Aktie BAYER - SelMckenzie Daytrading-Prognose Dienstag 4.5.2004

[selzer_...@yahoo.com.au]

* SelWave® * * SelNeuron® * *SelMcKenzie® * ©SelMcKenzie®
Neuronale Netze

D A Y T R A D I N G - P R O G N O S E
für Dienstag 4.Mai 2004
Aktie: B A Y E R
more Infos:
http://www.Trading-Prognose.de.vu
http://www.Gratis-Tradingsysteme.de.vu
http://www.Tradingplace.de
http://www.SelWave.de.vu
http://5304.rapidforum.com

Hier zunächst das reale Resultat der letzten Prognose:

The real result our prognosis:
Total of trade: 4
Number winning trades: 4
Number losng trades: 0
Account size required: 5.332,90
Max intraday drawdown: 5.273,69
Min intraday drawdown: 5.026,72
Largest winning trade: 306,18
Summary trades: 20.539,66
Total profit: 860,98
Total Courtage: 575,11
Average winning trade: 71,38
Net profit total: 285,87 or 5,72 %
001.Kurs 5.332,90 width: 000,00 SelWave® = 000,00 % GuV
000,00 Geb 000,00 Saldo: 000,00
002.Kurs 5.026,72 width: 306,18 SelWave® deep = 099,00 % GuV
306,18 Geb 140,75 Saldo: 165,43
003.Kurs 5.192,18 width: 165,46 SelWave® high = 054,04 % GuV
165,46 Geb 145,38 Saldo: 185,51
004.Kurs 5.095,68 width: 096,50 SelWave® deep = 058,32 % GuV
000,00 Geb 000,00 Saldo: 185,51
005.Kurs 5.213,65 width: 117,97 SelWave® high = 122,25 % GuV
000,00 Geb 000,00 Saldo: 185,51
006.Kurs 5.089,93 width: 123,72 SelWave® deep = 104,88 % GuV
000,00 Geb 000,00 Saldo: 185,51
007.Kurs 5.273,69 width: 183,76 SelWave® high = 148,52 % GuV
183,76 Geb 147,66 Saldo: 221,61
008.Kurs 5.175,27 width: 098,42 SelWave® deep = 053,56 % GuV
000,00 Geb 000,00 Saldo: 221,61
009.Kurs 5.140,07 width: 035,20 SelWave® deep = 035,77 % GuV
000,00 Geb 000,00 Saldo: 221,61
010.Kurs 5.252,65 width: 112,58 SelWave® high = 319,81 % GuV
000,00 Geb 000,00 Saldo: 221,61
011.Kurs 5.047,07 width: 205,58 SelWave® deep = 182,60 % GuV
205,58 Geb 141,32 Saldo: 285,87
012.Kurs 5.157,93 width: 110,86 SelWave® high = 053,93 % GuV
000,00 Geb 000,00 Saldo: 285,87

©SelMcKenzie® Neuronale Netze
T H E N E W T R A D I N G P R O G N O S I S :
If SelWave®-width 001 % then go long or buy
If SelWave®-width 002 % then go short or sell
If SelWave®-width 003 % then go long or buy
If SelWave®-width 004 % then go long or buy
If SelWave®-width 005 % then go short or sell
If SelWave®-width 006 % then go short or sell
If SelWave®-width 007 % then go long or buy
If SelWave®-width 008 % then go long or buy
If SelWave®-width 009 % then go short or sell
If SelWave®-width 010 % then go short or sell
If SelWave®-width 011 % then go short or sell
If SelWave®-width 012 % then go long or buy
If SelWave®-width 013 % then go short or sell
If SelWave®-width 014 % then go short or sell
If SelWave®-width 015 % then go short or sell
If SelWave®-width 016 % then go short or sell
If SelWave®-width 017 % then go short or sell
If SelWave®-width 018 % then go short or sell
If SelWave®-width 019 % then go short or sell
If SelWave®-width 020 % then go long or buy
If SelWave®-width 021 % then go short or sell
If SelWave®-width 022 % then go short or sell
If SelWave®-width 023 % then go long or buy
If SelWave®-width 024 % then go long or buy
If SelWave®-width 025 % then go short or sell
If SelWave®-width 026 % then go short or sell
If SelWave®-width 027 % then go short or sell
If SelWave®-width 028 % then go long or buy
If SelWave®-width 029 % then go short or sell
If SelWave®-width 030 % then go long or buy
If SelWave®-width 031 % then go short or sell
If SelWave®-width 032 % then go long or buy
If SelWave®-width 033 % then go short or sell
If SelWave®-width 034 % then go short or sell
If SelWave®-width 035 % then go short or sell
If SelWave®-width 036 % then go short or sell
If SelWave®-width 037 % then go short or sell
If SelWave®-width 038 % then go short or sell
If SelWave®-width 039 % then go long or buy
If SelWave®-width 040 % then go short or sell
If SelWave®-width 041 % then go short or sell
If SelWave®-width 042 % then go short or sell
If SelWave®-width 043 % then go long or buy
If SelWave®-width 044 % then go short or sell
If SelWave®-width 045 % then go short or sell
If SelWave®-width 046 % then go long or buy
If SelWave®-width 047 % then go short or sell
If SelWave®-width 048 % then go long or buy
If SelWave®-width 049 % then go short or sell
If SelWave®-width 050 % then go short or sell
If SelWave®-width 051 % then go short or sell
If SelWave®-width 052 % then go long or buy
If SelWave®-width 053 % then go short or sell
If SelWave®-width 054 % then go short or sell
If SelWave®-width 055 % then go short or sell
If SelWave®-width 056 % then go long or buy
If SelWave®-width 057 % then go long or buy
If SelWave®-width 058 % then go short or sell
If SelWave®-width 059 % then go long or buy
If SelWave®-width 060 % then go short or sell
If SelWave®-width 061 % then go long or buy
If SelWave®-width 062 % then go long or buy
If SelWave®-width 063 % then go long or buy
If SelWave®-width 064 % then go long or buy
If SelWave®-width 065 % then go long or buy
If SelWave®-width 066 % then go short or sell
If SelWave®-width 067 % then go long or buy
If SelWave®-width 068 % then go short or sell
If SelWave®-width 069 % then go long or buy
If SelWave®-width 070 % then go short or sell
If SelWave®-width 071 % then go long or buy
If SelWave®-width 072 % then go long or buy
If SelWave®-width 073 % then go long or buy
If SelWave®-width 074 % then go long or buy
If SelWave®-width 075 % then go short or sell
If SelWave®-width 076 % then go short or sell
If SelWave®-width 077 % then go short or sell
