Intraday-Hochfrequenz-FX-Handel mit adaptiven Neuro-Fuzzy-Inferenz-Systemen Dieses Papier stellt ein adaptives Neuro-Fuzzy-Inferenzsystem (ANFIS) für den Finanzhandel vor, das die Preisbewegungen von Trainingsdaten, bestehend aus Intraday-Tick-Daten, die mit hoher Frequenz abgetastet werden, Die empirischen Daten, die in unserer Untersuchung verwendet werden, sind fünfminütige Mittelpreis-Zeitreihen von den Devisenmärkten. Die ANFIS-Optimierung beinhaltet das Backtesting sowie die Variation der Anzahl der Epochen und wird mit einer neuen Methode zur Erfassung von Volatilität unter Verwendung eines ereignisgesteuerten Ansatzes kombiniert, der Richtungsänderungen innerhalb vorgegebener Schwellen berücksichtigt. Die Ergebnisse zeigen, dass das vorgeschlagene Modell die Standardstrategien wie Buy-and-Hold oder lineare Prognose übertrifft. Wenn Sie Probleme beim Herunterladen einer Datei haben, überprüfen Sie, ob Sie die richtige Anwendung haben, um sie zuerst anzuzeigen. Bei weiteren Problemen lesen Sie die IDEAS-Hilfeseite. Beachten Sie, dass diese Dateien nicht auf der IDEAS-Website sind. Bitte sei geduldig, da die Dateien groß sein können. Da der Zugriff auf dieses Dokument eingeschränkt ist, können Sie nach einer anderen Version unter Related research (weiter unten) suchen oder nach einer anderen Version suchen. Wenn Sie eine Korrektur anfordern, bitte erwähnen Sie diese Elemente Handle: RePEc: ids: ijfmkd: v: 2: y: 2011: i: 12: p: 68-87. Siehe allgemeine Informationen zur Korrektur von Material in RePEc. Für technische Fragen zu diesem Artikel, oder um seine Autoren, Titel, Abstract, bibliographischen oder Download-Informationen zu korrigieren, kontaktieren Sie: (Darren Simpson) Wenn Sie diesen Artikel verfasst haben und noch nicht bei RePEc registriert sind, empfehlen wir Ihnen, dies zu tun. Dies ermöglicht es, Ihr Profil mit diesem Element zu verknüpfen. Es erlaubt Ihnen auch, potenzielle Zitate zu diesem Artikel zu akzeptieren, dass wir unsicher sind. Wenn Referenzen ganz fehlen, können Sie sie mit diesem Formular hinzufügen. Wenn die vollständigen Referenzen ein Element auflisten, das in RePEc vorhanden ist, aber das System nicht mit ihm verknüpft ist, können Sie mit diesem Formular helfen. Wenn Sie von fehlenden Gegenständen wissen, die dieses zitieren, können Sie uns helfen, diese Links zu erstellen, indem wir die relevanten Referenzen in der gleichen Weise wie oben für jedes verweisende Element hinzufügen. Wenn Sie ein registrierter Autor dieses Artikels sind, können Sie auch die Registerkarte Zitate in Ihrem Profil überprüfen, da es einige Zitate gibt, die auf Bestätigung warten. Bitte beachten Sie, dass Korrekturen einige Wochen dauern können, um durch die verschiedenen RePEc-Dienste zu filtern. Weitere Dienstleistungen Folge-Serie, Zeitschriften, Autoren amp mehr Neue Papiere per E-Mail Abonnieren Sie neue Ergänzungen zu RePEc Autorenregistrierung Öffentliche Profile für Wirtschaftsforscher Verschiedene Rankings der Forschung in der Wirtschaft amp verwandte Felder Wer war ein Student von wem, mit RePEc RePEc Biblio Kuratierte Artikel amp Papiere zu verschiedenen ökonomischen Themen Hochladen Sie Ihr Papier auf RePEc aufgeführt werden und IDEAS EconAcademics Blog Aggregator für Wirtschaftsforschung Plagiate Fälle von Plagiaten in Wirtschaftswissenschaften Job Market Papers RePEc Arbeitspapier Serie gewidmet, um den Job-Markt Fantasy League Vortäuschen Sie sind an der Spitze einer Wirtschaft Abteilung Dienstleistungen aus der StL Fed Daten, Forschung, Apps amp mehr aus der St. Louis FedDie Vorhersage der finanziellen Zeitreihen ist ein sehr komplizierter Prozess. Ein erster Blick auf die finanzielle Zeitreihe gibt den Eindruck, dass sie zufällig in der Natur sind. Wenn es wahr wäre, würde dies die Prognose und damit den Handel von solchen Serien außergewöhnlich schwierig machen. Die effiziente Markthypothese besagt, dass der aktuelle Preis alle