Päivänsisäistä Korkea-Taajuus Forex Kaupankäynnin , Jossa On Mukautuva Neuro Sumean Päättelyn Järjestelmät

Suurtaajuuskauppaa. Vaiollisia työkaluja on laajalti käytössä, jotta saataisiin massiiviset tiedot erilaisista taloudellisista tiedoista. Matematiikka, tilastot ja tietokoneet algoritmit eivät ole koskaan olleet niin tärkeitä historian taloudellisille toimijoille. Investointipankit kehittävät tasapainomalleja rahoitusvälineiden sijoitusrahastojen arvioimiseksi sovelletut aikasarjat niiden salkun riskien tunnistamiseksi ja hedge-rahastot toivovat markkinoiden signaalien ja tilastollisen arbitraasin poistamista meluisilta markkinatietoilta Määrällisen rahoituksen nousu viime vuosikymmenellä perustuu tietoteknisten tekniikoiden kehittämiseen, joka mahdollistaa suurien tietomäärien käsittelyn Koska enemmän tietoja on saatavana korkeammalla taajuudella, enemmän kvantitatiivisen rahoituksen tutkimuksia on siirtynyt rahoitusmarkkinoiden mikrorakenteisiin. Suurtaajuustiedot ovat tyypillinen esimerkki suurista tiedoista, joille on ominaista 3 V: n nopeus, lajike ja tilavuus. Lisäksi signaali-kohinasuhde Rahoitus-aikasarjassa on yleensä hyvin pieni ll Korkeataajuustietojen todennäköisyys altistuu äärimmäisille arvoille, hyppyille ja virheille kuin matalataajuiset. Erityiset tietojenkäsittelymenetelmät ja kvantitatiiviset mallit on suunniteltu tehokkaasti poimimaan tietoja taloudellisista tiedoista tehokkaasti. Tässä luvussa esitämme kvantitatiiviset datan analyysimenetelmät taloudessa Ensinnäkin tarkastelemme määrällisen rahoituksen kehitystä viimeisen vuosikymmenen aikana. Sitten keskustelemme suurtaajuustietojen ominaisuuksista ja sen asettamista haasteista. Määrällinen tietojen analysointi koostuu kahdesta perusvaiheesta. i tietojen puhdistus ja aggregointi. ii. Tietomallinnus. Tarkastelemme matematiikkaa työkalut ja laskentateknologiat kahden vaiheen taakse. Raaka-aineista saatuja arvokkaita tietoja edustaa tilastoryhmä. Rahoituksen laajimmin käytetyt tilastot ovat odotetun tuoton ja volatiliteetin, jotka ovat nykyaikaisen salkun teorian perusteet. Lisäksi esitämme yksinkertaisen portfolio-optimoinnin Strategioita esimerkkinä taloudellisten tietojen analysoinnin soveltaminen Suuret tiedot ovat jo muuttaneet rahoitusalan perusteellisesti, kun taas määrälliset välineet massiivisen taloudellisen tiedon käsittelemiseksi ovat vielä pitkä matka. Edistyneiden tilastojen, tietojenkäsittelyn, konekielisen oppimisen ja nopeamman laskennan algoritmin hyväksyminen on väistämätöntä monimutkaisten Rahoitusmarkkinat Näitä aiheita käsitellään lyhyesti tämän luvun myöhemmässä osassa. HUOMAUTUS Videokuvan pitäisi olla uudelleenkäsitettävä. Kiinteäpisteprosessiin perustuva intensiteettipurske määritellään lyhyeksi ajaksi, jonka aikana lukumäärät ovat suurempia kuin tyypillinen laskentataajuus Se voi merkitä paikallista epätahdistumista tai ulkoisen häiriöiden esiintymistä järjestelmään Tässä artikkelissa ehdotetaan uutta menettelytapaa, jolla havaitaan voimakkuuden purskeita Hawkesin prosessikehyksessä Käyttämällä mallivalintasuunnitelmaa osoitamme, että menettelymme voidaan tehdä Jota käytetään havaitsemaan intensiteettipurskeet, kun sekä niiden esiintymisaika että niiden kokonaismäärä i s unknown Lisäksi purskeen alkamisaika voidaan määrittää täsmällisesti tyypillisen tapahtumajakson aikana. Soveltamme metodologiaamme valuuttakurssien keskiarvon muutokseen, mikä osoittaa, että nämä purskeet ovat usein ja että vain suhteellisen pieni osa Liittyy uutisten saapumiseen Olemme osoittaneet lyijy-suhteita voimakkuuden puhkeamisen tapahtuessa eri