If SelWave®-width 078 % then go long or buy
If SelWave®-width 079 % then go short or sell
If SelWave®-width 080 % then go short or sell
If SelWave®-width 081 % then go long or buy
If SelWave®-width 082 % then go short or sell
If SelWave®-width 083 % then go long or buy
If SelWave®-width 084 % then go short or sell
If SelWave®-width 085 % then go long or buy
If SelWave®-width 086 % then go short or sell
If SelWave®-width 087 % then go short or sell
If SelWave®-width 088 % then go short or sell
If SelWave®-width 089 % then go short or sell
If SelWave®-width 090 % then go long or buy
If SelWave®-width 091 % then go short or sell
If SelWave®-width 092 % then go long or buy
If SelWave®-width 093 % then go long or buy
If SelWave®-width 094 % then go short or sell
If SelWave®-width 095 % then go short or sell
If SelWave®-width 096 % then go short or sell
If SelWave®-width 097 % then go short or sell
If SelWave®-width 098 % then go short or sell
If SelWave®-width 099 % then go long or buy
If SelWave®-width 100 % then go short or sell

©SelMcKenzie® Neuronale Netze
Beispiel des SelWave®Selzer-McKenzie-Wave-Principle®
Ein beispielhafter Kurs-Verlauf: (Minuten-Takt,Stunden-Takt,Tages-oder
Wochen-Kurse)
106,17 and 106,04 and 110,19 and 110,05 and 107,88 and 109,90 and
106,24 and 109,73 and 108,25 and 106,91 and 107,70 and 109,94 and
109,41 and 108,90 and 110,46 and 110,14 and 108,41 and 109,44 and
107,77 and 108,22 and 107,18 and 106,70 and 107,91 and 109,44 and
109,27 and
Somit Waves: ImpulsWave___CorrecturWave___ImpulsWave___CorrecturWave___CorrecturWave___ImpulsWave___CorrecturWave___ImpulsWave___CorrecturWave___CorrecturWave___ImpulsWave___ImpulsWave___CorrecturWave___CorrecturWave___ImpulsWave___CorrecturWave___CorrecturWave___ImpulsWave___CorrecturWave___ImpulsWave___CorrecturWave___CorrecturWave___ImpulsWave___ImpulsWave___CorrecturWave___
Im Detail:
01.Kurs: 106,17 ImpulsWave Wave-Range 5500%
02.Kurs: 106,04 CorrecturWave Wave-Range 7%
03.Kurs: 110,19 ImpulsWave Wave-Range 207%
04.Kurs: 110,05 CorrecturWave Wave-Range 7%
05.Kurs: 107,88 CorrecturWave Wave-Range 108%
06.Kurs: 109,90 ImpulsWave Wave-Range 101%
07.Kurs: 106,24 CorrecturWave Wave-Range 183%
08.Kurs: 109,73 ImpulsWave Wave-Range 175%
09.Kurs: 108,25 CorrecturWave Wave-Range 74%
10.Kurs: 106,91 CorrecturWave Wave-Range 68%
11.Kurs: 107,70 ImpulsWave Wave-Range 40%
12.Kurs: 109,94 ImpulsWave Wave-Range 112%
13.Kurs: 109,41 CorrecturWave Wave-Range 26%
14.Kurs: 108,90 CorrecturWave Wave-Range 26%
15.Kurs: 110,46 ImpulsWave Wave-Range 78%
16.Kurs: 110,14 CorrecturWave Wave-Range 16%
17.Kurs: 108,41 CorrecturWave Wave-Range 86%
18.Kurs: 109,44 ImpulsWave Wave-Range 52%
19.Kurs: 107,77 CorrecturWave Wave-Range 84%
20.Kurs: 108,22 ImpulsWave Wave-Range 23%
21.Kurs: 107,18 CorrecturWave Wave-Range 53%
22.Kurs: 106,70 CorrecturWave Wave-Range 25%
23.Kurs: 107,91 ImpulsWave Wave-Range 62%
24.Kurs: 109,44 ImpulsWave Wave-Range 77%
25.Kurs: 109,27 CorrecturWave Wave-Range 9%

Feststellen, welche Art der Welle sich bildet bzw. gebildet hat.
Ergibt sich eine entsprechende Wellen-Bildung in Übereinstimmung mit
der Prognose, dann traden.

Das SelWave®Selzer-McKenzie-Wave-Principle® ist keinenfalls in
irgendeiner Form
identisch mit dem Elliott-Wave-Principle, sondern völlig anders.
Bitte lesen Sie hierzu auch das Fachbuch des Authors Selzer-McKenzie,
*Trading with SelWave®*

©SelMcKenzie® Neuronale Netze
Erläuterungen zu den Trades
Als Handels-Volumen gilt eine Summe, z.b. ca. € 5.000.--
Wir z.B. die Aktie DCX getradet, deren Kurs bei z.B. 31.25 liegt,
dann also 150 Aktien zu 31.25 = € 4.687.50
Die SelWAVE®-Wellen-Länge muss nach jeder neuen Kursfestsetzung
kurz berechnet werden. Die zugrundeliegenden Kursfestsetzungen können
im Minuten-Takt, im Stunden-Takt oder sonstwie sein.
Tradings-Beispiel:
z.B. die Vorgabe unter anderem:
If SelWave®-width 67% then go short or sell
If SelWave®-width 25% then go long or buy
If SelWave®-width 50% then go short or sell
If SelWave®-width 33% then go long or buy
1.Kursfeststellung 32.40
2.Kursfeststellung 32.25
3.Kursfeststellung 32.35
4.Kursfeststellung 31.95
5.Kursfeststellung 32.10
6.Kursfeststellung 32.05
Welle nach 3.Kursfeststellung = 67%
Jetzt SHORT bzw.glattstellen oder bei Optionsscheinen vorhandene
Bestände SELL.
Welle nach 4.Kursfeststellung = 25%
Jetzt LONG, soweit noch Capital zur Verfügung steht bzw. keine
Position offen ist.
Welle nach 5.Kursfeststellung = 50%
Jetzt SHORT bzw.glattstellen oder bei Optionsscheinen vorhandene
Bestände SELL.
Welle nach 6.Kursfeststellung = 33%
Jetzt LONG, soweit noch Capital zur Verfügung steht bzw. keine
Position offen ist.
Die Berechnungen, wann und was nach einer bestimmten
SelWave®Wellen-Länge zu zun ist,
beruhen auf neuronalen Berechnungen bzw. Neuronaler Netze, deren
Funktionsweise und
Berechnungsgrundlagen bekannt sein dürften.
SelMcKenzie® SelNeuron® SelWave®

©SelMcKenzie® Neuronale Netze
Berechnungs-Grundlagen der Prognosen:
Die Prognosen werden mit unserer Software SelWave® und SelNeuron® auf
der Basis Neuronaler Netze über ihren evtl. Kursverlauf im voraus
berechnet.
Für das entsprechende Wertpapier verfügen wir jeweils über etwa
350.000 Minuten- bzw. Fünfminuten-Kurse und dieses Wertpapier wird
unter
neuronalen Berechnungen in seinem Verlauf aus der Vergangenheit für
den
entsprechenden Prognose-Tag vorprognostiziert. Beim realen Trading
aufgrund
unserer Prognosen hat sich dann immer eine sehr hohe Treffsicherheit
gezeigt.