verfügbaren Informationen auf dem Markt enthält. Dies führt zur Vorhersagbarkeit der meisten finanziellen Zeitreihen als eine eher umstrittene Frage. Experten haben seit Jahrzehnten die Finanzmärkte prognostiziert und gehandelt, indem sie ihr Wissen und ihre Kompetenz bei der Erkennung von Mustern und der Interpretation aktueller Finanzdaten nutzen. Dieses Papier erweitert das Adaptive Neuro-Fuzzy-Inferenz-System, um ein Expertensystem zu schaffen, das in der Lage ist, Fuzzy-Argumentation zu kombinieren, kombiniert mit der Mustererkennungsfähigkeit von neuronalen Netzwerken, die in der Finanzprognose und im Handel verwendet werden sollen. Die Neuheit des Ansatzes liegt in der Anwendung auf dem Gebiet der Hochfrequenzfinanzierung. Solch ein Ansatz wurde bisher nicht mit Hochfrequenzhandel oder als Teil einer automatisierten Handelsstrategie eingesetzt. Dies hat ein kompetentes Handelssystem hervorgebracht, das die physischen Einschränkungen von menschlichen Experten und Händlern überwindet, indem sie in extrem kurzen Zeitintervallen mehrere Entscheidungen treffen. Dies bedeutet, dass das System Vorhersagen und Handelsentscheidungen mit einer sehr hohen Frequenz durch Intra-Tage-Daten durchführen kann. Finanzielle Vorhersage, effiziente Markthypothese, Neuro-Fuzzy-Inferenz-System, Hochfrequenz-Handel Abdalla Kablan, Adaptive Neuro Fuzzy Inferenz-Systeme für High Frequency Financial Trading und Forecasting, Advanced Engineering Computing und Anwendungen in Wissenschaften, Internationale Konferenz auf. Vol 00, nein Pp. 105-110, 2009, doi: 10.1109ADVCOMP.2009.23Die Verwendung von dynamisch optimierten hochfrequenten bewegenden Mittelstrategien für den Intraday Trading Dieser Beitrag wird durch den Aspekt der Unsicherheit in der finanziellen Entscheidungsfindung und wie künstliche Intelligenz und Soft Computing motiviert Seine Unsicherheit reduzierende Aspekte können für algorithmische Handelsanwendungen verwendet werden, die in Hochfrequenz handeln. Dieses Papier präsentiert ein optimiertes Hochfrequenz-Handelssystem, das mit verschiedenen gleitenden Durchschnitten kombiniert wurde, um ein Hybrid-System zu produzieren, das Handelssysteme übertrifft, die sich ausschließlich auf bewegte Mittelwerte verlassen. Das Papier optimiert ein adaptives Neuro-Fuzzy-Inferenzsystem, das sowohl den Preis als auch seinen gleitenden Durchschnitt als Input bringt, lernt, Preisbewegungen von Trainingsdaten, die aus Intraday-Daten bestehen, vorherzusagen, dynamisch zwischen den leistungsstärksten Durchschnitten umzukehren und die Entscheidungsfindung von wann auszuführen Eine bestimmte Währung in hoher Frequenz zu kaufen oder zu verkaufen. 1 A. Kablan (2009). Ein Fuzzy Logic Momentum Analysis System für Finanz-Brokerage, Verfahren der Internationalen Konferenz über Finanztheorie und Engineering. IEEEXplore, Bd. 1, S. 57-62. ISBN: 978-0-7695-3949-2 2 A. Kablan (2009). Adaptive Neuro Fuzzy Systeme für Hochfrequenzhandel und Prognose, Verfahren der dritten internationalen Konferenz über Advanced Engineering Computing und Anwendungen in den Wissenschaften. IEEEXplore, Bd. 1, S. 105 - 110. ISBN: 978-0-7695-3829-7 3 A. Kablan, WL Ng, (2010), Hochfrequenzhandelsstrategie mit der Hilbert-Transformation, 6. Internationale Konferenz für Networked Computing und Advanced Informationsmanagement. Vol. 1, S. 466 - 471. ISBN: 978-89-88678-26-8 4 A. Kablan, WL Ng, (2010), Hochfrequenzhandel mit Fuzzy-Momentum-Analyse, Verfahren der IAENG 2010 International Conference of Financial Engineering ( ICFE), London. Vol. 1, S. 352-357. ISBN: 978-988-17012-9-9 5 A. Kablan, WL Ng, (2011), Hochfrequenz-Auftragsplanungsstrategien mit Fuzzy-Logik und Fuzzy-Inferenz, IAENG International Journal of Informatik , Sonderausgabe. 6 A. Kablan, W. L. Ng, (2011), Intraday High-Frequency Forex Trading mit Adaptiven Neuro-Fuzzy Inferenz-Systeme, Internationale Zeitschrift für Finanzmärkte und Derivate. 