Die Verwendung von dynamisch optimierten, hochfrequent verlaufenden durchschnittlichen Strategien für den Intraday-Handel Dieses Papier wird durch den Aspekt der Unsicherheit in der finanziellen Entscheidungsfindung motiviert und wie künstliche Intelligenz und Soft Computing mit ihren Ungewissheiten reduzierenden Aspekten für algorithmische Handelsanwendungen, Hochfrequenz. Dieses Papier präsentiert ein optimiertes Hochfrequenz-Handelssystem, das mit verschiedenen gleitenden Durchschnitten kombiniert wurde, um ein hybrides System zu erzeugen, das Handelssysteme übertrifft, die ausschließlich auf bewegten Durchschnitten beruhen. Das Papier optimiert ein adaptives Neuro-Fuzzy-Inferenzsystem, das sowohl den Preis als auch den gleitenden Durchschnitt als Input annimmt, lernt, Preisbewegungen aus Trainingsdaten aus Intraday-Daten vorherzusagen, dynamisch zwischen den besten Durchführungsdurchschnitten zu wechseln und Entscheidungen zu treffen Eine bestimmte Währung in Hochfrequenz zu kaufen oder zu verkaufen. 1 A. Kablan (2009). Ein Fuzzy Logic Momentum Analysesystem für Financial Brokerage, Verfahren der Internationalen Konferenz über Finanztheorie und Ingenieurwesen. IEEEXplore, Band 1, Seiten 57-62. ISBN: 978-0-7695-3949-2 2 A. Kablan (2009). Adaptive Neuro Fuzzy Systeme für Hochfrequenzhandel und Prognose, Verfahren der Dritten Internationalen Konferenz für Advanced Engineering Computing und Anwendungen in der Wissenschaft. IAEEXplore, Band 1, S. 105 - 110. ISBN: 978-0-7695-3829-7 3 A. Kablan, WL Ng, (2010), Hochfrequenztrading-Strategie unter Verwendung der Hilbert-Transformation, 6. Internationale Konferenz zum Networked Computing und Advanced Informationsmanagement. Vol. 1, S. 466 - 471. ISBN: 978-89-88678-26-8 4 A. Kablan, WL Ng, (2010), Hochfrequenzhandel mit Fuzzy-Impulsanalyse, Verfahren der IAENG 2010 International Conference of Financial Engineering ICFE), London. Band 1, pp 352-357. ISBN: 978-988-17012-9-9 5 A. Kablan, WL Ng, (2011), Hochfrequenz-Vermittlungsstrategien mit Fuzzy Logic und Fuzzy Inference, IAENG Internationale Zeitschrift für Informatik , Sonderausgabe. 6 A. Kablan, W. L. Ng, (2011), Intraday High-Frequency Forex Trading mit Adaptive Neuro-Fuzzy-Inferenz-Systeme, Internationale Zeitschrift für Finanzmärkte und Derivate. 7 A. Kablan. Adaptive Neuro Fuzzy Inference Systeme für Hochfrequenz-Finanzhandel und Forecasting. Verfahren der Dritten Internationalen Konferenz für Advanced Engineering Computing und Anwendungen in der Wissenschaft. 8 Banik, S et. Al. (2007), Modellierung chaotisches Verhalten der Dhaka-Aktienmarktwerte unter Verwendung des Neuro-Fuzzy-Modells, 10. internationale Konferenz über Computer - und Informationstechnologie 9 C. Tseng, Y. Lin. Finanzielle Computational Intelligence. Gesellschaft für Computational Economics. Informatik in Wirtschaftswissenschaften und Finanzen nein. 42. 2005. 10 Chang, S. S. L. (1977). Anwendung der Fuzzy-Set-Theorie auf die Wirtschaft. Kybernetes 6, S. 203-207 11 Dacarogna, M. et al 2001, Eine Einführung in die Hochfrequenzfinanzierung, Akademische Presse 12 Dormale, AV (1997): Die Macht des Geldes, Macmillan Press, London 13 E. Boehmer (2005) Dimensionen der Ausführungsqualität: aktuelle Nachweise für US-Aktienmärkte. Journal of Financial Economics 78, 553-582, 2005. 14 E. F. Fama. (1970) Effiziente Kapitalmärkte: Überprüfung von Theorie und empirischer Arbeit. Journal of Finance, Seiten 383-417, Mai 15 Grabbe, J. O. (1996): Internationale Finanzmärkte, Englewood Hills, Prentice Hall Inc. 16 J. C. Bezdek, R. Krisnapuram, N. R. Pal. (1999). Fuzzy-Modelle und Algorithmen zur Mustererkennung und Bildverarbeitung. Springer. 