Intraday trading FX ad alta frequenza con i sistemi di inferenza neuro-fuzzy adattativi Questo documento introduce un sistema adattivo neuro-fuzzy inferenza (ANFIS) per la negoziazione finanziaria, che impara a prevedere i movimenti dei prezzi a partire dai dati di formazione costituito da dati tick intraday campionati ad alta frequenza. I dati empirici utilizzati nella nostra indagine sono cinque minuti a serie temporali a metà prezzo dai mercati FX. L'ottimizzazione ANFIS coinvolge back-test e variando il numero di epoche, ed è abbinato ad un nuovo metodo per catturare volatilità utilizzando un approccio event-driven che prende in considerazione i cambiamenti di direzione entro soglie prestabiliti. I risultati mostrano che il modello proposto supera strategie standard come acquistare-and-hold o previsione lineare. Se si verificano problemi durante il download di un file, controllare se si dispone l'applicazione corretta per vederlo prima. In caso di ulteriori problemi leggi le Idee Assistenza pagina. Si noti che questi file non sono sul sito IDEE. Si prega di essere paziente, come i file possono essere di grandi dimensioni. Come l'accesso a questo documento è limitato, si consiglia di cercare una diversa versione in fase di ricerca correlati (più avanti) o la ricerca di una versione diversa di esso. Quando si richiede una correzione, si prega di citare questo articoli trattano: RePEc: ids: ijfmkd: v: 2: y: 2011: I: 12: p: 68-87. Guarda le informazioni generali su come correggere il materiale in RePEc. Per domande tecniche per quanto riguarda questo punto, o per correggere i suoi autori, titolo, abstract, bibliografico o scaricare informazioni, contattare: (Darren Simpson) Se è stato autore di questa voce e non sei ancora registrato con RePEc, vi incoraggiamo a farlo qui. Questo permette di collegare il tuo profilo a questo oggetto. Consente inoltre di accettare eventuali citazioni a questo punto che siamo incerti. Se i riferimenti sono del tutto mancanti, è possibile aggiungere utilizzando questo modulo. Se elencano i riferimenti completi di un elemento che è presente in RePEc, ma il sistema non collegano ad esso, si può aiutare con questo modulo. Se siete a conoscenza di elementi che citano questo manca, ci si può aiutare la creazione di quei link aggiungendo i riferimenti relativi allo stesso modo come sopra, per ogni articolo riferendosi. Se sei un autore registrato di questa voce, si consiglia inoltre di controllare la scheda citazioni nel tuo profilo, in quanto vi possono essere alcune citazioni in attesa di conferma. Si prega di notare che le correzioni possono prendere un paio di settimane per filtrare attraverso i vari servizi di RePEc. Più servizi Seguire serie, riviste, autori ampère Nuovi documenti via e-mail Iscriviti alle nuove aggiunte al RePEc registrazione Autore profili pubblici per i ricercatori Economia varie classifiche di ricerca in campi correlati Economia amp che era uno studente di chi, utilizzando RePEc RePEc Biblio articoli a cura amp articoli su vari argomenti di economia Carica la tua carta per essere elencati su RePEc e idee EconAcademics Blog aggregator per casi di ricerca economia plagio plagio in Economia lavoro mercato Papers RePEc Working paper series dedicata al mercato del lavoro Fantasy League fingere di essere al timone di una economia Services department del StL Fed dati, ricerche, applicazioni amp più dalla previsione di St. Louis FedThe di serie finanziarie è un processo molto complicato. Uno sguardo iniziale a serie finanziarie dà l'impressione che essi sono casuali in natura. Se fosse vero, questo renderebbe la previsione, e quindi il commercio, di tali serie particolarmente difficili. L'ipotesi di mercato efficiente afferma che il prezzo corrente contiene tutte le informazioni disponibili sul mercato. Questo porta alla prevedibilità delle più serie finanziarie come una questione