valuuttakursseilla ja keskustelemme heidän suhteestaan ​​hintahyppyihin. Keskiviikkona korkeataajuinen FX-kauppa, jossa on adaptiivisia neuro-fuzzy-määrittelyjärjestelmiä. Abdalla Kablan ja Wing Lon Ng. Abstract Tässä asiakirjassa esitellään adaptiivinen neuro-fuzzy-päättelyjärjestelmä ANFIS taloudelliselle kaupankäynnille, joka oppii ennustamaan hintatietoja harjoittelustiedoista, jotka koostuvat päivänsisäisestä ristiinformaatiosta, jota näytteistettiin korkealla taajuudella. Tutkimuksessamme käytettyjä empiirisiä tietoja ovat viiden minuutin pituiset keskikurssi-aikasarjat FX-markkinat ANFIS-optimointiin liittyy takaisinkytkentä sekä vaihtelevien aikakausien määrä ja yhdistetään uuteen volatiliteetin capture-menetelmään u laulaa tapahtumavetoinen lähestymistapa, jossa otetaan huomioon suunnatut muutokset ennalta määrätyissä kynnysarvoissa Tulokset osoittavat, että ehdotettu malli ylittää tavanomaiset strategiat, kuten buy-and-hold - tai lineaariset ennusteet. Ulkoisen linkin tekstin html-tiedostojen lataaminen Täysi tekstin käyttö on rajoitettu Tilaajille. Liitetyt työt Tämä tuote voi olla saatavana muualla EconPapers-palvelussa. Etsi samaan nimikkeeseen kuuluvia esineitä. Lähdeviittaus BibTeX RIS EndNote, ProCite, RefMan HTML-teksti. Lisää artikkeleita Inderscience Enterprises Ltd: n kansainväliseltä journalismilta ja johdannaisilta. Darren Simpson. Tämä sivusto on osa RePEc: tä ja kaikki tässä esitetyt tiedot ovat osa RePEc-tietojoukkoa. Työnne puuttuu RePEc: ltä Tässä on, miten osallistua. Kysymykset tai ongelmat Tarkista EconPapersin usein kysytyt kysymykset tai lähetä sähköpostia osoitteeseen. Päivänsisäisen kaupankäynnin dynaamisesti optimoidut korkeataajuiset liikkuvat keskipitkän strategiat. Tämä asiakirja on motivoitunut epävarmuuden näkökulmasta cision-päätöksenteko ja miten keinotekoista älykkyyttä ja pehmeää tietojenkäsittelyä ja sen epävarmuutta vähentäviä näkökohtia voidaan käyttää algoritmisia kaupankäyntijasovelluksia varten, jotka käyttävät suurtaajuista kaupankäyntiä Tässä artikkelissa on optimoitu korkeataajuuskauppajärjestelmä, joka on yhdistetty erilaisiin liikkuviin keskiarvoihin hybridijärjestelmän tuottamiseksi joka ylittää kaupankäyntijärjestelmät, jotka perustuvat pelkästään liikkuviin keskiarvoihin. Paperi optimoi adaptiivisen neuro-fuzzy-määritysjärjestelmän, joka ottaa sekä hinnan että sen liukuvan keskiarvon tulona, ​​oppii ennakoimaan hintadataa päivänsisäisestä datasta koostuvasta koulutustiedosta, dynaamisesti vaihtaa parhaiden Suorittamaan liikkuvia keskiarvoja ja tekemään päätöksentekoa siitä, milloin tietyn valuutan osto tai myynti on korkea taajuus. 1 Kablan 2009 Fuzzy Logic Momentum - analyysijärjestelmä rahoitusvälityksen suhteen, kansainvälisen rahoitusteorian ja konetekniikan konferenssit IEEEXplore, Vol. 1, s. 57-62 ISBN 978-0-7695-3949-2 2 A Kablan 2009 Adaptive Neuro Fuzzy Korkean taajuuden kaupankäynnin ja ennustamisen järjestelmät, kolmannen kansainvälisen korkeakoulututkimuksen ja sovellusten tietotekniikan konferenssit IEEEXplore, Vol. 1, s. 105-110 ISBN 978-0-7695-3829-7 3 A Kablan, WL Ng, 2010, Korkean taajuuden kaupankäynnin strategia Hilbert Transformin verkkoyhteistyön ja edistyneen tiedonhallinnan kansainvälinen konferenssi 1, s. 466 - 471 ISBN 978-89-88678-26-8 4 A Kablan, WL Ng, 2010, Momentum-analyysi, IAENG 2010: n kansainvälisen rahoitustekniikan konferenssi ICFE, London Vol. 1, s. 352-357 ISBN 978-988-17012-9-9 5 A Kablan, WL Ng, 2011, korkea-taajuusjärjestys, Logiikka ja Fu Zzy Inference, IAENG International Journal of Computer Science, erikoisnumero 6 A Kablan, WL Ng, 