STATISTIK-FORUM.de

[STA90]

Hallo,

ich habe eine etwas mehr allgemeinere Frage an die praktischen Statistiker in diesem Forum. Ich möchte ein Modell entwicklen zur Prognose von Kursdaten (OHLC - Tageschart);
leider bin ich in diesem Bereich sehr unerfahren, was die Durchführung des Testens angeht. Deswegen wollte ich mir hier im Forum Denkanstöße holen.

Vorgang:
Ich würde in einer Art Walk Forward Optimization Parameter des Modells verändern und den Output evaluieren,d.h.(beispielsweise) der Algorithmus für die Prognose wird angepasst auf den ersten 1/4 Daten und es wird eine Prognose für die nächsten 1/8 Daten erstellt.
Ich würde also immer eine n-Tage lange Prognose erstellen und die prozentuale Veränderungen festhalte und mit den Echtergebnissen vergleiche.
Abschließend soll natürlich der Original prozentuale Renditeverlauf mit den Prognoserenditen verglichen werden.

Diesen Vorgang würde ich dann in einer Optimierung x-mal wiederholen.


Aber wie wird dies in der Praxis durchgeführt?
Kennt jemand dazu Tips (vll. auch Links) um in diesem Themengebiet eine leichte Einarbeitung zu erhalten?

Fragen/Probleme z.B.:
*Maximale (realistische) Prognosezeitraum
*Art der Evaluierung (Kennzahlen? Quadratische Abweichung, etc.)
*Überschneidende Prognosen(z.B. 5 Tagesprognose mit 1er Tagesschritten oder getrennte Prognosen(5 Tagesprognose, anschließend wieder 5 nach diesen 5 Tagen)
*...

?
Ich hoffe meine Fragenstellung ist einigermaßen verständlich,

Beste Grüße

[mango]

Hallo,

was hat denn dieses Vorgehen für einen Vorteil gegenüber der Methode, die Parameter direkt für alle vorhandenen Daten zu fitten?

Zur Frage der Umsetzung wäre es natürlich erstmal wichtig zu wissen, mit welcher Software du arbeitest.