Bill Benter applied to stock markets

Ja siehst gar nicht so einfach

Wenn du Moby Dick suchst, ...

Es gibt unterschiedliche Meinungen zu Momentum, solltest Du das mit der 1. Phase meinen?
Einige Forschungsergebnisse gehen in die Richtung, dass das Momentum über mindestens 200 Tage (sogar länger) stabil (relativ) sein muss, dann mit geringer Vola.
Die kurzfristigen Sachen scheinen nicht mehr zu laufen?
Hier ist der Markt zu effizient (high frequency trading usw.) geworden.

Du kannst das Momentum nennen, denn ein (erster) Anstieg geht natürlich mit Momentum einher.

Mir ging es eher darum, dass man im Vorfeld grob selectieren muss, wenn man Superstocks früh finden will.

"Heute" kommen im Gegensatz zu "früher" immer mehr in der Bewertung ausgereizte Werte zum IPO.
Uber, Lyft und Beyond Meat haben ja zum Start Bewertungen jenseits von gut und böse.

Also muss man meiner Meinung nach zunächst nach Sektoren schauen, die völlig zerstört scheinen.
Dort dann Werte finden, die technisch eine längere Bodenbildung vollzugen haben, eine geringe Volatilität aufweisen.

Bei einem solchen Wert wird nun fundamental geforscht und wenn dort alles ok ist und nun kurz bis mittelfristig ein positiver Katalysator gefunden werden kann, dann kaufst du dich bei den ersten positiven Anzeichen (ansteigendes Volumen ohne Nachrichten, gute Quartalszahlen mit gutem Ausblick, vermehrten Insiderkäufen) ein.

Vereinzelt wirst du im Tech- oder Biotechbereich auch Aktien finden, die niemand (mehr) auf dem Radar hat.

Aber auch dort wird man von der charttechnischen Seite anfangen müssen.
Alles was (noch) stark fällt ist ein zu grosses Risiko und alles, was stark gestiegen ist, ist im Zweifelsfall schon wieder von zu vielen "entdeckt" worden.

Levermann ist hier schon das richtige Stichwort: es wird schwierig "fishing for parameters", wenn man erklärende Variable an erklärende Variable reiht...bis man genügend Freiheitsgrade um alles zu fitten. 

Aber wie du aus unserer letzten Diskussion ja weißt, bin ich ehrlich gesagt sehr angetan von der Idee eines "fundamentalen super Modell", ein Modell das eher wie ein "Futurologe" arbeitet, also große, langfristige trends erfasst. Quasi "Club of Rome" für Aktien.  Ein Modell das nicht nur prognostiziert, sondern quasi sogar erklärt:). Eigentlich eventuell das, was die "global Macro" jungs veruschen, bloß für Einzelwerte. 

Widerspricht halt allen "best practice" Vorsätzen die ich so habe, aber ich finde die Idee. 

Lass uns doch mal praktisch anfangen. Am besten an einer einzelnen Aktie. Die Frage meine ich nicht ironisch, weil ich wäre mir selbst nicht sicher...):

wenn du es exakter definieren müsstest, was willst du eigentlich Prognostizieren?

Ja lance was soll ich sagen sehe es genau wie du aber am Ende würde das auch für Pferdewetten gelten was Überoptimierung angeht.

Ich habe für mich beschlossen es einfach zu probieren. Es gibt bei der Geschichte einen Aspekt der es lohnenswert macht, man hat einen breiten Satz Daten mit dem man arbeitet bei deren Adjustirung allerlei interessante Ergebnisse zu Tage kommen könnte welche Daten gewichte sind besonders markant usw.

Und ja ich fange mit einer Aktie an, die am Ende das Muster für die anderen sein wird.

Darf ich mal fragen an welche Datenquellen Du für deine Analyse denkst?

Levermann ist hier schon das richtige Stichwort: es wird schwierig "fishing for parameters", wenn man erklärende Variable an erklärende Variable reiht...bis man genügend Freiheitsgrade um alles zu fitten. 

