[ad_1]
Letztes Jahr ging ich viral, indem ich der ganzen Welt zeigte, dass KI ganz einfach hochprofitable algorithmische Handelsstrategien generieren kann – und zwar in einfachem Englisch.
Der Prozess war einfach. Generieren Sie eine Handelsstrategie auf NexusTrade und mithilfe genetischer Algorithmen optimieren. Stellen Sie dann alle Portfolios bereit, um zu sehen, welches für den Live-Handel profitabler ist. Die optimierten GPT-generierten Strategien waren die unangefochtenen Champions.
Um es klarzustellen: Dies war kein selbstgepflücktes Ergebnis. chatgpt-generated-strategies-9a41003e51cd“ rel=“noopener“>Ich habe das Experiment am 10. Oktober begonnenund detailliert meine genaue Methodik. Theoretisch hätte jeder genau die gleichen Handelsstrategien entwickeln und im gleichen Zeitraum große Gewinne erzielen können. Ich habe auch regelmäßig Updates gegeben, sodass meine ersten Leser mitmachen konnten. Ich hatte nicht damit gerechnet, dass meine Strategien so erfolgreich sein würden. Sie haben es einfach getan.
Ich habe das Experiment vor Neujahr beendet, weil ich meine Energie in die Implementierung neuer Funktionen stecken wollte NexusTrade, meine KI-gestützte automatisierte Anlageplattform. Allein dieses Jahr Ich habe viele neue leistungsstarke Funktionen implementiert, darunter ein KI-Finanzanalysetool und einen KI-gestützten Aktien-Screener. Jetzt, da ich etwas Zeit zum Durchatmen habe, ist es meiner Meinung nach an der Zeit, das Experiment neu zu starten und eine brandneue, von ChatGPT generierte Handelsstrategie einzusetzen.
Um dieses Experiment durchzuführen, verwenden wir die AI-Powered Investing Platform NexusTrade. Mit NexusTrade können Benutzer durch die Interaktion mit einem KI-Agenten vollautomatische Handelsstrategien erstellen, testen, optimieren und einsetzen.
In diesem Experiment werde ich so objektiv wie möglich sein. Im letzten Experiment haben wir TQQQ in der Versuchsgruppe und SPY in der Kontrollgruppe getauscht. In diesem Experiment werden wir mit demselben Vermögenswert handeln, um unsere Vergleiche so genau wie möglich zu gestalten.
Darüber hinaus werde ich in diesem Experiment versuchen, strenger vorzugehen. Das bedeutet, dass ich mich neben der Messung der prozentualen Gewinne der Strategie auch für andere Kennzahlen interessiere, wie zum Beispiel die Sharpe Ratio und den maximalen Drawdown. Ich werde diese in meinen Updates detailliert beschreiben.
Abschließend werde ich, basierend auf dem letzten Experiment, drei verschiedene Portfolios handeln:
- Kaufen und halten Sie den S&P 500 (SPY) – eine der Kontrollgruppen
- Kaufen und halten Sie Microsoft (MSFT) – die andere Kontrollgruppe
- ChatGPT-generiertes Microsoft – eine der experimentellen Gruppen
- Optimiertes ChatGPT-generiertes MSFT – die andere Versuchsgruppe
Um mehr über den Optimierungsprozess zu erfahren, Schauen Sie sich den folgenden Artikel an:
Ich habe mich aus verschiedenen Gründen dafür entschieden, Microsoft bei diesem Experiment einzutauschen. In einem meiner vorherigen Artikel habe ich Microsoft als eine schnell wachsende KI-Aktie mit viel Spielraum identifiziert. Obwohl sie in einem Jahr wie NVIDIA wahrscheinlich nicht 100 % zulegen werden, verfügen sie über extrem starke Fundamentaldaten, die sie zu einer attraktiven Investition für Wachstums- und Value-Investoren gleichermaßen machen.
Persönlich befindet sich derzeit ein erheblicher Teil meines Handelskontos bei Microsoft. Als jemand, der die KI-Revolution und Software äußerst optimistisch sieht, ist Microsoft absolut eine meiner Lieblingsaktien. Indem ich mich für Microsoft entscheide, kann ich meinen Standpunkt unter Beweis stellen, dass KI daran gewöhnt ist vermehren Entscheidungen zwischen Mensch und Händler. Wenn ich jetzt ein Unternehmen auswählen würde, in das ich investieren möchte, wäre es Microsoft. Also werde ich meine Theorie auf die Probe stellen.
Wir werden Aurora verwenden, um unsere Portfolios zu erstellen, beginnend mit den Kontrollgruppen.
Steuerung 1: SPY kaufen und halten
Erstellen Sie ein Portfolio mit dem Namen Buy and Hold SPY. Beginnen Sie mit 25.000 $. Eine Strategie – SPY kaufen und halten
Nachdem wir unser Portfolio erstellt und geprüft haben, speichern wir es in unserem Profil.
