LEVEL 7: Quant Master 2 - Machine Learning (KI)

Die beiden Level 6 und 7, die im Rahmen unserer Ausbildung im Bereich “Quant Master” angeboten werden, laufen ähnlich wie die Module 2-5 der Basis – Masterclass ab. Es handelt sich hier also um das etablierte Format des “Team Coaching“, mit dem Unterschied, dass wir aufgrund der höchsten Komplexität der Lerninhalte diese Ausbildung nur absoluten Trading Experten anbieten können.

Achtung: für Quant Master 2 (Level 7) ist es nicht notwendig, die gesamte Masterclass (Level 2 – 5) absolviert zu haben. Hingegen ist es erforderlich, zumindest an Level 2 (Masterclass Basic & Reversionssysteme) erfolgreich teilgenommen zu haben. 

Denn ohne dieses grundlegende Wissen und ohne bereits vorhandene Trading Systeme macht eine Teilnahme keinen Sinn. Darüber hinaus ist die Absolvierung des Level 6 (Quant Master 1) empfehlenswert, kann aber auch nach dem Machine Learning Level (7) gemacht werden.

Da der Betreuungsaufwand in den Terminen als sehr hoch eingeschätzt wird, muss die Zahl der Teilnehmer noch stärker begrenzt werden. Es sind daher im Quant Master keinesfalls mehr als 7 Personen zugelassen.

Die Ausbildung wird auf 4. Lern-Termine verteilt und die Teilnehmer sind dazu angehalten, in gewohnter Form eigene Ressourcen zwischen den Terminen aufzuwenden, um sich weiterzubilden. Hierzu werden von uns klare Testaufgaben verteilt, die im Selbststudium bis zum Folgetermin zu lösen sind.

Für die fortlaufende Nutzung von KI und Machine Learning benötigt man zwei kostenpflichtige Extensions von Wealth lab.

ONLINE LIVE COACHING
Trainer:

Thomas Vittner

Dauer der Einheiten jeweils ca. 60 – 120 Minuten.

Termine: 7.11.  12.11.  19.11. & 26.11. ab 18:00 Uhr

€ 2.290.-

Rabatt Aktionen & Gutscheine werden an der Kasse abgezogen bzw. berücksichtigt
AUSVERKAUFT

* Wir empfehlen, zumindest Level 2 unserer Wissensleiter bereits absolviert zu haben.

Dazu passend empfehlen wir

MASTERCLASS

Ausgangslage

Im Rahmen der Masterclass (Level 2 – 5) haben wir gelernt,  wie wir hochwertige Methoden der Optimierung anwenden. Dazu stehen uns Optimizer aus der Hochfinanz zur Verfügung, die mittels intelligenter Zielwertsuche nach den besten Einstellungen (zum Beispiel nach der höchsten Rendite in %) suchen und diese auch in wenigen Minuten finden.

Das ermöglicht es uns, auch die komplexesten und umfassenden Indikatoren-Kombinationen rasch und exzellent zu optimieren.

Doch eine Herausforderung konnten wir damit noch nicht lösen: nämlich die Frage, welchen Indikator oder welche Indikatoren Kombination wir überhaupt für die Optimierung auswählen sollen. Der Auswahlprozess (welchen Indikator teste ich als nächstes?) der war bisher stets zufallsbedingt und ohne Logik. Wir arbeiteten also – so wie 99% aller Systementwicker – mangels Alternativen nach dem Prinzip “try & error”. Und das führte auch zu einigen Leerläufen.

Hier setzt nun der Quant Master 2 mit Unterstützung des Machine Learnings an, in dem er uns Indikatoren vorschlägt, die unser Trading Sytem gezielt verbessern. Und zwar in die von uns gewünschte Richtung (vereinfacht: entweder mehr Rendite oder weniger Risiko). Und dabei kommen nicht nur bloß Standardindikatoren zur Anwendung, sondern komplett einzigartige und abgewandelte Spezialindikatoren.

Problemstellungen

Wenn der Indikatoren Auswahlprozess auf reinem Zufall basiert, bringt das einige Proleme mit sich, die wir nachfolgend kurz erwähnen möchten

  • Nach einer Zielmarktanalyse wissen wir, ob wir es mit einem Markt zu tun haben, der besser auf pro- oder auf antizyklische Modelle anspricht. Dieser Prozess ist in der Tat der einzige im Systementwicklungsprozess, der basierend auf Logik abläuft. Wir nutzen einfach jene übergeordnete Trading Strategie, die nachweislich besser funktioniert. Aber ab diesem Zeitpunkt endet jedoch der logische Auswahlprozess.
  • Nach der erfolgreichen Zielmarktanalyse beginnen wir das System weiter auszubauen. Wir fügen einen zweiten oder dritten Indikator hinzu und optimieren schrittweise die besten Settings. Doch wie wir diese Indikatoren auswählen sollen, verrät uns leider niemand. Es gibt bisher keinen Evidenz-basierten Auswahlprozess.
  • Wir wissen zwar, dass Indikator A ein gutes Alpha generiert. Gleiches wissen wir auch von Indikator B. Doch beide Indikatoren in Kombination machen alles nur noch schlechter statt besser. Warum? Weil sie nicht harmonieren, um es einfach auszudrücken. Weil uns die Kombination der beiden Indikatoren entweder zu viel Exposure kostet und weil die Qualtität nicht ausreichend ist.
  • Wir finden einen neuen Filter, der auf den ersten Blick vielversprechend ist. Doch sobald wir den Filter auf unser System anwenden, steigt zwar die Qualität des Entrys doch die Quantität leidet und damit machen wir mit einem besseren Entry weniger Gesamtgewinn.
  • Wir finden eine Exit Logik, die unsere Rendite um ein weiteres Prozent verbessert. Bei einer Analyse der einzelnen Trades merken wir, dass dieser Rendite-Zuwachs von genau 8 Trades verursacht wurde, die von dieser Exit Logik umfasst werden. Damit müssen wir uns eingestehen, dass dieser neue Baustein statistisch nicht relevant und damit diese Exit Logik nicht brauchbar ist.
  • Wir handeln ein Trading System seit mehreren Monaten und sind grundsätzlich zufrieden. Es ist uns bloß ein wenig zu volatil und wir möchten den Drawdown, also die Volatilitäten, verringern. Doch wir finden mit dem bisherigen Indikatoren Auswahl Prozess keine passende Lösung, die uns nicht gleichzeitig zu viel Performance kostet.

Wir lassen mit den herkömmlichen Methoden also nicht nur Geld liegen, wir verlieren auch Zeit, weil die Entwicklung und Verbesserung eines Handels-Systems einfach extrem zeitaufwändig ist.

All das macht den Systementwicklungsprozess nicht nur extrem aufwendig. Es macht ihn auch manchmal frustrierend, weil man die Struktur vermisst und trotz Backtesting auf den glücklichen Zufall angewiesen ist, den passenden Indikator (die berühmte Nadel im Heuhaufen) zu finden. Und diesem unbefriedigenden Zustand machen wir im Quant Master 2 ein für alle Mal ein Ende…

Quant Master 2 - Level 7 - Auszug Machine Learning & KI

Blaue Kurve: Trading Strategie ohne Einsatz von KI (machine Learning)

orange Kurve: Trading Strategie mit Einsatz von KI (machine Learning)