Hier die vorprognostizierten (möglichen, ab Handelsbeginn für 8
Stunden,
als Minuten-Kurse) Wellen, also SelWave® Waves:
1.Kurs ca.46%-Impulse, 2.Kurs ca.79%-Impulse, 3.Kurs ca.44%-Correctur,
4.Kurs ca.49%-Impulse, 5.Kurs ca.45%-Correctur, 6.Kurs ca.82%-Impulse,
7.Kurs ca.49%-Correctur, 8.Kurs ca.16%-Correctur, 9.Kurs
ca.65%-Impulse, 10.Kurs ca.43%-Correctur, 11.Kurs ca.48%-Impulse,
12.Kurs ca.66%-Impulse, 13.Kurs ca.28%-Correctur, 14.Kurs
ca.72%-Impulse, 15.Kurs ca.61%-Correctur, 16.Kurs ca.71%-Impulse,
17.Kurs ca.65%-Correctur, 18.Kurs ca.70%-Impulse, 19.Kurs
ca.85%-Impulse, 20.Kurs ca.42%-Correctur, 21.Kurs ca.44%-Impulse,
22.Kurs ca.71%-Impulse, 23.Kurs ca.49%-Correctur, 24.Kurs
ca.36%-Correctur, 25.Kurs ca.22%-Correctur, 26.Kurs ca.30%-Impulse,
27.Kurs ca.25%-Correctur, 28.Kurs ca.81%-Impulse, 29.Kurs
ca.62%-Correctur, 30.Kurs ca.48%-Correctur, 31.Kurs ca.61%-Impulse,
32.Kurs ca.42%-Correctur, 33.Kurs ca.72%-Impulse, 34.Kurs
ca.42%-Correctur, 35.Kurs ca.29%-Correctur, 36.Kurs ca.68%-Impulse,
37.Kurs ca.69%-Impulse, 38.Kurs ca.85%-Impulse, 39.Kurs
ca.56%-Correctur, 40.Kurs ca.18%-Correctur, 41.Kurs ca.61%-Impulse,
42.Kurs ca.39%-Correctur, 43.Kurs ca.20%-Correctur, 44.Kurs
ca.28%-Impulse, 45.Kurs ca.27%-Correctur, 46.Kurs ca.15%-Correctur,
47.Kurs ca.16%-Impulse, 48.Kurs ca.56%-Impulse, 49.Kurs
ca.77%-Impulse, 50.Kurs ca.44%-Correctur, 51.Kurs ca.50%-Impulse,
52.Kurs ca.89%-Impulse, 53.Kurs ca.76%-Correctur, 54.Kurs
ca.20%-Correctur, 55.Kurs ca.70%-Impulse, 56.Kurs ca.48%-Correctur,
57.Kurs ca.81%-Impulse, 58.Kurs ca.50%-Correctur, 59.Kurs
ca.16%-Correctur, 60.Kurs ca.38%-Impulse, 61.Kurs ca.89%-Impulse,
62.Kurs ca.35%-Correctur, 63.Kurs ca.53%-Impulse, 64.Kurs
ca.49%-Correctur, 65.Kurs ca.32%-Correctur, 66.Kurs ca.64%-Impulse,
67.Kurs ca.21%-Correctur, 68.Kurs ca.85%-Impulse, 69.Kurs
ca.39%-Correctur, 70.Kurs ca.28%-Correctur, 71.Kurs ca.26%-Correctur,
72.Kurs ca.73%-Impulse, 73.Kurs ca.83%-Impulse, 74.Kurs
ca.61%-Correctur, 75.Kurs ca.15%-Correctur, 76.Kurs ca.22%-Impulse,
77.Kurs ca.33%-Impulse, 78.Kurs ca.35%-Impulse, 79.Kurs
ca.79%-Impulse, 80.Kurs ca.57%-Correctur, 81.Kurs ca.65%-Impulse,
82.Kurs ca.31%-Correctur, 83.Kurs ca.74%-Impulse, 84.Kurs
ca.60%-Correctur, 85.Kurs ca.35%-Correctur, 86.Kurs ca.44%-Impulse,
87.Kurs ca.45%-Impulse, 88.Kurs ca.58%-Impulse, 89.Kurs
ca.86%-Impulse, 90.Kurs ca.12%-Correctur, 91.Kurs ca.40%-Impulse,
92.Kurs ca.72%-Impulse, 93.Kurs ca.65%-Correctur, 94.Kurs
ca.36%-Correctur, 95.Kurs ca.23%-Correctur, 96.Kurs ca.56%-Impulse,
97.Kurs ca.88%-Impulse, 98.Kurs ca.55%-Correctur, 99.Kurs
ca.42%-Correctur, 100.Kurs ca.33%-Correctur, 101.Kurs ca.79%-Impulse,
102.Kurs ca.22%-Correctur, 103.Kurs ca.22%-Impulse, 104.Kurs
ca.71%-Impulse, 105.Kurs ca.51%-Correctur, 106.Kurs ca.22%-Correctur,
107.Kurs ca.55%-Impulse, 108.Kurs ca.59%-Impulse, 109.Kurs
ca.10%-Correctur, 110.Kurs ca.84%-Impulse, 111.Kurs ca.73%-Correctur,
112.Kurs ca.45%-Correctur, 113.Kurs ca.31%-Correctur, 114.Kurs
ca.25%-Correctur, 115.Kurs ca.19%-Correctur, 116.Kurs ca.47%-Impulse,
117.Kurs ca.46%-Correctur, 118.Kurs ca.16%-Correctur, 119.Kurs
ca.36%-Impulse, 120.Kurs ca.39%-Impulse, 121.Kurs ca.39%-Impulse,
122.Kurs ca.69%-Impulse, 123.Kurs ca.42%-Correctur, 124.Kurs
ca.35%-Correctur, 125.Kurs ca.33%-Correctur, 126.Kurs ca.83%-Impulse,
127.Kurs ca.36%-Correctur, 128.Kurs ca.38%-Impulse, 129.Kurs
ca.84%-Impulse, 130.Kurs ca.89%-Impulse, 131.Kurs ca.37%-Correctur,
132.Kurs ca.83%-Impulse, 133.Kurs ca.71%-Correctur, 134.Kurs
ca.20%-Correctur, 135.Kurs ca.25%-Impulse, 136.Kurs ca.67%-Impulse,
137.Kurs ca.50%-Correctur, 138.Kurs ca.72%-Impulse, 139.Kurs
ca.83%-Impulse, 140.Kurs ca.71%-Correctur, 141.Kurs ca.79%-Impulse,
142.Kurs ca.36%-Correctur, 143.Kurs ca.61%-Impulse, 144.Kurs
ca.72%-Impulse, 145.Kurs ca.58%-Correctur, 146.Kurs ca.17%-Correctur,
147.Kurs ca.68%-Impulse, 148.Kurs ca.63%-Correctur, 149.Kurs
ca.70%-Impulse, 150.Kurs ca.49%-Correctur, 151.Kurs ca.27%-Correctur,
152.Kurs ca.42%-Impulse, 153.Kurs ca.24%-Correctur, 154.Kurs
ca.52%-Impulse, 155.Kurs ca.43%-Correctur, 156.Kurs ca.20%-Correctur,
157.Kurs ca.34%-Impulse, 158.Kurs ca.48%-Impulse, 159.Kurs
ca.74%-Impulse, 160.Kurs ca.45%-Correctur, 161.Kurs ca.22%-Correctur,
162.Kurs ca.78%-Impulse, 163.Kurs ca.26%-Correctur, 164.Kurs
ca.88%-Impulse, 165.Kurs ca.57%-Correctur, 166.Kurs ca.55%-Correctur,
167.Kurs ca.19%-Correctur, 168.Kurs ca.31%-Impulse, 169.Kurs
ca.81%-Impulse, 170.Kurs ca.46%-Correctur, 171.Kurs ca.42%-Correctur,
172.Kurs ca.72%-Impulse, 173.Kurs ca.43%-Correctur, 174.Kurs
