주식 거래 의사 결정 지원 시스템

주식 시장 거래를위한 진화 된 의사 결정 지원 시스템

Piotr Lipinski.

본 논문에서는 최근 주가의 금융 시계열을 분석하는 특정 주식 시장 거래 규칙의 가중 평균으로 구축 된 효율적인 주식 시장 거래 전문가를 구축하기 위해 적용된 진화 전략 알고리즘을 기반으로 한 주식 시장 거래 의사 결정 지원 시스템을 제안한다 인용문. 개별적으로 적용하더라도 재무 분석가 및 시장 투자자에 대한 실무자 지식에서 비롯되는 이러한 거래 규칙은 평균 결과를 제공하여이를 하나의 거래 전문가로 결합하여 중요한 개선 및 효율적인 투자 전략을 유도합니다. 파리 증권 거래소의 실제 데이터에 대한 실험은 그러한 거래 전문가를 기반으로 한 투자 전략의 재정적 관련성을 확인합니다.

참조.

저작권 정보.

저자 및 제휴사.

Piotr Lipinski 1 1. 컴퓨터 과학 연구소 Wroclaw Wroclaw University of Poland.

이 백서에 대해서.

개인화 된 권장 사항.

종이를 인용하십시오.

.RIS 논문 참조 관리자 RefWorks Zotero.

.BIB BibTeX JabRef Mendeley.

용지를 공유하십시오.

즉시 다운로드 모든 장치에서 읽을 수 있음 영원히 소유 가능 해당되는 경우 현지 판매 세 포함.

종이를 인용하십시오.

.RIS 논문 참조 관리자 RefWorks Zotero.

.BIB BibTeX JabRef Mendeley.

용지를 공유하십시오.

손끝에서 천만 가지 이상의 과학적 문서를 제공합니다.

전환 판.

&부; 2017 Springer International Publishing AG. 스프링거 자연의 일부입니다.

적응 형 주식 ​​인덱스 거래 의사 결정 지원 시스템.

하이라이트.

이 시스템은 자동화되고 적응 가능한 모델 선택 프로세스를 제공합니다.

이 시스템은 예측 수준보다는 주가 방향을 예측합니다.

입자 군집 최적화는 계산 시간을 줄이기 위해 사용됩니다.

Denoising은 주식 시장의 변동성을 처리하는 데 사용됩니다.

주가 지수의 방향과 움직임을 예측하는 것은 어렵 기 때문에 과도한 거래, 거래 비용 및 기회 누락으로 이어질 수 있습니다. 종종 거래자는 거래 기회를 발견 할뿐만 아니라 일관된 접근 방식을 제공함으로써 거래 오류 및 비용을 최소화하는 체계적인 방법이 필요합니다. 기계적 거래 시스템이 존재하는 반면, 이들은 보통 특정 주식, 주식 인덱스 또는 기타 금융 자산을 위해 설계되며, 종종 초기 교육이나 백엔드 이후 거래 정보를 계속 제공 할 것으로 예상되는 사전 선택된 입력 및 모델 매개 변수에 크게 의존합니다. 테스트 모델 개발 기간. 다음 연구는 거래 신호를 인식하고 원하는 출력을 기반으로 입력 및 예측 모델을 모두 적용하는 시스템을 활용하여 거래 의사 결정을 지원하는보다 효과적이고 지능적인 방법을 제공하는 상세한 거래 모델로 이어집니다. 적응 형 접근법을 설명하기 위해 신경망, 입자 군 최적화 (particle swarm optimization) 및 노이즈 제거 (denoising)를 비롯한 여러 입력 및 모델링 기술이 활용됩니다. 주식 지수 시뮬레이션은 개발 된 적응 형 의사 결정 지원 시스템 모델을 사용하여 트레이더가 더 높은 수익을 창출 할 수있는 방법을 보여줍니다. 예측에 적응력 있고 지능적인 의사 결정을 추가 할 때의 이점에 대해서도 설명합니다.

이 기사를 찾고 액세스 할 수있는 옵션을 선택하십시오.

로그인 자격 증명이나 기관을 통해 액세스 할 수 있는지 확인하십시오.

유전자 알고리즘 기반의 퍼지 신경망과 인공 신경망의 통합을 통한 지능형 주식 거래 의사 결정 지원 시스템

다양한 연구원들이 조사한 주식 시장은 다소 복잡한 환경입니다. 대부분의 연구는 정 성적 요인 (예 : 정치적 효과) 대신 기술적 지표 (양적 요인)에만 관련이있었습니다. 그러나 후자는 주식 시장 환경에서 중요한 역할을합니다. 따라서 본 연구는 주식 시장의 질적 영향을 측정 할 수있는 퍼지 추론 규칙의 지식 기반을 형성하기위한 유전자 알고리즘 기반의 퍼지 신경망 (Fuzzy Neural Network, GFNN)을 개발 하였다. 다음으로이 효과는 인공 신경망 (ANN)을 통해 기술 지표와 더욱 통합됩니다. 제안 된 지능형 시스템을 평가하기 위해 대만 주식 시장을 기반으로 한 사례를 활용합니다. 평가 결과는 양적 요인과 질적 요인을 모두 고려한 신경망은 구매 - 판매 시점의 명확성과 구매 - 판매 성과 양자의 양적인 요인만을 고려하여 신경망에 뛰어나다는 것을 보여 주었다.

이 기사를 찾고 액세스 할 수있는 옵션을 선택하십시오.

로그인 자격 증명이나 기관을 통해 액세스 할 수 있는지 확인하십시오.

주식 시장 거래를위한 진화 된 의사 결정 지원 시스템

Piotr Lipinski.

본 논문에서는 최근 주가의 금융 시계열을 분석하는 특정 주식 시장 거래 규칙의 가중 평균으로 구축 된 효율적인 주식 시장 거래 전문가를 구축하기 위해 적용된 진화 전략 알고리즘을 기반으로 한 주식 시장 거래 의사 결정 지원 시스템을 제안한다 인용문. 개별적으로 적용하더라도 재무 분석가 및 시장 투자자에 대한 실무자 지식에서 나온 거래 규칙은 평균 결과를 제공하여이를 하나의 거래 전문가로 결합하여 중요한 개선 및 효율적인 투자 전략을 유도합니다. 파리 증권 거래소의 실제 데이터에 대한 실험은 그러한 거래 전문가를 기반으로 한 투자 전략의 재정적 관련성을 확인합니다.

참조.

저작권 정보.

저자 및 제휴사.

Piotr Lipinski 1 1. 컴퓨터 과학 연구소 Wroclaw Wroclaw University of Poland.

이 백서에 대해서.

개인화 된 권장 사항.

종이를 인용하십시오.

.RIS 논문 참조 관리자 RefWorks Zotero.

.BIB BibTeX JabRef Mendeley.

용지를 공유하십시오.

즉시 다운로드 모든 장치에서 읽을 수 있음 영원히 소유 가능 해당되는 경우 현지 판매 세 포함.

종이를 인용하십시오.

.RIS 논문 참조 관리자 RefWorks Zotero.

.BIB BibTeX JabRef Mendeley.

용지를 공유하십시오.

손끝에서 천만 가지 이상의 과학적 문서를 제공합니다.

전환 판.

&부; 2017 Springer International Publishing AG. 스프링거 자연의 일부입니다.