Intelligent trading system pdf

Stock Trading System: Ram för utveckling och utvärdering av aktiehandel strategier Citera detta dokument som: Nenortait J. ivilis A. (2006) Stock Trading System: Ram för utveckling och utvärdering av aktiehandel strategier. I: Alexandrov V. N. Van Albada G. D. Sloot P. M.A. Dongarra J. (eds) Computational Science ICCS 2006. ICCS 2006. Föreläsningsanteckningar i datavetenskap, vol 3991. Springer, Berlin, Heidelberg Intelligenta börshandelsmodeller blir värdefulla rådgivare på aktiemarknaderna. När man utvecklar sådana modeller får man stor vikt vid utvärderingen och jämförelsen med andra arbetsmodeller. I papperet introduceras handelssystem för börser, vilket är utformat som en ram för utveckling och utvärdering av intelligenta beslutsfattande modeller. Referenser LeBaron, B. Flyttande genomsnittliga handelsregeringsresultat medför icke-linjäriteter i valutamarknaden Social Science Research, 143 (1992) Hellstrom, T. ASTA - ett verktyg för utveckling av Stock Prediction Algorithms. Theory of Stochastic Processe 5 (21), 2232 (1999) Google Scholar NASTradingSystem (tillgång till den 15 december 2005), Nastradingsystem Nenortaite, J. Simutis, R. Anpassning av partikelsvampoptimering till aktiemarknader. I: Intelligent Systems Design och Applications. 5: e internationella konferensen om intelligent systemdesign och applikation, s. 520525. IEEE, Los Alamitos (2005) Nenortaite, J. Simutis, R. Stocks Trading System Baserat på partikelsvamp optimeringsalgoritmen. I: Bubak, M. van Albada, G. D. Sloot, P. M.A. Dongarra, J. (eds.) ICCS 2004. LNCS, vol. 3039, sid. 843850. Springer, Heidelberg (2004) CrossRef Google Scholar Trading för vinster (Accessed 15 december 2005), tradingforprofits UltraTradingSystem (Accessed 15 December 2005), Ultratradingsystem WinnerStockPicks (Daily Trading System) , Winnerstockpicks Information om upphovsrätt Springer-Verlag Berlin Heidelberg 2006 Författare och anslutningar Jovita Nenortait 1 Alminas ivilis 2 1. Kaunas Humanistiska fakulteten, Institutionen för datavetenskap Vilniusuniversitetet Kaunas Litauen 2. Fakulteten för matematik och informatik Vilniusuniversitetet Vilnius Litauen Om detta papperIntelligent lager Handelssystem med prisutvecklingsprognos och återkänningsigenkänning med hjälp av dual-module neurala nätverk. Citera denna artikel som: Jang, GS. Lai, F. Jiang, BW. Et al. Appl Intell (1993) 3: 225. doi: 10.1007BF00871939 Denna artikel presenterar ett intelligent börshandelssystem som kan generera aktuella börshandelsförslag enligt förutsägelsen av kortsiktiga trender i prisrörelsen med hjälp av dual-modul neurala nätverk (dual net) . Retrospektiva tekniska indikatorer som extraheras från råpris och volym tidsseriedata som samlas in från marknaden används som oberoende variabler för neuromodellering. Båda neurala nätverksmodulerna i dubbla nätet lär korrelationen mellan trenderna i prisrörelsen och de retrospektiva tekniska indikatorerna med hjälp av en modifierad algoritm för återbredning. Förstärkning av den tillfälliga korrelationen mellan neurala vikter och träningsmönstren, dubbla moduler av neurala nätverk utbildas på ett kort och ett långsiktigt rörligt fönstret av träningsmönster. En anpassningsbar återkänningsmekanism som kan självjustera trösklar för identifiering av tidpunkten för köp eller försäljning av lager har också utvecklats i vårt system. Det är visat att den föreslagna dubbla nätarkitekturen generaliserar bättre än ett enda modul-neuralt nätverk. Enligt de egenskaper som är acceptabla avkastning och konsekvent kvalitet för handelsförslag som framgår av prestationsbedömningen kan ett intelligent aktiehandel system med prisutveckling och återkänningsigenkänning realiseras med hjälp av de föreslagna dubbelmodulernas neurala nätverk. Neural networks prediction stock trading Referenser J. Felsen, Lärningsmönsterigenkänningstekniker som tillämpas på aktiemarknadsprognoser, IEEE Trans. Systems Man Cybernet. . vol. SMC-5, nr. 6, sid. 583594, 1975. Google