ca.83%-Impulse, 175.Kurs ca.24%-Correctur, 176.Kurs ca.32%-Impulse,
177.Kurs ca.67%-Impulse, 178.Kurs ca.81%-Impulse, 179.Kurs
ca.83%-Impulse, 180.Kurs ca.40%-Correctur, 181.Kurs ca.69%-Impulse,
182.Kurs ca.14%-Correctur, 183.Kurs ca.79%-Impulse, 184.Kurs
ca.41%-Correctur, 185.Kurs ca.42%-Impulse, 186.Kurs ca.35%-Correctur,
187.Kurs ca.65%-Impulse, 188.Kurs ca.40%-Correctur, 189.Kurs
ca.31%-Correctur, 190.Kurs ca.44%-Impulse, 191.Kurs ca.39%-Correctur,
192.Kurs ca.51%-Impulse, 193.Kurs ca.63%-Impulse, 194.Kurs
ca.14%-Correctur, 195.Kurs ca.32%-Impulse, 196.Kurs ca.61%-Impulse,
197.Kurs ca.81%-Impulse, 198.Kurs ca.79%-Correctur, 199.Kurs
ca.65%-Correctur, 200.Kurs ca.18%-Correctur, 201.Kurs ca.66%-Impulse,
202.Kurs ca.16%-Correctur, 203.Kurs ca.34%-Impulse, 204.Kurs
ca.74%-Impulse, 205.Kurs ca.25%-Correctur, 206.Kurs ca.17%-Correctur,
207.Kurs ca.26%-Impulse, 208.Kurs ca.57%-Impulse, 209.Kurs
ca.62%-Impulse, 210.Kurs ca.48%-Correctur, 211.Kurs ca.87%-Impulse,
212.Kurs ca.72%-Correctur, 213.Kurs ca.87%-Impulse, 214.Kurs
ca.25%-Correctur, 215.Kurs ca.15%-Correctur, 216.Kurs ca.88%-Impulse,
217.Kurs ca.16%-Correctur, 218.Kurs ca.89%-Impulse, 219.Kurs
ca.52%-Correctur, 220.Kurs ca.27%-Correctur, 221.Kurs ca.68%-Impulse,
222.Kurs ca.24%-Correctur, 223.Kurs ca.73%-Impulse, 224.Kurs
ca.28%-Correctur, 225.Kurs ca.52%-Impulse, 226.Kurs ca.51%-Correctur,
227.Kurs ca.79%-Impulse, 228.Kurs ca.14%-Correctur, 229.Kurs
ca.23%-Impulse, 230.Kurs ca.45%-Impulse, 231.Kurs ca.67%-Impulse,
232.Kurs ca.78%-Impulse, 233.Kurs ca.89%-Impulse, 234.Kurs
ca.54%-Correctur, 235.Kurs ca.82%-Impulse, 236.Kurs ca.89%-Impulse,
237.Kurs ca.66%-Correctur, 238.Kurs ca.30%-Correctur, 239.Kurs
ca.48%-Impulse, 240.Kurs ca.40%-Correctur, 241.Kurs ca.44%-Impulse,
242.Kurs ca.71%-Impulse, 243.Kurs ca.22%-Correctur, 244.Kurs
ca.10%-Correctur, 245.Kurs ca.85%-Impulse, 246.Kurs ca.34%-Correctur,
247.Kurs ca.58%-Impulse, 248.Kurs ca.75%-Impulse, 249.Kurs
ca.28%-Correctur, 250.Kurs ca.48%-Impulse, 251.Kurs ca.26%-Correctur,
252.Kurs ca.73%-Impulse, 253.Kurs ca.26%-Correctur, 254.Kurs
ca.20%-Correctur, 255.Kurs ca.80%-Impulse, 256.Kurs ca.29%-Correctur,
257.Kurs ca.69%-Impulse, 258.Kurs ca.20%-Correctur, 259.Kurs
ca.28%-Impulse, 260.Kurs ca.40%-Impulse, 261.Kurs ca.88%-Impulse,
262.Kurs ca.65%-Correctur, 263.Kurs ca.86%-Impulse, 264.Kurs
ca.25%-Correctur, 265.Kurs ca.72%-Impulse, 266.Kurs ca.72%-Impulse,
267.Kurs ca.47%-Correctur, 268.Kurs ca.50%-Impulse, 269.Kurs
ca.51%-Impulse, 270.Kurs ca.76%-Impulse, 271.Kurs ca.74%-Correctur,
272.Kurs ca.32%-Correctur, 273.Kurs ca.17%-Correctur, 274.Kurs
ca.64%-Impulse, 275.Kurs ca.70%-Impulse, 276.Kurs ca.26%-Correctur,
277.Kurs ca.27%-Impulse, 278.Kurs ca.72%-Impulse, 279.Kurs
ca.29%-Correctur, 280.Kurs ca.55%-Impulse, 281.Kurs ca.82%-Impulse,
282.Kurs ca.64%-Correctur, 283.Kurs ca.89%-Impulse, 284.Kurs
ca.32%-Correctur, 285.Kurs ca.27%-Correctur, 286.Kurs ca.64%-Impulse,
287.Kurs ca.41%-Correctur, 288.Kurs ca.25%-Correctur, 289.Kurs
ca.38%-Impulse, 290.Kurs ca.73%-Impulse, 291.Kurs ca.62%-Correctur,
292.Kurs ca.71%-Impulse, 293.Kurs ca.77%-Impulse, 294.Kurs
ca.11%-Correctur, 295.Kurs ca.25%-Impulse, 296.Kurs ca.72%-Impulse,
297.Kurs ca.17%-Correctur, 298.Kurs ca.64%-Impulse, 299.Kurs
ca.33%-Correctur, 300.Kurs ca.49%-Impulse, 301.Kurs ca.20%-Correctur,
302.Kurs ca.26%-Impulse, 303.Kurs ca.86%-Impulse, 304.Kurs
ca.86%-Impulse, 305.Kurs ca.63%-Correctur, 306.Kurs ca.18%-Correctur,
307.Kurs ca.15%-Correctur, 308.Kurs ca.55%-Impulse, 309.Kurs
ca.34%-Correctur, 310.Kurs ca.14%-Correctur, 311.Kurs ca.72%-Impulse,
312.Kurs ca.81%-Impulse, 313.Kurs ca.19%-Correctur, 314.Kurs
ca.49%-Impulse, 315.Kurs ca.24%-Correctur, 316.Kurs ca.75%-Impulse,
317.Kurs ca.35%-Correctur, 318.Kurs ca.29%-Correctur, 319.Kurs
ca.19%-Correctur, 320.Kurs ca.71%-Impulse, 321.Kurs ca.42%-Correctur,
322.Kurs ca.45%-Impulse, 323.Kurs ca.43%-Correctur, 324.Kurs
ca.39%-Correctur, 325.Kurs ca.34%-Correctur, 326.Kurs ca.76%-Impulse,
327.Kurs ca.28%-Correctur, 328.Kurs ca.30%-Impulse, 329.Kurs
ca.87%-Impulse, 330.Kurs ca.21%-Correctur, 331.Kurs ca.63%-Impulse,
332.Kurs ca.19%-Correctur, 333.Kurs ca.17%-Correctur, 334.Kurs
ca.74%-Impulse, 335.Kurs ca.67%-Correctur, 336.Kurs ca.16%-Correctur,
337.Kurs ca.24%-Impulse, 338.Kurs ca.85%-Impulse, 339.Kurs
ca.39%-Correctur, 340.Kurs ca.27%-Correctur, 341.Kurs ca.70%-Impulse,
342.Kurs ca.51%-Correctur, 343.Kurs ca.89%-Impulse, 344.Kurs
ca.45%-Correctur, 345.Kurs ca.82%-Impulse, 346.Kurs ca.77%-Correctur,
347.Kurs ca.13%-Correctur, 348.Kurs ca.55%-Impulse, 349.Kurs