Kontrolle 2: Kaufen und Halten von MSFT
Das Gleiche machen wir mit „Buy and Hold MSFT“. Nachdem wir dieses Portfolio erstellt haben, testen wir seine historische Leistung in einem Prozess namens „Backtesting“. Dies gibt uns einen Eindruck davon, wie gut sich dieses Portfolio in den letzten Jahren entwickelt hat.
Experiment 1: GPT-generiertes Portfolio
Wir werden GPT auch verwenden, um unsere experimentelle Gruppe zu erstellen. Dazu verwenden wir GPT-4 (Erweiterter Chat) um unser Portfolio zu erstellen.
Wir haben das Modell gebeten, seine Marktkenntnisse zu nutzen, um eine Strategie zu entwickeln, die „Buy and Hold“ übertrifft. Hier ist, was es erstellt hat.
Nachdem wir unser Portfolio erstellt haben, speichern wir es und testen es vom 01.01.2020 bis zum 17.03.2024.
Beachten Sie, dass dieses Portfolio geringfügig schlechter ist als Buy and Hold MSFT. Wir sehen auch, dass die Anzahl der getätigten Trades 0 beträgt, was bedeutet, dass die Strategie nur gekauft und nie verkauft hat. Anhand dieser Informationen können wir eine fundierte Vermutung anstellen und davon ausgehen, dass sich dieses Portfolio während des Live-Handels sehr ähnlich entwickeln wird wie Buy and Hold MSFT.
Die Magie entsteht, wenn wir unser Portfolio mithilfe eines genetischen Algorithmus optimieren.
Um den Optimierungsprozess zu verstehen, ist ein ganzer Artikel erforderlich. Der Prozess aktualisiert die Parameter unserer Strategien basierend auf einem iterativen Verbesserungsalgorithmus. Wir testen eine Reihe verschiedener Konfigurationen und behalten die Portfolios bei, die durchweg eine Outperformance erzielen.
Um zu verstehen, wie dieser Optimierungsprozess funktioniert, lesen Sie den obigen Artikel.
Nach ein paar Minuten haben wir eine ganze Reihe von Portfolios erstellt, jedes mit seinen eigenen Stärken und Schwächen. Wir wählen eines aus, das eine hohe Validierungstauglichkeit aufweist, und speichern es in unserem Profil.
In ähnlicher Weise werden wir es auch im gleichen Zeitraum, in dem wir unsere anderen Portfolios getestet haben, einem Backtest unterziehen. Zugegebenermaßen gibt es hier ein wenig Datenleck – ein Teil der Optimierungstrainingsdaten ist im Backtest vorhanden. Da wir das Modell jedoch nur im vergangenen Jahr (und nicht in den letzten vier Jahren) trainiert haben UND das eigentliche Experiment der Papierhandel ist, halte ich dies für akzeptabel.
Dieses Portfolio übertrifft Buy and Hold MSFT bei Backtests! Es hat ein höheres Sortierverhältnis, einen geringeren Drawdown und eine höhere prozentuale Veränderung.
Aber wie gesagt, das eigentliche Experiment besteht nicht darin, wie gut sich das Portfolio in der Vergangenheit entwickelt hat. Es geht darum, wie gut es von nun an funktioniert.
Um dies zu testen, klicke ich Markteinführung und mit dem Handel beginnen.
Dadurch wird mein Portfolio live auf dem Markt für den Papierhandel in Echtzeit bereitgestellt.
In diesem Artikel habe ich detailliert beschrieben, wie ich einen von ChatGPT generierten Handelsalgorithmus erstellt und ihn live auf dem Markt bereitgestellt habe. Ich erkläre und präsentiere kurz den Optimierungsprozess. Anschließend habe ich vier Portfolios – zwei Kontroll- und zwei Versuchsgruppen – live auf dem Markt für den Echtzeit-Papierhandel eingesetzt.
Ich habe gezeigt, wie NexusTrade diesen Prozess vereinfacht. Es ist in der Lage, eine Vielzahl algorithmischer Handelsstrategien innerhalb der Plattform zu generieren. Benutzer können diese Portfolios einem Backtest unterziehen, sie optimieren und sie live für den Echtzeithandel einsetzen.
Ich glaube, dass durch die Kombination meiner Marktkenntnisse mit einer leistungsstarken automatisierten Plattform eine Strategie entstanden ist, die den Markt übertreffen wird. Mein Ziel ist es, Buy and Hold SPY zu übertreffen, aber ich wäre begeistert, wenn ich auch Buy and Hold MSFT übertreffen kann.
Wir werden sehen, wie sich dieses Portfolio im Laufe der Zeit entwickelt.
[ad_2]