Slideshare verwendet Cookies, um Funktionalität und Leistung zu verbessern und Ihnen relevante Werbung zu bieten. Wenn Sie fortfahren, die Website zu durchsuchen, stimmen Sie der Verwendung von Cookies auf dieser Website zu. Siehe unsere Benutzervereinbarung und Datenschutzbestimmungen. Slideshare verwendet Cookies, um Funktionalität und Leistung zu verbessern und Ihnen relevante Werbung zu bieten. Wenn Sie fortfahren, die Website zu durchsuchen, stimmen Sie der Verwendung von Cookies auf dieser Website zu. Siehe unsere Datenschutzrichtlinie und Benutzervereinbarung für Details. Entdecken Sie alle Ihre Lieblingsthemen in der SlideShare App Holen Sie sich die SlideShare App, um für Später zu speichern sogar offline Weiter zur mobilen Website Upload Anmelden Signup Doppel-tippen, um zu verkleinern Ein Projektbericht über Online-Handel Share this SlideShare LinkedIn Corporation copy 2016Piotr Lipinski. Universität Wroclaw, Wroclaw, Polen Jerzy Korczak. Universite Louis Pasteur, Strasbourg, Frankreich In diesem Papier wird eine neue Funktionalität der Frühwarnung für ein Online-Aktienhandelssystem vorgestellt. Die Warnfunktionalität hilft, die Aufmerksamkeit der Händler auf spezifische Situationen an der Börse zu lenken. Die spezifischen Situationen beziehen sich auf die seltenen Umstände, in denen ein Händler durch außergewöhnliche Erhöhungen oder Tropfen von Aktienkursen, Volatilitäten und Marktindexveränderungen alarmiert werden sollte. Gewöhnlich zwingen diese Warnungen einen Händler, eine Entscheidung zu treffen, um eine Aktie zu kaufen oder zu verkaufen. Um die Warnregeln und Ereignisse zu entdecken, wird ein evolutionbasiertes Modell vorgeschlagen. Dieses Modell stellt auch eine neue Funktion vor, die das experimentelle Wissen speichert, indem es alle historischen Alert-Ereignisse verfolgt - Lösungen und Handlungen eines Traders. Dieses Modell besteht aus den drei folgenden Komponenten, die miteinander verknüpft sind: Alert Rules, Pattern Clustering und Genetic Engine. Dieser Ansatz wurde auf realen Daten aus dem Internet Bourse Expert System und Paris Stock Exchange extrahiert getestet. Piotr Lipinski, Jerzy Korczak, Frühwarnung in On-line Aktienhandelssystemen,. Vol. 00, Nr. Pp. 538-545, 2005, doi: 10.1109 / ISDA.2005.42Intelligent Aktienhandelssystem basierend auf verbesserte technische Analyse und Echo State Network Xiaowei Lin Zehong Yang. Yixu Song State Key Laboratorium für intelligente Technologie und System, Tsinghua National Labor für Informationswissenschaft und Technologie, Abteilung für Informatik und Technologie, Tsinghua Universität, Peking 100084, China Verfügbar online 11. März 2011. Aktienhandelssystem zur Unterstützung der Entscheidungsfindung ist ein Und hat große kommerzielle Potenziale. Erfolgreiche Handelsgeschäfte sollten in der Nähe der Umkehrpunkte der Preisentwicklung stattfinden. Die traditionelle technische Analyse, die in der Regel als verschiedene Handelsregeln erscheint, zielt auf die Suche nach Spitzen und Böden der Trends und ist weit verbreitet in Aktienmarkt. Leider ist es nicht praktisch, die technische Analyse direkt anzuwenden, da es darauf ankommt, dass die Teilnehmer entsprechende Regeln für die individuelle Aktie auswählen. In diesem Papier, verbessern wir die konventionelle technische Analyse mit genetischen Algorithmen durch das Lernen von Handelsregeln aus der Geschichte für einzelne Lager und kombinieren Sie dann verschiedene Regeln zusammen mit Echo State Network, um Handel Vorschläge. Zahlreiche Experimente an SampP 500-Komponenten zeigen, dass unser System im Bullen - oder Bärenmarkt die Buy-and-Hold-Strategie deutlich übertrifft. Gerade im Bärenmarkt, wo der SampP 500 Index stark zurückgeht, profitiert unser System immer noch. Highlights Verbesserung der technischen Analyse durch GA und Integration in ESN. Aktienhandelssystem Technische Analyse Genetischer Algorithmus Echo State Network Abb. Fig. Fig. Fig. Fig. Fig. Fig. Fig. Fig. Fig. Tabelle 1. Fig. Fig. 12. Entsprechender Autor. Tel. 86 10 62796828 Fax: 86 10 62782266. Copyright 2011 Elsevier Ltd. Alle Rechte vorbehalten.
No comments:
Post a Comment