ca.12%-Correctur, 350.Kurs ca.27%-Impulse, 351.Kurs ca.77%-Impulse,
352.Kurs ca.57%-Correctur, 353.Kurs ca.82%-Impulse, 354.Kurs
ca.86%-Impulse, 355.Kurs ca.74%-Correctur, 356.Kurs ca.38%-Correctur,
357.Kurs ca.79%-Impulse, 358.Kurs ca.53%-Correctur, 359.Kurs
ca.75%-Impulse, 360.Kurs ca.33%-Correctur, 361.Kurs ca.44%-Impulse,
362.Kurs ca.16%-Correctur, 363.Kurs ca.77%-Impulse, 364.Kurs
ca.53%-Correctur, 365.Kurs ca.84%-Impulse, 366.Kurs ca.12%-Correctur,
367.Kurs ca.78%-Impulse, 368.Kurs ca.32%-Correctur, 369.Kurs
ca.64%-Impulse, 370.Kurs ca.19%-Correctur, 371.Kurs ca.83%-Impulse,
372.Kurs ca.35%-Correctur, 373.Kurs ca.16%-Correctur, 374.Kurs
ca.56%-Impulse, 375.Kurs ca.63%-Impulse, 376.Kurs ca.79%-Impulse,
377.Kurs ca.33%-Correctur, 378.Kurs ca.58%-Impulse, 379.Kurs
ca.79%-Impulse, 380.Kurs ca.64%-Correctur, 381.Kurs ca.80%-Impulse,
382.Kurs ca.12%-Correctur, 383.Kurs ca.37%-Impulse, 384.Kurs
ca.38%-Impulse, 385.Kurs ca.81%-Impulse, 386.Kurs ca.30%-Correctur,
387.Kurs ca.18%-Correctur, 388.Kurs ca.80%-Impulse, 389.Kurs
ca.17%-Correctur, 390.Kurs ca.54%-Impulse, 391.Kurs ca.71%-Impulse,
392.Kurs ca.52%-Correctur, 393.Kurs ca.51%-Correctur, 394.Kurs
ca.42%-Correctur, 395.Kurs ca.20%-Correctur, 396.Kurs ca.82%-Impulse,
397.Kurs ca.24%-Correctur, 398.Kurs ca.31%-Impulse, 399.Kurs
ca.22%-Correctur, 400.Kurs ca.29%-Impulse, 401.Kurs ca.23%-Correctur,
402.Kurs ca.51%-Impulse, 403.Kurs ca.12%-Correctur, 404.Kurs
ca.13%-Impulse, 405.Kurs ca.76%-Impulse, 406.Kurs ca.61%-Correctur,
407.Kurs ca.56%-Correctur, 408.Kurs ca.77%-Impulse, 409.Kurs
ca.36%-Correctur, 410.Kurs ca.67%-Impulse, 411.Kurs ca.84%-Impulse,
412.Kurs ca.36%-Correctur, 413.Kurs ca.42%-Impulse, 414.Kurs
ca.14%-Correctur, 415.Kurs ca.41%-Impulse, 416.Kurs ca.64%-Impulse,
417.Kurs ca.42%-Correctur, 418.Kurs ca.30%-Correctur, 419.Kurs
ca.57%-Impulse, 420.Kurs ca.16%-Correctur, 421.Kurs ca.49%-Impulse,
422.Kurs ca.32%-Correctur, 423.Kurs ca.76%-Impulse, 424.Kurs
ca.60%-Correctur, 425.Kurs ca.30%-Correctur, 426.Kurs
ca.11%-Correctur, 427.Kurs ca.74%-Impulse, 428.Kurs ca.39%-Correctur,
429.Kurs ca.39%-Impulse, 430.Kurs ca.85%-Impulse, 431.Kurs
ca.43%-Correctur, 432.Kurs ca.58%-Impulse, 433.Kurs ca.66%-Impulse,
434.Kurs ca.15%-Correctur, 435.Kurs ca.86%-Impulse, 436.Kurs
ca.52%-Correctur, 437.Kurs ca.51%-Correctur, 438.Kurs
ca.19%-Correctur, 439.Kurs ca.50%-Impulse, 440.Kurs ca.10%-Correctur,
441.Kurs ca.12%-Impulse, 442.Kurs ca.15%-Impulse, 443.Kurs
ca.51%-Impulse, 444.Kurs ca.62%-Impulse, 445.Kurs ca.21%-Correctur,
446.Kurs ca.68%-Impulse, 447.Kurs ca.73%-Impulse, 448.Kurs
ca.29%-Correctur, 449.Kurs ca.46%-Impulse, 450.Kurs ca.76%-Impulse,
451.Kurs ca.53%-Correctur, 452.Kurs ca.21%-Correctur, 453.Kurs
ca.58%-Impulse, 454.Kurs ca.18%-Correctur, 455.Kurs ca.74%-Impulse,
456.Kurs ca.31%-Correctur, 457.Kurs ca.63%-Impulse, 458.Kurs
ca.76%-Impulse, 459.Kurs ca.20%-Correctur, 460.Kurs ca.17%-Correctur,
461.Kurs ca.12%-Correctur, 462.Kurs ca.47%-Impulse, 463.Kurs
ca.41%-Correctur, 464.Kurs ca.12%-Correctur, 465.Kurs ca.34%-Impulse,
466.Kurs ca.62%-Impulse, 467.Kurs ca.89%-Impulse, 468.Kurs
ca.85%-Correctur, 469.Kurs ca.65%-Correctur, 470.Kurs
ca.43%-Correctur, 471.Kurs ca.28%-Correctur, 472.Kurs
ca.10%-Correctur, 473.Kurs ca.44%-Impulse, 474.Kurs ca.54%-Impulse,
475.Kurs ca.83%-Impulse, 476.Kurs ca.76%-Correctur, 477.Kurs
ca.58%-Correctur, 478.Kurs ca.46%-Correctur, 479.Kurs
ca.35%-Correctur, 480.Kurs ca.65%-Impulse,

©SelMcKenzie® Neuronale Netze
Neuronale Netze
® SelMcKenzie Börsen- and Daytrading-Software
Um zu verdeutlichen, worin der Sinn von Neuronalen Netzen und wo
dessen Möglichkeiten und Grenzen liegen, ist es hilfreich, das
Neuronale Netz mit einem menschlichen Experten, einem Analysten zu
vergleichen. Wie dieser soll das Neuronale Netz eine Prognose für
zukünftige Entwicklungen abgeben. Und wie bei diesem basieren die
Prognosen auf den Erfahrungen, die das Neuronale Netz mit Daten und
Kursverläufen der Vergangenheit gemacht hat. Doch es gibt natürlich
auch Unterschiede. Neben der selbstgemachten Erfahrung aus vergangenen
Entwicklungen greift der menschliche Experte auch oft auf theoretische
Voraussetzungen wie zum Beispiel Markttheorien zurück. Ein Neuronales
Netz lernt dagegen einzig direkt aus den Daten der Vergangenheit und
kennt keine Markttheorie. Es muss ohne diese Theorien auskommen und
selbständig Beziehungen herstellen - doch dies kann auch gerade ein
Vorteil sein, da es auf diese Weise frei von Vorurteilen ist, welche
mit fertigen Theorien auch immer mit ins Spiel kommen können.