2011, päivänsisäinen korkean taajuuden valuuttakauppa, Adaptive Neuro-Fuzzy Inference Systems, International Journal of Financial Markets ja Johdannaiset 7 Kablan Adaptive Neuro Fuzzy Inference Systems korkean tason tietotekniikan ja sovellusten tietämyksen kolmannen kansainvälisen konferenssin kolmannen kansainvälisen konferenssin korkean tason kaupankäynnin ja ennusteiden laatimisessa 8 Banik, S et al 2007, Dhaka Pörssiindeksin kaaottisen käyttäytymisen mallintaminen käyttäen neuro-fuzzy-mallia, 10. kansainvälinen konferenssi Tietojenkäsittely - ja tietotekniikka 9 C Tseng, Y Lin Taloustieteiden tietotekniikan laskentayhdistys yhteiskunta Taloustieteiden tietojenkäsittelytieteen laitos ei 42 2005 10 Chang, SSL 1977 Sumean setteorian soveltaminen talouteen Kybernetes 6, s. 203-207 11 Dacarogna, M et al 2001, Johdatus suurtaajuusrahoitukseen, Academic Press 12 Dormale, AV 1997 Raha, Macmillan Press, Lontoo 13 E Boehmer 2005 Suorituskyvyn mitat Viimeaikaiset todisteet Yhdysvaltain osakemarkkinoista Journal of Financial Economics 78, 553-582, 2005 14 EF Fama 1970 Tehokas pääomamarkkinat Teorian ja empiirisen työn katsaus Journal of Finance, sivut 383-417, 15. toukokuuta Grabbe, JO 1996 Kansainväliset rahoitusmarkkinat, Englewood Hills, Prentice Hall Inc 16 JC Bezdek, R Krisnapuram, NR Pal 1999 Sumea mallit ja algoritmit kuvien tunnistusta ja kuvankäsittelyä varten Springer 17 JM Griffin, F Nardari, R Stulz Osakemarkkinat ja markkinaolosuhteet NBER, Working Paper 10719, 1-48 2004 18 Kablan, A, WL Ng, 2011 High Frequency Trading käyttäen Fuzzy Momentum - analyysiä, Springer Engineering Letters, Lontoo 19 Li, Y Musilek, P ja Wyard-Scott, L Fuzzy-logiikka agenttipohjaisessa pelisuunnittelussa Fuzzy Information Processing 2004: n vuotuinen kokous, vol 2, s. 734-739, 2004 20 Lootsma, FA 1997 Sumea logiikka suunnitteluun ja päätöksentekoon Springer 21 M Fedrizzi, W Ostasiewicz 1993 P. 259-268, 22 Ormerod, P 2000 Butterfly economics Uusi yleinen sosiaalisen ja taloudellisen käyttäytymisen teoria Pantheon, New York 23 Q - laulu, BS Chissom Ennustaminen ilmoittautumisten kanssa Fuzzy time-series Osa II Fuzzy Sets and Systems 62, s. 1-8, 1994 24 Roger Jang, JS ANFIS Adaptivoiva verkko-pohjainen sumea päätemenetelmä, IEEE Transactions on Systems, Man and Cybernetics, 23 3 1993 665-685 25 S Chabaa ja A Zeroualin ennustetaan pakettilähetysdatan IP-verkkojen kautta Adaptive Neuro-Fuzzy - määritysjärjestelmien käyttäminen Journal of Computer Science Vol. 5, 2, s. 123-130, 2009 26 Schulmeister, S, 2009, Yleinen taloudellinen transaktiovero Lyhyt leikkaus ammattilaisista, Haastattelu ja ehdotus, WIFO-valmisteluasiakirja N: o 344 27 T Hellstrm ja K Holmstrom Varastomarkkinoiden ennustaminen Tekninen raportti Ima-TOM-1997-07, matemaattisen mallinnuksen keskus, matematiikan ja fysiikan laitos, Malardalenin yliopisto, Vasteras, Ruotsi, Elokuu 1998 28 TT akagi ja M Sugeno Järjestelmien sumea tunnistaminen ja sen soveltaminen mallinnukseen ja hallintaan, IEEE Transactions Systems, Man and Cybernetics, Vol. 15, s. 116-132, 1985 29 Takagi T ja Sugeno, M Järjestelmien sumea tunnistaminen ja sen soveltaminen mallinnukseen Ja WB Miller, BL, W, Miller, BL, W. Miller, BL Peasnell, KV 2011 Sijoittajat ymmärtävät todella likainen ylijäämä Tilinpäätöksen katsaus, 86 1, 237-258 32 Yoon, Y Guimaraes, T ja Swales, G Integroivat neuroverkkoja sääntöihin perustuvien asiantuntijajärjestelmien kanssa, päätöksentekijärjestelmät, 1994 1994 497-507 33 Zadeh, L Fuzzy sets Informaatio ja ohjaus, vol 8, s. 338-353, 1965 34 Zadeh, LA Fuzzy sets, Information Control, 8 1965 338-353.