Aber wie du aus unserer letzten Diskussion ja weißt, bin ich ehrlich gesagt sehr angetan von der Idee eines "fundamentalen super Modell", ein Modell das eher wie ein "Futurologe" arbeitet, also große, langfristige trends erfasst. Quasi "Club of Rome" für Aktien.  Ein Modell das nicht nur prognostiziert, sondern quasi sogar erklärt:). Eigentlich eventuell das, was die "global Macro" jungs veruschen, bloß für Einzelwerte. 

Widerspricht halt allen "best practice" Vorsätzen die ich so habe, aber ich finde die Idee. 

Lass uns doch mal praktisch anfangen. Am besten an einer einzelnen Aktie. Die Frage meine ich nicht ironisch, weil ich wäre mir selbst nicht sicher...):

wenn du es exakter definieren müsstest, was willst du eigentlich Prognostizieren?

Ja lance was soll ich sagen sehe es genau wie du aber am Ende würde das auch für Pferdewetten gelten was Überoptimierung angeht.

Ich habe für mich beschlossen es einfach zu probieren. Es gibt bei der Geschichte einen Aspekt der es lohnenswert macht, man hat einen breiten Satz Daten mit dem man arbeitet bei deren Adjustirung allerlei interessante Ergebnisse zu Tage kommen könnte welche Daten gewichte sind besonders markant usw.

Und ja ich fange mit einer Aktie an, die am Ende das Muster für die anderen sein wird.

Darf ich mal fragen an welche Datenquellen Du für deine Analyse denkst?

Für die ersten Experimente werden Freie Wochen Kursdaten genügen. Dann SEC Daten,EZB,Fed,Ifo, Guru Holdings, Nachrichten etc weiß ich noch nicht. Wird sicher noch ein einiges zu diskutieren sein.

Wenn es einen Sinn ergeben sollte werde ich wohl einen Absolut Return Datensatz Kaufen müssen....

Levermann ist hier schon das richtige Stichwort: es wird schwierig "fishing for parameters", wenn man erklärende Variable an erklärende Variable reiht...bis man genügend Freiheitsgrade um alles zu fitten. 

Aber wie du aus unserer letzten Diskussion ja weißt, bin ich ehrlich gesagt sehr angetan von der Idee eines "fundamentalen super Modell", ein Modell das eher wie ein "Futurologe" arbeitet, also große, langfristige trends erfasst. Quasi "Club of Rome" für Aktien.  Ein Modell das nicht nur prognostiziert, sondern quasi sogar erklärt:). Eigentlich eventuell das, was die "global Macro" jungs veruschen, bloß für Einzelwerte. 

Widerspricht halt allen "best practice" Vorsätzen die ich so habe, aber ich finde die Idee. 

Lass uns doch mal praktisch anfangen. Am besten an einer einzelnen Aktie. Die Frage meine ich nicht ironisch, weil ich wäre mir selbst nicht sicher...):

wenn du es exakter definieren müsstest, was willst du eigentlich Prognostizieren?

Ja lance was soll ich sagen sehe es genau wie du aber am Ende würde das auch für Pferdewetten gelten was Überoptimierung angeht.

Ich habe für mich beschlossen es einfach zu probieren. Es gibt bei der Geschichte einen Aspekt der es lohnenswert macht, man hat einen breiten Satz Daten mit dem man arbeitet bei deren Adjustirung allerlei interessante Ergebnisse zu Tage kommen könnte welche Daten gewichte sind besonders markant usw.

Und ja ich fange mit einer Aktie an, die am Ende das Muster für die anderen sein wird.

"Wenn du es exakter definieren müsstest, was willst du genau prognostizieren? Den täglichen Return über die nächsten Jahre, den Return  r_(t_1= t_0 plus 1 Jahr) /r_(t_0) ?

Ich mir über das letzt endliche Prognose verfahren nocht nicht sicher. Hast du da vielleicht Vorschläge?

Tausend und keine....finde sowas extrem schwer. Es geht ja denke ich ("korrigiere mich wenn hier schon falsch liege) um "dicke Tanker und ihre langfristige Bewegung"?  