Das wesentliche Merkmal von Neuronalen Netzen besteht also darin, dass
sie dazu in der Lage sind, aus der Vergangenheit zu lernen. Sie suchen
dabei selbständig Lösungswege für die gestellte Aufgabe und
berücksichtigen die Ähnlichkeit von Mustern.
Neuronale Netze und Prognosen:
Prinzipiell können Neuronale Netze für beliebige Aufgabenstellungen
eingesetzt werden. Voraussetzung für einen erfolgreichen Einsatz
dieser Technik ist aber in jedem Fall, dass die Daten oder Muster, auf
die das Neuronale Netz angesetzt wird, nicht blosse Zufallswerte ohne
irgendeinen Sinn oder Zusammenhang darstellen. Es kann mit anderen
Worten nur dann von einem Neuronalen Netz erwartet werden, dass es
eine Entwicklung oder einen Zusammenhang entdeckt, wenn in den zur
Verfügung stehenden Mustern eine solche Entwicklung oder ein solcher
Zusammenhang prinzipiell ablesbar ist.
Neuronales Netz prüft Theorien:
Umgekehrt kann ein Neuronales Netz auch dazu eingesetzt werden
festzustellen, ob bestimmte Daten oder Analyse-Ansätze prinzipiell
aussagekräftig sind: Wenn man zum Beispiel annimmt, dass sich die
Kursentwicklung eines Titels aufgrund von bestimmten Indikatoren
vorhersagen lässt, kann man mit einem Neuronalen Netz feststellen, ob
oder wie gut diese Vermutung zutrifft. Abhängig davon, wie gut oder
wie schlecht ein Neuronales Netz eine bestimmte Entwicklung auf der
Basis eines bestimmten Inputs prognostizieren kann, lässt sich sagen,
welche Aussagekraft diese Inputs für die Entwicklung besitzen. Der
Prozess der Entwicklung von Neuronalen-Netz-Modellen hat insofern zwei
Richtungen. Zum einen lernen die Netze etwas über den Zusammenhang der
Daten zum Erstellen möglichst guter Prognosen. Zum anderen lernt aber
auch der Entwickler des Modells etwas darüber, welche Daten,
Indikatoren und Analyseverfahren für einen bestimmten Prognosezweck
etwas bringen und welche nicht.
Realistische Zielsetzung:
Eine realistische Zielsetzung erspart manche Enttäuschung und
unnötigen Zeitverlust. Es ist daher wichtig sich klarzumachen, dass
Neuronale Netze kein Wundermittel sind. Sie liefern nicht automatisch
hervorragende Prognosen, egal wie man sie einsetzt. Es ist nicht zu
erwarten, dass ein einfaches Neuronales Netz mehr leistet als ein
guter Analyst. Umgekehrt sollte von einem wirklich gut aufgebauten
Neuronalen Netz in einem sinnvollen Handelssystem schon die Qualität
eines guten oder auch sehr guten Analysten erwartet werden, und das
heisst zum Beispiel, dass man mit ihm deutlich über einer einfachen
Buy-and-Hold-Strategie liegt.
Overfitting und Generalisierung:
Das größte Problem bei der Entwicklung von Neuronalen Netzen besteht
im so genannten Overfitting . Damit ist gemeint, dass das Neuronale
Netz im Trainingszeitraum eine eigentlich zu gute Prognose erreicht.
Dies äussert sich darin, dass das Neuronale Netz zwar im
Trainingsbereich hervorragend arbeitet, dabei aber offenbar keine
hinreichend gute Generalisierung (Verallgemeinerung) erzielt, so dass
die Performance im Kontrollzeitraum stark nachlässt. Der häufigste
Fehlschluss beim Aufbau von Neuronalen Netzen ist der Ansatz, dass
möglichst viele Inputdaten und eine mächtige Architektur ja wohl
ausgezeichnete Ergebnisse liefern sollten. Dies trifft auch
tatsächlich zu, wenn man die Performance der Netze im
Trainingszeitraum betrachtet. Es gibt keine andere Technik, mit der
sich ein Kursverlauf so gut auch mit relativ einfachen Inputdaten
abbilden lässt. Doch was nützt dies, wenn die Abweichungen dann,
sobald das Neuronale Netz tatsächlich eingesetzt wird, um so grösser
sind? Ziel ist es ja nicht, eine möglichst gute Abbildung des Kurses
in der Vergangenheit zu liefern, sondern eine Prognosefähigkeit, die
auch in Zukunft Bestand hat.
Für das Overfitting gibt es die folgenden Ursachen:
Die eingesetzte Architektur ist zu mächtig: Das Neuronale Netz ist so
gross dimensioniert, dass es in der Lage ist, die vorgelegten Daten
auswendig zu lernen, ohne einen allgemeineren Zusammenhang zu
entdecken. Dieser Fall kann eintreten, wenn zu viele (vor allem
redundante) Inputdaten oder zu viele Units in den verdeckten Schichten
eingesetzt werden. Es ist daher empfehlenswert, das gewünschte
Ergebnis mit möglichst wenig Inputdaten und Hidden-Units zu erreichen.
