| Test | Festplatte | SSD | |
|---|---|---|---|
| Samsung HD250HJ 250 GB / SpinPoint S | Corsair P128 Solid State Drive 128 GB CMFSSD-128GBG2D, MLC-Chips | ||
| Startzeit von SHAREholder (Hilfe / Infos) mit dem aktuellen Depot / Stammdaten | 4,4s | 2,8s |  -37% |
| Tai-Pan Vollaktualisierung über alle Titel (3447) | 9m / 14s 554s | 4m 50s 290s |  -48% |
| Filter "ADX über alle deutschen Titel" | 44,5s | 13s |  -70% |
| Anwendung | Einordnung | Mindestens | Empfehlung | Optimal | |
|---|---|---|---|---|---|
| 1 | Marktlisten mit meheren (z.B. 5) eingeblendeten Indikatoren | MITTLERE BELASTUNG | 1GB nutzbarer RAM | SSD, 8GB, Core >3GHz | Nur mit **CPU-Power für Single-Thread**-Berechnungen kann der Prozess wesentlich beschleunigt werden. Multi-Core hat aktuell keine Auswirkungen. CPUs mit hoher Taktfrequenz sind Systemen mit hoher Core-Anzahl sind hier überlegen. |
| 2 | Durchführung von Strategieberechnungen z.B. Susan-Levermann-Strategie über alle Titel | MITTLERE BELASTUNG | |||
| 3 | Durchführung von ML-Kursprognose-Trainings mit H2o | EXTREME BELASTUNG | Windows 64 und Java 64 Bit zwingend 6GB RAM | Windows 64 und Java 64 Bit zwingend SSD, 16GB RAM, 4 Core >3GHz | Die Datenvorbereitung erfolgt aus Speichermanagement-Gründen virtualisiert über das Dateisystem. Daher ist jede Optimierung in Richtung schneller **SSD (.M2)** hier optimal. Daneben arbeitet das H2o-Modell sehr speicherintensiv d.h. für die HDAX-Berechnung mit 5,10,30 Tage Kursvorausberechnung und binären, gerunderter und exakter Vorhersage sind **6GB nur für H2o** zwingend. Für alle US-Titel sollten bereits 12GB vorliegen. Die Nutzung des Speichers wird durch das System abgefragt und ist optimal bei 20GB Speicherzuweisung (wenn möglich), wenn bis zu 12 Modelle gleichzeitig benutzt werden. Die Berechnung erfolgt aktuell leider noch ohne GPU-Support, nutzt aber praktisch alle **Cores und Threads**. Ein AMD Threadripper oder i7-Intel mit **8 Cores** arbeitet daher sehr effizient, wenn die Taktfrequenz entsprechend hoch liegt. *Mittelfristig ist die Hoffnung durch GPU-Support hier die Anforderungen wieder etwas zu reduzieren.* |
| 4 | Durchführung von ML-Kursprognose-Vorhersagen (mittels H2o) | HOHE BELASTUNG | Windows 64 und Java 64 Bit zwingend 1GB nutzbaren RAM | Windows 64 und Java 64 Bit zwingend SSD, 8GB RAM, Core >2.5 GHz | Die Datenvorbereitung erfolgt aus Speichermanagement-Gründen virtualisiert über das Dateisystem. Daher ist jede Optimierung in Richtung schneller **SSD (.M2)** hier optimal. Die Prediction-Berechnung ist vor allem in der Datenaufbereitung der Eingangsdaten (Indikatoren) für die Modellberechnung sehr rechenintensiv. Diese Berechnung ist nur Single-Thread basierend möglich. Die Prediction selbst ist durch die Einschränkung der Speichermenge mit kleinen Systemen denkbar. Daher auch hier ist **CPU-Power mit Single-Thread-Power** durch eine hohe Taktfrequenz optimal! |
Prozess | Berechnungsdauer | Anmerkungen |
|---|---|---|
| Berechnung Trainings-und Validierungsdaten (10er Netz) Nasdaq, Rohstoffe, HDAX und Indizes | 26min | doAutoMLBaseNetID=10 doAutoMLH2oMemoryInGB=12 doAutoMLExport=1 doAutoMLExportMarktSelections=\[262144;32768;64;16\] |
| Berechnung der ML-Modelle | 5h 20min | doAutoMLTrain=1 doAutoMLTrainMarktSelections=\[262144;32768;64;16\] doAutoMLTrainResponseColumnIDs=(Forecast\[5d\].MA\[1d\].ts,Forecast\[5d\].MA\[1d\].Rounded.Enum.ts,Forecast\[5d\].MA\[1d\].Binaer.ts,Forecast\[10d\].MA\[1d\].ts,Forecast\[10d\].MA\[1d\].Rounded.Enum.ts,Forecast\[10d\].MA\[1d\].Binaer.ts,Forecast\[30d\].MA\[1d\].ts,Forecast\[30d\].MA\[1d\].Rounded.Enum.ts,Forecast\[30d\].MA\[1d\].Binaer.ts) |
| Berechnung der Vorhersagewerte | 3h | doAutoMLPrediction=1 doAutoMLPredictionModelIDs=(GBM-Net-10-HDAX.100ntrees.20depth.response\[Forecast\[10d\].MA\[1d\].Binaer.ts\];GBM-Net-10-HDAX.100ntrees.20depth.response\[Forecast\[10d\].MA\[1d\].Rounded.Enum.ts\];GBM-Net-10-HDAX.100ntrees.20depth.response\[Forecast\[10d\].MA\[1d\].ts\];GBM-Net-10-HDAX.100ntrees.20depth.response\[Forecast\[30d\].MA\[1d\].Rounded.Enum.ts\]) doAutoMLPredictionWatchlistenIDs=\[4;16;512\] doAutoMLPredictionUseMaxStockDays=1000 |