piuttosto controversa. Gli esperti sono stati di previsione e di negoziazione dei mercati finanziari per decenni, usando la loro conoscenza ed esperienza nel riconoscere i modelli e l'interpretazione dei dati finanziari correnti. Questo lavoro estende il sistema Inference Adaptive Neuro-Fuzzy per creare un sistema esperto in grado di utilizzare il ragionamento sfocata combinata con la capacità di riconoscimento del modello di reti neurali da utilizzare nella previsione finanziaria e commerciale. La novità dell'approccio risiede nella sua applicazione al campo dell'alta finanza frequenza. Tale approccio non è stato usato finora con negoziazione ad alta frequenza o come parte di una strategia trading automatico. Questo ha prodotto un sistema commerciale esperto che superi le limitazioni fisiche di esperti umani e operatori nel prendere decisioni multiple a intervalli di tempo estremamente breve. Questo significa che il sistema è in grado di eseguire previsioni e decisioni di trading ad altissima frequenza utilizzando i dati intra-day. la previsione finanziaria, ipotesi di mercato efficiente, sistema di inferenza neuro-fuzzy, ad alta frequenza di trading Abdalla Kablan, Adaptive Neuro sistemi fuzzy per alta frequenza Financial Trading e Forecasting, Advanced Engineering informatica e applicazioni in Scienze, International Conference on. vol. 00, no. Pp. 105-110, 2009, doi: 10.1109ADVCOMP.2009.23The L'utilizzo di dinamicamente ottimizzata ad alta frequenza Moving strategie media per il trading intraday Questo documento è motivato dal l'aspetto di incertezza nel processo decisionale finanziario, e come intelligenza artificiale e soft computing, con la sua incertezza riducendo aspetti può essere utilizzato per le applicazioni di trading algoritmico che il commercio in alta frequenza. Questo articolo presenta un sistema di trading ad alta frequenza ottimizzato che è stato combinato con varie medie mobili per la produzione di un sistema ibrido che supera sistemi di trading che si basano esclusivamente su medie mobili. La carta consente di ottimizzare un sistema di inferenza neuro-fuzzy adattivo che prende sia il prezzo e la sua media mobile come input, impara a prevedere i movimenti dei prezzi a partire dai dati di formazione costituito da dati intraday, in modo dinamico passa tra le migliori prestazioni medie mobili, ed esegue il processo decisionale di quando di acquistare o vendere una determinata valuta in alta frequenza. 1 A. Kablan (2009). Una logica Fuzzy Momentum Sistema di analisi per Brokerage finanziaria, lavori della Conferenza internazionale sulla teoria finanziaria e Ingegneria. IEEEXplore, Vol 1, pp 57-62. ISBN: 978-0-7695-3949-2 2 A. Kablan (2009). Adaptive Neuro sistemi fuzzy per High Trading Frequenza e Previsione, atti della Terza Conferenza Internazionale sulla Advanced Engineering informatica e applicazioni in Scienze. IEEEXplore, Vol 1, pp 105 - 110. ISBN: 978-0-7695-3829-7 3 A. Kablan, WL Ng, (2010), Strategia di trading ad alta frequenza, utilizzando la trasformata di Hilbert, 6 ° Conferenza Internazionale sulla Networked Computing e Advanced Gestione dell'informazione. Vol 1, pp 466 - 471. ISBN: 978-89-88678-26-8 4 A. Kablan, WL Ng, (2010), ad alta frequenza trading usando l'analisi Momentum Fuzzy, Atti del IAENG 2010 Conferenza Internazionale di Ingegneria finanziaria ( ICFE), Londra. Vol 1, pp 352- 357. ISBN: 978-988-17012-9-9 5 A. Kablan, WL Ng, (2011), ad alta frequenza Order Strategie Posizionamento con Fuzzy Logic e inferenza Fuzzy, IAENG International Journal of Computer Science , numero speciale. 6 A. Kablan, W. L. Ng, (2011), Intraday ad alta frequenza Forex Trading con Adaptive Neuro-Fuzzy Inference Systems, International Journal of Mercati finanziari e derivati. 7 A. Kablan. Neuro sistemi di inferenza Fuzzy adattativo per alta frequenza Financial Trading e previsione. Atti della Terza Conferenza Internazionale sulla Advanced Engineering Computing e applicazioni in Scienze. 