7 A. Kablan. Adaptive Neuro Fuzzy Inferenzsysteme für High Frequency Financial Trading und Prognose. Proceedings of the Dritte Internationale Konferenz über Advanced Engineering Computing und Anwendungen in den Wissenschaften. 2009. 8 Banik, S et. Al. (2007), Modellierung des chaotischen Verhaltens der Dhaka Stock Market Index Werte mit dem Neuro-Fuzzy-Modell, 10. Internationale Konferenz über Computer - und Informationstechnologie 9 C. Tseng, Y. Lin. Finanzielle Computational Intelligence. Gesellschaft für Computational Economics Informatik in Wirtschaft und Finanzen nein 42. 2005. 10 Chang, S. S. L (1977). Anwendung der Fuzzy-Set-Theorie auf die Ökonomie. Kybernetes 6, S. 203-207 11 Dacarogna, M. et al 2001, Eine Einführung in die Hochfrequenzfinanzierung, Akademische Presse 12 Dormale, AV (1997): Die Macht des Geldes, Macmillan Press, London 13 E. Boehmer (2005) Abmessungen der Ausführungsqualität: jüngste Hinweise auf US-Aktienmärkte. Journal of Financial Economics 78, 553-582, 2005. 14 E. F. Fama. (1970) Effiziente Kapitalmärkte: Eine Überprüfung der Theorie und der empirischen Arbeit. Journal of Finance, Seiten 383-417, 15. Mai Grabbe, J. O. (1996): Internationale Finanzmärkte, Englewood Hills, Prentice Hall Inc. 16 J. C. Bezdek, R. Krisnapuram, N. R. Pal. (1999). Fuzzy-Modelle und Algorithmen zur Mustererkennung und Bildverarbeitung. Springer 17 JM. Griffin, F. Nardari, R. Stulz. Börsenhandel und Marktbedingungen. NBER, Working Paper 10719, 1-48 2004. 18 Kablan, A, WL Ng, (2011 High Frequency Trading mit Fuzzy Momentum Analysis, Springer Engineering Letters, London 19 Li, Y. Musilek, P und Wyard-Scott, L. Fuzzy Logik in Agent-basierte Spieldesign. Jahrestagung der Fuzzy-Informationsverarbeitung 2004, Bd. 2, S. 734-739, 2004. 20 Lootsma, FA (1997) Fuzzy-Logik für Planung und Entscheidungsfindung Springer 21 M. Fedrizzi, W. Ostasiewicz (1993) Fuzzy-Modellierung in der Ökonomie Fuzzy-Sets und - Systeme, Band 54, Ausgabe 3, S. 259-268, 22 Ormerod, P. (2000) Schmetterlingsökonomie: Eine neue allgemeine Theorie des sozialen und wirtschaftlichen Verhaltens, Pantheon, New York 23 Q Lied, BS Chissom Vorhersage von Einschreibungen mit Fuzzy-Zeitreihen Teil II. Fuzzy Sets und Systeme 62, S. 1-8, 1994 24 Roger Jang, JS ANFIS: Adaptives Netzwerk-basiertes Fuzzy-Inferenzsystem, IEEE Transactions on Systems, Man Und Kybernetik, 23 (3) (1993) 665-685. 25 S. Chabaa und A. Zeroual Vorhersage von Paketübertragungsdaten über IP-Netzwerke mit Adaptiven Neuro-Fuzzy-Inferenzsystemen. Zeitschrift für Informatik Vol. 5 (2), S. 123-130, 2009. 26 Schulmeister, S, 2009, Eine allgemeine Finanztransaktionssteuer: Eine Abkürzung der Pros, der Nachteile und eines Vorschlags, WIFO Working Paper Nr. 344. 27 T. Hellstrm und K. Holmstrom Vorhersage der Börse. Technischer Bericht Ima-TOM-1997-07, Zentrum für Mathematische Modellierung, Institut für Mathematik und Physis, Malardalen Universität, Västeras, Schweden, August 1998. 28 T. Takagi und M. Sugeno. Fuzzy Identifikation von Systemen und deren Anwendung auf Modellierung und Steuerung, IEEE Transaktionen auf Systeme, Mensch und Kybernetik, Bd. 15, S. 116-132, 1985. 29 Takagi T. und Sugeno, M. Fuzzy Identifizierung von Systemen und deren Anwendung auf Modellierung und Kontrolle, IEEE Transaktionen auf Systeme, Mensch und Kybernetik, 15 (1985) 116-132. 30 Wilson, R. und Sharda, R. Insolvenzvorhersage mit neuronalen Netzen, Decision Support Systems, 11 (1994) 545-557. 31 Yeh, S. Landsmann, W. R. Miller, B. L. Peasnell, K. V. (2011). Haben die Anleger wirklich schmutzigen Überschuss. Die Buchführung, 86 (1), 237-258. 32 Yoon, Y. Guimaraes, T. und Swales, G. Integration von neuronalen Netzwerken mit regelbasierten Expertensystemen, Decision Support Systems, 11 (1994) 497-507. 33 Zadeh, L. Fuzzy setzt. Information und Kontrolle, vol. 8, S. 338-353, 1965. 34 Zadeh, L. A. Fuzzy-Sätze, Information Control, 8 (1965) 338-353.
No comments:
Post a Comment