Scholar J. F. Elder, IV och M. T. Finn, Skapa optimalt komplexa modeller för prognoser, Financial Analysts J.. Pp. 7379, januari februari 1991. D. D. Hawley, J. D. Johnson och D. Raina, Artificial Neural Systems: Ett nytt verktyg för finansiell beslutsfattande, Financial Analysts J.. Pp. 6372. NovemberDecember 1990. E. Schoneburg, Aktiepris förutsägelse med hjälp av neurala nätverk: En projektrapport, Neurocomputing. vol. 2, s. 1727, 1990. Google Scholar T. Kimoto, K. Asakawa, M. Yoda och M. Takeoka, aktiemarknads prediktionssystem med modulära neurala nätverk, Proc. IEEE Int. Joint Conf. Neurala nätverk . 1990, sid. 16. F. S. Wong, prognos för tidsserier med hjälp av neuroprogrammer för återförökning, Neurocomputing. vol. 2, sid. 147159, 1991. Google Scholar G. S. Jang, F. Lai, B. W. Jiang och L. H. Chien, ett intelligent trendprognos - och återkänningssystem med användning av dual-modul neurala nätverk, Proc. Första Int. Conf. Artif. Intell. Appl. På Wall Street. New York, 1991, s. 4251. G. S. Jang, F. Lai, B. W. Jiang, C. C. Pan och L. H. Chien, ett intelligent aktieportföljhanteringssystem baserat på kortsiktiga trendprognoser med användning av dual-modul neurala nätverk, Proc. Int. Conf. Artif. Neurala nätverk . Finland, 1991, s. 447452. J. Utans och J. Moody, Val av neuralt nätverkarkitektur via prediktionsrisk: Ansökan om prognos för företagsobligationsprinciper, Proc. Första Int. Conf. Artif. Intell. Appl. På Wall Street. New York, 1991, sid. 3541. A. Guez, J. L. Eilbert och M. Kam, neuralt nätverkarkitektur för kontroll, IEEE Control Syst. Mag. vol. 8, nr. 2, s. 2225, april 1988. Google Scholar R. P. Gorman och T. J. Sejnowski, Analys av dolda enheter i ett skiktat nätverk utbildat för att klassificera sonarmål, Neural Networks. vol. 1, nr. 1, sid. 7590, 1988. Google Scholar T. J. Sejnowski och C. R. Rosenberg, parallella nätverk som lär sig att uttala engelska text, Complex Syst. . vol. 1, 1987, s. 145168. Google Scholar J. J. Murphy, Teknisk Analys av Futures Markets, En Omfattande Guide till Handelsmetoder och Applications. New York Institute of Finance: New York, 1986. Google Scholar G. C. Lane, Trading Strategies. Framtida Symposium International: Tucson, AZ, 1984. Google Scholar K. Hornik, M. Stinchcombe och H. White, Multilayer feedforward-nätverk är universella approximatorer, neurala nätverk. vol. 2, sid. 359366, 1989. CrossRef Google Scholar D. E. Rumelhart, J. L. McClelland, och PDP Research Group, parallellt distribuerade processutforskningar i mikrostruktur av kognition. Volym I: Stiftelser. MIT Press: Cambridge, MA, 1986. Google Scholar S. C. Huang och Y. F. Huang, Lärandealgoritmer för perceptroner med hjälp av back-propagation med selektiva uppdateringar, IEEE Control Syst. Mag. vol. 10, nr. 3, sid. 5661, april 1990. Google Scholar G. Mani, sänker varians av beslut genom att använda artificiella neurala nätverksportföljer, neural beräkning. vol. 3, sid. 484486, 1991. Google Scholar T. C. Lee, strukturnivå anpassning för konstgjorda neurala nätverk. Kluwer Academic: Boston, 1991. Google Scholar D. E. Goldberg, genetiska algoritmer inom sökning, optimering och maskinlärande. Addison-Wesley: Reading, MA, 1989. Google Scholar J. W. Wilder, Jr, nya koncept inom tekniska handelssystem. Trendforskning: Greensboro, NC, 1978. Google Scholar Information om upphovsrätt Kluwer Academic Publishers 1993 Författare och anslutningar Gia-Shuh Jang 1 Feipei Lai 1 Bor-Wei Jiang 1 Tai-Ming Parng 1 Li-Hua Chien 2 1. Institutionen för elektroteknik och Institutionen för datavetenskap och informationsteknik National Taiwan University Taipei Taiwan, ROC 2. Capital Market Group Kina Development Corporation Kina Om denna artikelStock Trading System: Ram för utveckling och utvärdering av aktiehandelstrategier Citera detta dokument som: Nenortait J. ivilis A. ( 2006) Aktiehandelssystem: Ram för utveckling och utvärdering av aktiehandelstrategier. I: Alexandrov V. N. Van Albada G. D. Sloot P. M.A. Dongarra J. (eds) Computational