2009. 8 Banik, S et. al. (2007), Modellazione comportamento caotico di Dhaka Indice Borsa valori utilizzando il modello neuro-fuzzy, 10 ° Conferenza Internazionale sulla Computer e la tecnologia dell'informazione 9 C. Tseng, Y. Lin. Finanziaria Computational Intelligence. Society for Computational Economics. Informatica in Economia e delle Finanze n. 42. 2005. 10 Chang, S. S. L (1977). Applicazione della teoria degli insiemi fuzzy per l'economia. Kybernetes 6, pp 203-207 11 Dacarogna, M. et al 2001, Introduzione alla finanza ad alta frequenza, Academic Press 12 Dormale, AV (1997): Il potere del denaro, Macmillan Press, London 13 E. Boehmer (2005) dimensioni della qualità di esecuzione: prova recente per i mercati azionari degli Stati Uniti. Journal of Financial Economics 78, 553-582, 2005. 14 E. F. Fama. (1970) mercati dei capitali efficienti: una revisione della teoria e lavoro empirico. Journal of Finance, pagine 383-417 15 maggio Grabbe, J. O. (1996): i mercati finanziari internazionali, Englewood Hills, Prentice Hall Inc. 16 J. C. Bezdek, R. Krisnapuram, N. R. Pal. (1999). modelli Fuzzy e algoritmi per il riconoscimento di forme e di elaborazione delle immagini. Springer. 17 JM. Griffin, F. Nardari, R. Stulz. Borsa di negoziazione e le condizioni di mercato. NBER, Working Paper 10719, 1-48. 2004. 18 Kablan, A, WL Ng, (2011 High Frequency Trading utilizzando Analysis Fuzzy Momentum, Springer Ingegneria Lettere, Londra. 19 Li, Y. Musilek, P e Wyard-Scott, L. La logica fuzzy in agent-based game design. Annual Meeting of Information Processing Fuzzy 2004, vol. 2, pp734-739, 2004. 20 Lootsma, FA (1997). La logica fuzzy per la pianificazione e il processo decisionale. Springer. 21 M. Fedrizzi, W. Ostasiewicz (1993). Verso modellazione sfocata in economia insiemi e sistemi fuzzy, vol 54, Issue 3, pp 259-268, 22 Ormerod, P. (2000) l'economia della farfalla:.... Una nuova teoria generale del comportamento sociale ed economico Pantheon, new York 23 Q . song, BS Chissom iscrizioni di previsione con sfocata di serie temporali Parte II insiemi fuzzy e Sistemi 62, pp 1-8, 1994 24 Roger Jang, JS ANFIS:... sistema fuzzy network-based Adaptive, IEEE Transactions on Systems, Man e cibernetica, 23 (3) (1993) 665-685. 25 S. Chabaa e A. Zeroual. Predire Packet trasmissione di dati su IP Networks Utilizzando Adaptive Neuro-Fuzzy Inference Systems. Journal of Computer Science Vol. 5 (2), pp 123-130, 2009. 26 Schulmeister, S 2009, un generale tassa sulle transazioni finanziarie: un taglio corto dei professionisti, i cons e una proposta-, documento di lavoro WIFO No 344. 27 T. Hellstrm e K. Holmstrom. Predire il mercato azionario. Technical Report Ima-TOM-1997-1907, Centro di Scienze Matematiche Modeling, Dipartimento di Matematica e Physis, Malardalen Università, Västerås, Svezia, agosto 1998. 28 T. Takagi e M. Sugeno. individuazione di sistemi Fuzzy e la sua applicazione alla modellazione e controllo, IEEE Transactions on Systems, Man and Cybernetics, vol. 15, pp 116-132, 1985. 29 Takagi T. e Sugeno, M. Fuzzy identificazione di sistemi e la sua applicazione alla modellazione e controllo, IEEE Transactions on Systems, Man and Cybernetics, 15 (1985) 116-132. 30 Wilson, R. e Sharda, R. fallimento previsione utilizzando le reti neurali, Decision Support Systems, 11 (1994) 545-557. 31 Yeh, S. Landsman, W. R. Miller, B. L. Peasnell, K. V. (2011). Fare agli investitori di comprendere surplus veramente sporco. La revisione contabile, 86 (1), 237-258. 32 Yoon, Y. Guimaraes, T. e Swales, G. integrazione delle reti neurali con sistemi esperti basati su regole, Decision Support Systems, 11 (1994) 497-507. 33 Zadeh, L. insiemi fuzzy. Informazione e controllo, vol. 8, pp 338-353, 1965. 34 Zadeh, L. A. insiemi fuzzy, informazioni di controllo, 8 (1965) 338-353.
No comments:
Post a Comment