17 JM. Griffin, F. Nardari, R. Stulz. Börsenhandel und Marktbedingungen. NBER, Working Paper 10719, 1-48. (K., K., W., W., W., W., W., W., W. Fossile Logik für Planung und Entscheidungsfindung, Springer, 21 M. Fedrizzi, W. Ostasiewicz (1993) Fuzzy-Sets und Systeme, Band 54, Issue 3, pp 259-268, 22 Ormerod, P. (2000) Schmetterlingsökonomik: Eine neue allgemeine Theorie des sozialen und wirtschaftlichen Verhaltens, Pantheon, New York Fuzzy-Sätze und Systeme 62, pp 1-8, 1994 24 Roger Jang, JS ANFIS: Adaptives netzwerkbasiertes Fuzzy-Inferenzsystem, IEEE Transactions on Systems, Man (1975), S. 236-583 (1985), S. 256-583, S. 256-583, S. 256. 25 S. Chabaa und A. Zeroual: Vorhersage von Datenpaketübertragung über IP-Netzwerke unter Verwendung von adaptiven Neuro-Fuzzy-Inferenzsystemen. Zeitschrift für anorganische und allgemeine Chemie 26 Schulmeister, S, 2009, Eine allgemeine Finanztransaktionssteuer: Eine Kurzfassung der Pros, des Nachteile und eines Vorschlags, WIFO Working Paper Nr. 344. 27 T. Hellstrm and K. Holmstrom. Vorhersage der Börse. Technischer Bericht Ima-TOM-1997-07, Zentrum für Mathematische Modellierung, Institut für Mathematik und Physis, Malardalen Universität, Vasteras, Schweden, August 1998. 28 T. Takagi und M. Sugeno. Fuzzy-Identifikation von Systemen und deren Anwendung auf Modellierung und Steuerung, IEEE Transactions on Systems, Man and Cybernetics, Bd. 29 Takagi T. und Sugeno, M. Fuzzy Identifizierung von Systemen und ihre Anwendung auf Modellierung und Steuerung, IEEE Transactions on Systems, Man and Cybernetics, 15 (1985) 116-132. 30 Wilson, R. und Sharda, R. Insolvenzvorhersage mit neuronalen Netzen, Decision Support Systems, 11 (1994) 545-557. 31 Yeh, S. Landsman, W. R. Miller, B. L. Peasnell, K. V. (2011). Haben die Anleger verstehen wirklich verschmiert Überschuss. Der Buchhaltungsbericht, 86 (1), 237-258. 32 Yoon, Y. Guimaraes, T. und Swales, G. Integration neuronaler Netze mit regelbasierten Expertensystemen, Decision Support Systems, 11 (1994) 497-507. 33 Zadeh, L. Fuzzy-Sets. Information und Kontrolle, vol. 8, pp 338-353, 1965. Zadeh, LA Fuzzy-Sets, Informationskontrolle, 8 (1965) 338-353.Intraday-Hochfrequenz-FX-Handel mit adaptiven neuro-fuzzy-Schlußfolgerungen Abdalla Kablan und Wing Lon Ng Stellt ein adaptives Neuro-Fuzzy-Inferenzsystem (ANFIS) für den Finanzhandel vor, das die Prognose von Kursbewegungen aus Trainingsdaten aus Intraday-Tickdaten, die mit hoher Frequenz abgetastet werden, erfährt. Die empirischen Daten, die in unserer Untersuchung verwendet werden, sind fünfminütige Mittelpreis-Zeitreihen von den Devisenmärkten. Die ANFIS-Optimierung beinhaltet das Backtesting sowie die Variation der Anzahl der Epochen und wird kombiniert mit einer neuen Methode zur Erfassung der Volatilität mittels eines ereignisgesteuerten Ansatzes, der Richtungsänderungen innerhalb vorgegebener Schwellen berücksichtigt. Die Ergebnisse zeigen, dass das vorgeschlagene Modell Standardstrategien wie Buy-and-Hold - oder lineare Prognosen übertrifft. Downloads: (externer Link) indersciencelink. phpid38529 (texthtml) Der Zugriff auf den Volltext ist auf Abonnenten beschränkt. Ähnliche Werke: Dieser Artikel ist möglicherweise an anderer Stelle in EconPapers verfügbar: Suche nach Artikeln mit dem gleichen Titel. Exportreferenz: BibTeX RIS (EndNote, ProCite, RefMan) HTMLText Weitere Artikel in International Journal of Financial Markets und Derivatives von Inderscience Enterprises Ltd Datenreihe von Darren Simpson (). Diese Seite ist Teil von RePEc und alle hier angezeigten Daten sind Bestandteil des RePEc-Datensatzes. Ist Ihre Arbeit fehlt bei RePEc Hier ist, wie Sie beitragen. Fragen oder Probleme Überprüfen Sie die EconPapers FAQ oder senden Sie eine E-Mail an.
No comments:
Post a Comment