Das Neuronale Netz wird übertrainiert: Bei längerem Training nimmt die
Fähigkeit des Netzes im Trainingszeitraum zwar immer mehr zu, in den
Kontrollzeiträumen dagegen meistens wieder ab. Dieses Problem lässt
sich durch sinnvolle Wahl von Bewertungszeiträumen und
Abbruchbedingungen relativ gut beherrschen. Die vorgelegten Muster
sind stark verrauscht, also mehr oder weniger zufälligen Schwankungen
ausgesetzt. Dadurch lernt das Neuronale Netz zuviel Unnötiges, wodurch
die zugrunde liegenden grösseren Zusammenhänge verdeckt werden. Hier
können eine Veränderung der Periodeneinstellung der Indikatoren oder
eine Glättung der Indikatoren weiterhelfen. Eine Generalisierung setzt
voraus, dass das Neuronale Netz beim Training einen Zusammenhang
zwischen den Inputdaten und dem Prognoseziel findet, gemäss dem auch
unbekannte Muster sinnvoll eingeordnet werden können. Nicht immer ist
es nun möglich, aus den gegebenen Lernmustern einen allgemeineren
Zusammenhang abzuleiten. Falls dies aber möglich ist, das Neuronale
Netz aber dennoch keine gute Generalisierung leistet, so kann dies
auch daran liegen, dass sich die zugrunde liegenden Zusammenhänge
geändert haben. Ein typisches Beispiel hierfür ist der Zusammenhang
von Aktienkursen und Dollarkurs. Diese zeigen Phasen einer
gleichgerichteten Entwicklung, die von anderen Phasen des fehlenden
Zusammenhanges oder der gegensätzlichen Entwicklung abgelöst werden.
Dies kann natürlich zu entsprechenden Unterschieden auch zwischen
Trainings- und Kontrollzeitraum führen. Um dies zu umgehen, kann
versucht werden, eine weitere Einflussgrösse in den Input
einzubeziehen, welche die unterschiedlichen Phasen erklärt, oder auch
eine Korrelationsanalyse, welche die gegenwärtige Phase des
Zusammenhangs anzeigt.
Die Basisarchitektur:
Ein Neuronales Netz besteht allgemein gesprochen aus mehreren
Elementen, auch Units genannt, die als Speicher für Daten dienen. Die
Units treten im Neuronalen Netz in einer bestimmten Anordnung auf, und
zwar in Schichten. Jede Schicht setzt sich aus einer Reihe von
untereinander unabhängigen Units zusammen. Im einfachsten Fall besteht
ein Neuronales Netz aus zwei Schichten, der Input- und der
Outputschicht. Während die Inputschicht die von aussen kommenden Reize
aufnimmt, liefert die Outputschicht nach der Verarbeitung der Daten
das Ergebnis. Wie ersichtlich, sind die Units zwischen den beiden
Schichten vollständig miteinander verbunden. Dasselbe gilt für ein
Netz mit einer zusätzlichen Hiddenschicht (= verdeckte Schicht). Der
Name dieser Schicht rührt daher, dass sie im Unterschied zur Input-
und zur Outputschicht keinen Kontakt nach aussen hat, sondern
lediglich Verbindungen zur Input- bzw. zur Outputschicht. Anders als
ein einfaches zweischichtiges Modell kann ein Neuronales Netz mit
Hiddenschicht auch komplexe Aufgaben verarbeiten.
Verarbeitung einer Aufgabe im Neuronalen Netz:
Für die Verarbeitungsvorgänge im Innern eines Neuronalen Netzes sind
die Verbindungen zwischen den Units zuständig. Diese leiten die in den
Units anfallenden Daten in die nächste Schicht und nehmen dabei eine
individuelle Gewichtung vor - weswegen man die Verbindungen auch kurz
als Verbindungsgewichte bezeichnet. Das Training eines Neuronalen
Netzes beruht dann - vereinfacht dargestellt - darauf, dass die
Verbindungsgewichte angepasst werden. Die Anpassung der Gewichte
verfolgt das Ziel, dass die Inputdaten durch die Verarbeitung im
Innern des Netzes einen möglichst sinnvollen Output (Prognose)
liefern.
Anzahl der Units pro Schicht:
Die Anzahl der Units in der Inputschicht ist durch die Menge der in
das Neuronale Netz einfliessenden Daten festgelegt. Wenn Sie als Input
für das Netz zum Beispiel die Absolutwerte eines RSI-Indikators in den
letzten 10 Perioden verwenden, hat das Neuronale Netz automatisch 10
Input-Units. Die Outputschicht wiederum besitzt im hier verwendeten
Modell immer genau eine Unit, welche die gesuchte Prognose ausgibt.
Die Anzahl der Hidden-Units ist dagegen variabel. Mit ihr regelt der
Entwickler des Neuronalen Netzes, wie viel interne Rechenkapazität
bzw. Speicherplatz das Neuronale Netz erhalten soll.
Reduktionsschicht:
Das SelMcKenzie-Software-Programm stellt eine spezielle verdeckte
Schicht, die Reduktionsschicht, zur Verfügung. Die Reduktionsschicht
befindet sich zwischen der Input- und der verdeckten Schicht. Im
Unterschied zur vollständig vernetzten Hiddenschicht sind die
Reduktions-Units immer nur mit den Inputs jeweils einer Inputschablone
verknüpft. Diese Art der teilweisen Verknüpfung hat zum Zweck, die
Informationsverarbeitung im Netz in einem gewissen Masse zu
kanalisieren. Das Neuronale Netz wird auf diese Weise gezwungen, die
Informationen aus einer Gruppe von Inputschablonen zunächst zu
verarbeiten, um dann erst in der zweiten verdeckten Schicht ein
Gesamtbild zu erhalten (die zweite verdeckte Schicht kann wahlweise
auch ausgeschaltet werden).
Inputrekonstruktion:
Das Konzept der Inputrekonstruktion stellt eine Möglichkeit dar, dem
Neuronalen Netz zu einer verbesserten Fähigkeit zur Verallgemeinerung
zu verhelfen. Das Grundproblem beim Entwurf und Training von
Neuronalen Netzen besteht ja darin, dass es relativ leicht ist, mit
einem Neuronalen Netz hervorragende Ergebnisse im Trainingsbereich zu
erzielen, aber schwerer, auch nur annähernd so gute Ergebnisse in den
Kontrollbereichen zu erreichen. Dies liegt daran, dass Neuronale Netze
eigentlich zu leistungsfähig sind und dadurch leicht übertrainiert
werden. Die Grundidee der Inputrekonstruktion besteht darin, dem
Neuronalen Netz wesentlich mehr abzuverlangen, als nur die Berechnung
des eigentlichen Prognoseziels. Neben dem Prognoseziel soll es nämlich
auch die Inputdaten in der Outputschicht intern wiedergeben (nach
aussen gegeben wird natürlich trotzdem nur die Prognose selbst). Die
Rekonstruktion des Inputs durch die zusätzlichen Units in der
Outputschicht verlangt vom Neuronalen Netz, den Input in den
verdeckten Schichten zu repräsentieren. Das Neuronale Netz kann also
nicht so einfach das Prognoseziel in den Gewichten speichern und
auswendiglernen, da die Hauptwirkung der Gewichte für die meist
aufwendigere Aufgabe der Inputrekonstruktion (viele Inputs, nur ein
Prognoseziel) benötigt wird. Der Output des Prognoseziels ist somit
lediglich noch gewissermaßen ein Abfallprodukt, das aber dafür auf
einer tatsächlichen Abstraktion der Inputdaten beruht.
