein? Traden wir überhaupt gegen jemanden, oder einfach nur die Volatilität? Oder wie es Sam Trabucco sagte: traden wir das Market Delta? Wie groß bist du eigentlich? Groß genug, um anstatt Trading von reinem Rebalancing von Positionen zu sprechen?

Für mich ist ein starrer Algorithmus, auch ein lernender, zu einseitig, zumindest meine jetzige Auffassung.

Edited by coinflipper
Link to comment
Share on other sites

Create an account or sign in to comment

You need to be a member in order to leave a comment

Create an account

Sign up for a new account in our community. It's easy!

Register a new account

Sign in

Already have an account? Sign in here.

Sign In Now
 Share

×
×
  • Create New...

Important Information

We have placed cookies on your device to help make this website better. You can adjust your cookie settings, otherwise we'll assume you're okay to continue.