Science ICCS 2006. ICCS 2006. Föreläsningsanteckningar i datavetenskap, vol 3991. Springer, Berlin, Heidelberg Intelligenta börshandelsmodeller blir värdefulla rådgivare på aktiemarknaderna. När man utvecklar sådana modeller får man stor vikt vid utvärderingen och jämförelsen med andra arbetsmodeller. I papperet introduceras handelssystem för börser, vilket är utformat som en ram för utveckling och utvärdering av intelligenta beslutsfattande modeller. Referenser LeBaron, B. Flyttande genomsnittliga handelsregeringsresultat medför icke-linjäriteter i valutamarknaden Social Science Research, 143 (1992) Hellstrom, T. ASTA - ett verktyg för utveckling av Stock Prediction Algorithms. Theory of Stochastic Processe 5 (21), 2232 (1999) Google Scholar NASTradingSystem (Tillträde till 15 december 2005), Nastradingsystem Nenortaite, J. Simutis, R. Anpassning av partikelsvampoptimering till aktiemarknader. I: Intelligent Systems Design och Applications. 5: e internationella konferensen om intelligent systemdesign och applikation, s. 520525. IEEE, Los Alamitos (2005) Nenortaite, J. Simutis, R. Stocks Trading System Baserat på partikelsvamp optimeringsalgoritmen. I: Bubak, M. van Albada, G. D. Sloot, P. M.A. Dongarra, J. (eds.) ICCS 2004. LNCS, vol. 3039, sid. 843850. Springer, Heidelberg (2004) CrossRef Google Scholar Trading för vinster (Accessed 15 december 2005), tradingforprofits UltraTradingSystem (Accessed 15 December 2005), Ultratradingsystem WinnerStockPicks (Daily Trading System) , Winnerstockpicks Information om upphovsrätt Springer-Verlag Berlin Heidelberg 2006 Författare och anslutningar Jovita Nenortait 1 Alminas ivilis 2 1. Kaunas Humanistiska fakulteten, Institutionen för datavetenskap Vilniusuniversitetet Kaunas Litauen 2. Fakulteten för matematik och informatik Vilnius universitet Vilnius Litauen Om denna tidningStock Trading System: Ram för utveckling och utvärdering av aktiehandelstrategier Citera detta dokument som: Nenortait J. ivilis A. (2006) Aktiehandelssystem: Ram för utveckling och utvärdering av aktiehandelstrategier. I: Alexandrov V. N. Van Albada G. D. Sloot P. M.A. Dongarra J. (eds) Computational Science ICCS 2006. ICCS 2006. Föreläsningsanteckningar i datavetenskap, vol 3991. Springer, Berlin, Heidelberg Intelligenta börshandelsmodeller blir värdefulla rådgivare på aktiemarknaderna. När man utvecklar sådana modeller får man stor vikt vid utvärderingen och jämförelsen med andra arbetsmodeller. I papperet introduceras handelssystem för börser, vilket är utformat som en ram för utveckling och utvärdering av intelligenta beslutsfattande modeller. Referenser LeBaron, B. Flyttande genomsnittliga handelsregeringsresultat medför icke-linjäriteter i valutamarknaden Social Science Research, 143 (1992) Hellstrom, T. ASTA - ett verktyg för utveckling av Stock Prediction Algorithms. Theory of Stochastic Processe 5 (21), 2232 (1999) Google Scholar NASTradingSystem (Tillträde till 15 december 2005), Nastradingsystem Nenortaite, J. Simutis, R. Anpassning av partikelsvampoptimering till aktiemarknader. I: Intelligent Systems Design och Applications. 5: e internationella konferensen om intelligent systemdesign och applikation, s. 520525. IEEE, Los Alamitos (2005) Nenortaite, J. Simutis, R. Stocks Trading System Baserat på partikelsvamp optimeringsalgoritmen. I: Bubak, M. van Albada, G. D. Sloot, P. M.A. Dongarra, J. (eds.) ICCS 2004. LNCS, vol. 3039, sid. 843850. Springer, Heidelberg (2004) CrossRef Google Scholar Trading för vinster (Accessed 15 december 2005), tradingforprofits UltraTradingSystem (Accessed 15 December 2005), Ultratradingsystem WinnerStockPicks (Daily Trading System) , Winnerstockpicks Information om upphovsrätt Springer-Verlag Berlin Heidelberg 2006 Författare och anslutningar Jovita Nenortait 1 Alminas ivilis 2 1. Kaunas humanistiska fakultet, Institutionen för datavetenskap Vilnius universitet Kaunas Litauen 2. Fakulteten för matematik och informatik Vilnius universitet Vilnius Litauen Om detta dokument