Als Effekt lässt sich feststellen, dass der Qualitätsunterschied der
Prognosen im Trainings- und Kontrollzeitraum oftmals weniger
auseinanderdriftet. Dies liegt allerdings nicht in allen Fällen daran,
dass das Ergebnis im Kontrollzeitraum besser wird, sondern auch oft
daran, dass das Ergebnis auch im Trainingszeitraum bei weitem nicht
die Qualität erreicht wie ohne die Inputrekonstruktion. In so manchem
Fall ist aber auch eine Verbesserung der Generalisierung im
Kontrollzeitraum erkennbar. Dies gilt z.B. oft dann, wenn der Input
aus Stichproben, d. h. einem Zeitfenster einer oder mehrerer
Zeitreihen besteht (z.B. Wertänderungen des RSI der letzten 30 Tage
o.ä.). Zudem wird durch diese Art des Trainings eine bessere
Abschätzung der Generalisierungsqualität eines Neuronalen Netzes
möglich, da die Ergebnisse von Training und Kontrolle nicht so stark
voneinander abweichen (da sie nicht durch Auswendiglernen der Daten im
Trainingsbereich beschönigt sind). Nicht für alle Zwecke ist jedoch
das Mittel der Inputrekonstruktion das Mittel der Wahl, vor allem dann
nicht, wenn mit einer stark reduzierten Architektur und ausgefeilten
Inputs gearbeitet wird. Hier wird die Inputrekonstruktion leicht zum
Hemmschuh.
Das Lernmodell:
SelMcKenzie-Börsen-und Daytrading-Software verwendet zum Training der
Neuronalen Netze ein weiterentwickeltes Backpropagation-Modell. Beim
verwendeten Lernmodell sind keinerlei Einstellungen mehr zu treffen.
Die Lernstärke (individuell für jede Unit), das Momentum und das
Weightdecay werden automatisch eingestellt. Eine Beeinflussung des
Lernvorgangs erfolgt hauptsächlich noch über die Auswahl der zur
Verfügung gestellten Daten sowie, in zweiter Linie, über die Optionen
zur Architektur.
©SelMcKenzie® Neuronale Netze
FibonacciZahlen als Grundlage des Selzer-McKenzie-Wave-Principles®
(SelWave®)
Selzer-McKenzie konstatierte in Scientifics Journal, dass eine von
Fibonacci
entdeckte Zahlenreihe die mathematische Grundlage seines
Wave-Principles bilden.
Die Zahlenreihe lautet 1,1,2,3,5,8,13,21,34,55,89,144 und so weiter
bis ins Unendliche.
Die Sequenz hat eine Anzahl interessanter Eigenschaften, nicht zuletzt
die,
dass zwischen den Zahlen ein beinah konstantes Verhältnis besteht.
1.) Die Summe von zwei aufeinanderfolgenden Zahlen ergibt die nächst
höhere Zahl.
z.B. ergeben 3 und 5 zusammen 8, und 5 plus 8 sind 13, und so weiter.
2.) Das Verhältnis einer Zahl zu ihrer nächst höheren Zahl nähert sich
nach den
ersten vier Gliedern der Reihe dem Wert 0.618. z.B. 1/1 = 1,00; 1/2 =
0,50;
2/3 = 0,67; 3/5 = 0.60; 5/8 = 0,625; 8/13 = 0,615; 13/21 = 0,619 usw.
Zu beachten ist,wie die Werte der ersten Brüche abwechselnd über und
unter 0,618 liegen,
wobei sich die Amplitude verkleinert.
3.) Das Verhältnis einer Zahl zu ihrer nächst niedrigeren Zahl beträgt
ca. 1,618,
was dem Kehrwert von 0,618 entspricht. z.B. 13/8 = 1,625; 21/13 =
1,615; 34/21 = 1,619;
Je höher die Zahlen werden, umsomehr nähern sich die Ratios den erten
0,618 und 1,618.
4.) Das Verhältnis einer zahl und der übernächsten Zahl nähert sich
dem Wert 2,618
bzw. dem kehrwert 0,382. z.B. 13/24 = 0,382; 34/13 = 2,615;
Das Selzer-McKenzie-Wave-Principle® umfasst also drei Aspekte,
Waveform, Ratio und Zeit.
Die Basiswelle wird immer in Fibonacci-Zahlen heruntergebrochen.
Ein kompletter Zyklus enthält 8 Wellen, fünf nach oben und drei nach
unten - alles
Fibonacci-Zahlen. Zwei weitere Unterteilungen produzieren 34 und 144
Wellen -
ebenfalls Fibonacci-Zahlen. Die mathematische Grundlage für das
Selzer-Mckenzie-
Wave-Principle® geht aber über das reine Abzählen der ellen hinaus.
Sie deckt
auch die Frage der proportionalen Beziehungen zwischen den
verschiedenen Wellen ab.
Folgende Beziehungen gehören zu den Fibonacci-Ratios:
1.) Eine von drei Impulswellen dehnt sich aus, die anderen beiden sind
in Zeit und Grösse gleich. Erfährt Welle 5 eine Extension sollten die
Wellen 1 und 3
gleich sein. Ist Welle 3 ausgedehnt, so tendieren die Wellen 1 und 5
zur Gleichheit.
2.) Ein Minimum-Ziel für den Endpunkt der Welle 3 erhält man durch
Multiplikation
der Länge von Welle 1 und dem Faktor 1,618 und Addition dieser Strecke
zum
Bottom der Welle 2.
3.) Das Top der Welle 5 erhält man näherungsweise durch Multiplikation
der
Länge von Welle 1 und dem Faktor 3,236 (2 x 1,618) und Addition
dieser Strecke
zum Toppoint und Bottom der Welle 2.
4.) Wenn die Wellen 1 und 3 ungefähr gleich sind und bei Welle 5 eine
Extension
erwartet werden kann, erhält man das Ziel, in dem man zunächst die
Distance
vom Bottom der Welle 1 zum Top der Welle 3 feststellt, diesen Wert mit
1,618
multipliziert und dann das Ergebnis zum Bottom der Welle 4 addiert.
Ein weiterer Weg zur Zielermittlung ist der Einsatz von prozentualen
Retracements.
Die am häufigsten benutzen Zahlen bei der Analyse von Retracements
sind 62%,38% und 50%.
In einer starken Phase liegt das Minimum-Retracement bei ca. 38%,
in einer schwächeren Phase bewegt sich das Maximum-Retracement um 62%.
Das Fibonacci-Ratio tendiert aber erst nach den ersten 4 Ratios gegen
0,618.
Die ersten drei atios sind 1/1 (100%), 1/2 (50%) und 2/3 (66%).
©SelMcKenzie® Neuronale Netze
©SelMcKenzie® Neuronale Netze