ECHO
15-Minuten-Mittelwertrückkehr bei ETFs und Volatilitätsprodukten
Bergnymphe, deren Stimme zurückkehrt – der Preis kehrt zum fairen Wert zurück
WasECHOmacht
ECHO fängt die Rückkehr des Marktes zum fairen Wert ein – das Echo. Trainiert auf 37 reversionsfreundlichen Instrumenten (breite ETFs, Volatilitätsprodukte, Zinsen, Rohstoffe) und bewusst blind für Trendindikatoren.
Kurzhorizont-Mittelwertrückkehr in unruhigen/rangegebundenen Regimen
Funktionsweise
ECHO ist ein faktorisierter Kanal × Zeit-Aufmerksamkeitstransformer. Er betrachtet ein 160-Balken-Kontextfenster von 12 Eingabekanälen und sagt die vollständige Verteilung der nächsten 4 Balken voraus.
Vorwärtsdurchlauf: Eingabe OHLCV + Indikatorkanäle → Patch-Einbettung → alternierende Raum/Zeit-Aufmerksamkeitsebenen → zu einer einzelnen Einbettung zusammengefasst → MLP-Kopf sagt 7 Quantilniveaus pro Horizontschritt voraus.
Eingabekanäle
Jeder Balken wird fensterweise mittels kontextbasierter Statistiken Z-Score-normalisiert, sodass das Modell relative Bewegungen statt absoluter Preise sieht.
Ausgabe
Daten & Training
Universum
37Symbole
mean_revert_universe
Symbole sind die liquiden, handelbaren Instrumente, die bildenECHO's Trainingspopulation. Jeder Vorhersagezyklus führt Vorwärtstests auf demselben Universum durch, sodass Leistungszahlen nicht willkürlich ausgewählt sind.
Warum dieser Trainingszeitraum
Wir schließen bewusst Daten vor 2010 aus. Die Zeit vor der Dezimalisierung (Brüche bis April 2001), das Pre-HFT-Regime (≤2007) und die Kreditkrise 2007–2009 spiegeln eine Marktstruktur wider, die nicht mehr existiert. Bei 3.3 M Parametern ist es Rauschen, das mit dem aktuellen Markt um Gewichte konkurriert – López de Prado (2018) identifiziert die Nicht-Stationarität von Regimen als primären Fehlermodus des maschinellen Lernens im Finanzbereich.
Sensitivität: Ein Pilot, trainiert auf 2003-2022, zeigte einen um 10-12% schlechteren Validierungsverlust als der Lauf ab 2010.
Live-Leistung
Jede Vorhersage, die ECHO trifft, wird protokolliert und in Echtzeit an Barrieren ausgewertet. Diese Zahlen beziehen sich nur auf abgeschlossene Trades und werden kontinuierlich aktualisiert.
Frühere Leistung ist keine Garantie für zukünftige Ergebnisse. Ergebnisse von Vorwärtstests spiegeln eine Barrieresimulation mit einem R/R-Verhältnis von 1:3 wider; tatsächliche Ergebnisse können aufgrund von Slippage, Spreads und Liquidität abweichen.
Ehrliche Einschränkungen
Bullenmarkt-Regime-Testexposition
Das 15-wöchige Out-of-Sample-Fenster war ein bullisch geprägter Zeitraum. Die Modellleistung in Bärenmärkten (Stil 2022-Q4) ist unbestätigt und wahrscheinlich wesentlich geringer.
Transaktionskosten nicht modelliert
Die angegebenen Renditen schließen Round-Trip-Gebühren (~0,05-0,30% für diese Instrumente) nicht ein. Die realen Renditen werden niedriger ausfallen; die genannten Zahlen stellen Obergrenzen dar.
Training/Test mit gleichen Symbolen
Das Modell wurde auf demselben Symboluniversum trainiert und getestet (Zeit-Split). Wir validieren die zeitliche Generalisierung, nicht die Generalisierung auf unbekannte Ticker.
Wovon wir überzeugt sind
Richtungsabhängige Treffsicherheit über Zufallsniveau (symmetrische 1:1 R/R-Gewinnrate beträgt 51.5%) und reproduzierbares Training: Wir haben mehr als 3 Mal von Grund auf mit identischen Hyperparametern und innerhalb von ±1% Validierungsfehler neu trainiert.
Vollständigen Bericht lesen
Technischer Bericht im Veröffentlichungsumfang: Datenbereinigung, tiefgehende Architektur, Trainingsdynamik, Barriere-Simulationsmethodik, Vollfenster-Ergebnisse, Sensitivitätsanalysen und ehrliche Einschränkungsdiskussion. ~7.000 Wörter.
Vergleich über die Fünf
Jedes Modell in der Zirdle Fünf bewältigt ein anderes Handelsregime. Kehren Sie zur Übersicht zurück, um zu sehen, wie sie in Bezug auf Gewinnrate, Universe-Größe und Out-of-Sample-Renditen abschneiden.