Ich überlege an was man sowas eigentlich festmachen kann.

Ich würde als Zielvariable vielleicht mal anfangen mit sowas  "year ahead sortino ratio", oder ein probalistisches Modell....??

Anfang würde ich immer mit meiner heiligen 4 faltigkeit:
- ridge/lasso Regression
- huber regression
- einfacher decission tree
- einfach konfigurierter gaussian process

Aus deiner Liste kommt der decission tree auf die Favoritenliste. Das passt denke ich ganz gut.

Hi,

ich denke Algorithmen werden den Unterschied hier nicht machen.
Wie man das Problem formuliert und Daten/Features werden hier IMHO den Unterschied machen. 

Meine oben aufgeführte Liste ist immer nur der erste Wurf. 

Ridge/Lasso Regression:
=> hat man ein hochdimensionales Problem und viele features, hilft einem eine stark regularisierte Ridge/Lasso Regression vernünftige Features zu identifizieren und das Verfahren ist auch einigermaßen robust gegen Probleme wie coliniearity etc.

Einfache Trees
=> am Ende ist XGboost noch immer mein Favorit für abschließende Lösung. XGBoost (und random forest und andere komplexere Tree Modelle) haben aber zusätzliche Hyper Parameter, die es zu optimieren gilt. Das hebt am Schluss noch einmal die Güte um ein paar %, am Anfang ist es aber IMO wichtig zu erkennen: habe ich da nicht-linearität drin? Erzeugt das bei gleichen features bessere Ergebnisse als die Regression? Ist mein Problem wirklich ein Problem vieler "!wenn..dann" Szenarien? 

 Dann geht man sowieso noch mehrere Runden im Feature Design ..uns jedes mal muss ma dann die Hyper Parameter neu justieren. Einfache Trees sind IMO sehr gut um nicht-linearität zu erkennen und das Problem zu explorieren.

Huber Regression:
=> du kennst die Sauerei mit den Daten. Was ist noch ein outlier, was ein Datenfehler.....muss Punkt x wirklich ins sample, oder verzerrt er das Bild? Daten Säuberung sollte nicht Aufgabe des Verfahrens sein, aber wenn deine Huber Regression (bei gleichen Features)  besser ist, als einfache Trees...dann muss man da nochmal ran.

GP
=> ermöglicht es einem gut die komplexität zu erforschen. Ist die Datenmenge nicht zu gewalttätig und Scored so ein Ding gut....dann ist da vielleicht wirklich eine komplexere und kontinuierliche Funktion in den Daten zu lernen. 
 
=>

Nun Benter hat versucht sein Modell mit so vielen Daten wie möglich zu füttern, für den Anfang werde ich 3-5 Verschiedene Daten für 4 Bereiche verwenden.

1. Fundamental Daten
2. Technische Analyse
3. Nachrichten Seite
4. Wirtschaftsdaten

Ziel soll nicht der Kurzfristige Super Zock sein! Also nicht den kleinen Goldfisch einfangen, sondern Moby Dick wird gesucht  

Anfangs werde ich wohl bei Levermann ein wenig Klauen gehen, wobei Kriterien raus fliegen für die schlecht Daten gesammelt werden können, wie die Analysten Meinungen beispielsweise.

Was meint ihr dazu ?

Darf ich mal bescheiden fragen, was aus diesem Projekt geworden ist?

Wenn ich es richtig verstanden habe, sollte anhand mathematischer Kriterien und Methoden ermittelt werden, welche Aktie der kommende Highflyer sein wird, der alle anderen in die Tasche steckt (Microsoft, Apple, Amazon, Tesla und ähnliche). Wie es scheint, wurde es nicht weiter verfolgt. Woran ist es gescheitert? An der Nichtverfügbarkeit von Daten für die gewünschte Analyse? Oder einfach konzeptionell?

Oder ist es gar nicht gescheitert und die Wunderformel wurde längst gefunden, die Initiatoren haben schon den nächsten Highflyer herausgefiltert und verraten es nur nicht?