Intelligent Trading Systeme Pdf

Stock Trading System: Rahmen für die Entwicklung und Bewertung von Stock Trading Strategies LeBaron, B. Do Moving Average Handels Regel Ergebnisse implizieren, Nichtlinearitäten in Foreign Exchange Markets Social Science Research, 143 (1992) Hellström, ASTA T. - ein Werkzeug für die Entwicklung von Aktien Prediction Algorithmen. Theorie der stochastischen Processe 5 (21), 2232 (1999) NASTradingSystem (Swing Trading System) (Abgerufen 15. Dezember 2005), nastradingsystem Nenortaite, J. Simutis, R. Adapting Particle Swarm Optimization Aktienmärkte. In: Intelligente Systeme Design und Anwendungen. IEEE, Los Alamitos (2005) Nenortaite, J. Simutis, R. Stocks Handelssystem basierend auf dem Particle Swarm Optimization Algorithm. In: Bubak, M. van Albada, G. D. Sloot, P. M.A. Dongarra, J. (Hrsg.) ICCS 2004. LNCS, vol. 3039, S.. 843850. Springer, Heidelberg (2004) CrossRef Handel für Gewinne (Abgerufen 15. Dezember 2005), tradingforprofits UltraTradingSystem (Abgerufen 15. Dezember 2005), ultratradingsystem WinnerStockPicks (Daily Trading System) (Abgerufen 15. Dezember 2005), winnerstockpicks Über dieses Kapitel Titel Stock Trading System: Rahmen für die Entwicklung und Bewertung von Aktienhandel Strategien Buch Titel Computational Science ICCS 2006 Buch Untertitel 6. Internationale Konferenz, Lesen, Großbritannien, Mai 28-31, 2006, Proceedings, Teil I Seiten pp 1034-1037 Copyright 2006 DOI 10,100711758501166 Print ISBN 978-3-540-34379-0 Online ISBN 978-3-540-34380-6 Serientitel Lecture Notes in Computer Science Series Volume 3991 Series ISSN 0302-9743 Verlag Springer Berlin Heidelberg Rechteinhaber Springer-Verlag Berlin Heidelberg Weitere Links zu diesem Buch Themen Theorie der Berechnung Software EngineeringProgramming und Betriebssysteme Numerische Computing Informationssysteme und Kommunikations Service Computer Imaging, Vision, Mustererkennung und Grafik-Simulation und Modellierung Branchen Werkstoffe amp Stahl für Luft - und Raumfahrt Automotive Konsumgüter eBook-Pakete Computer Science Editors Vassil N. Alexandrow (16) Geert Dick van Albada (17) Peter MA Sloot (18) Jack Dongarra (19) Editor Affiliations 16. Advanced Computing and Emerging Technologies Center, The School of Systems Engineering, University of Reading 17. Fakultät für Mathematik und Informatik, Universität Amsterdam 18. Fakultät für Naturwissenschaften, Sektion für Computerwissenschaften, Universität Amsterdam 19. Institut für Informatik, Universität Tennessee Autoren Jovita Nenortait (20) Alminas ivilis (21) Federführende Organisationen 20. Kaunas Fakultät für Geisteswissenschaften, Abteilung Informatik, Vilnius Universität, Muitines 8, 44280, Kaunas, Litauen 21. Die Fakultät für Mathematik und Informatik, Universität Vilnius, Naugarduko 24, 03225, Vilnius, Litauen Lesen Sie weiter. Um den Rest dieses Inhalts zu sehen, folgen Sie bitte der Download-PDF-Link oben. Intelligent Aktienhandelssystem mit Preisentwicklung Vorhersage und Umkehrung Erkennung mit Dual-Modul neuronale Netze Zitieren Sie diesen Artikel als: Jang, GS. Lai, F. Jiang, BW. Et al. Appl Intell (1993) 3: 225. doi: 10.1007BF00871939 Dieser Artikel präsentiert ein intelligentes Aktienhandelssystem, das zeitnah Aktienhandelsvorschläge nach der Vorhersage von kurzfristigen Trends der Preisentwicklung mit Dual-Modul neuronale Netze (Dual-Net) . Als unabhängige Variablen für die neuronale Modellierung werden retrospektive technische Indikatoren aus Rohpreis - und Volumen-Zeitreihen-Daten aus dem Markt verwendet. Beide neuronalen Netzwerkmodule des dualen Netzes erlernen die Korrelation zwischen den Tendenzen der Preisbewegung und den retrospektiven technischen Indikatoren mit Hilfe eines modifizierten Back-Propagation-Lernalgorithmus. Zur Verstärkung der temporären Korrelation zwischen den neuronalen Gewichten und den Trainingsmustern werden duale Module von neuronalen Netzen jeweils auf einem kurzfristigen und einem langfristigen bewegten Fenster von Trainingsmustern trainiert. Ein adaptiver Umkehrerkennungsmechanismus, der Schwellenwerte für die Identifizierung des Zeitpunkts für den Kauf oder Verkauf von Beständen anpassen kann, wurde ebenfalls in unserem System entwickelt. Es wird gezeigt, dass die vorgeschlagene Dualnetzarchitektur besser als ein einzelnes neuronales Netzwerk verallgemeinert. Entsprechend den Merkmalen der annehmbaren Rendite und der gleichbleibenden Qualität der in der Leistungsbewertung aufgezeigten Handlungsvorschläge kann ein intelligentes Aktienhandelssystem mit Preistrendvorhersage und Umkehrerkennung unter Verwendung der vorgeschlagenen neuronalen Netze mit zwei Modulen realisiert werden. Neuronale Netze Vorhersage Aktienhandel Referenzen J. Felsen, Learning Muster Anerkennung Techniken an der Börse Prognose, IEEE Trans. Systemen Man Cybernet. . Vol. SMC-5, Nr. 6, S. 583594, 1975. Google Scholar J. F. Elder, IV und M. T. Finn, Schaffung optimal komplexer Modelle für die Prognose, Financial Analysts J.. S. 7379, JanuarFebruar 1991. D. D. Hawley, J. D. Johnson, und D. Raina, Künstliche neuronale Systeme: Ein neues Instrument für die finanzielle Entscheidungsfindung, Financial Analysts J.. S. 6372. NovemberDezember 1990. E. Schoneburg, Aktienkursvorhersage mit neuronalen Netzen: Ein Projektbericht, Neurocomputing. Vol. Google Scholar T. Kimoto, K. Asakawa, M. Yoda und M. Takeoka, Börsenvorhersagesystem mit modularen neuronalen Netzwerken, Proc. IEEE Int. Gemeinsames Conf. Neuronale Netze . 1990, S. 16, F. S. Wong, Zeitreihen-Prognose mit Back-Propagation Neuronale Netze, Neurocomputing. Vol. 2, S. 147159, 1991. Google Scholar G. S. Jang, F. Lai, B. W. Jiang und L. H. Chien, ein intelligentes Trendvorhersage - und Umkehrerkennungssystem mit Dual-Modul-neuronalen Netzwerken, Proc. Erste Int. Conf. Artif. Intell. Appl. Auf der Wall Street. New York, 1991, S. 4251. G. S. Jang, F. Lai, B. W. Jiang, C. C. Pan und L. H. Chien, ein intelligentes Portfolio-Management-System basierend auf kurzfristigen Trend-Vorhersage mit Dual-Modul neuronale Netze, Proc. Int. Conf. Artif. Neuronale Netze . Finnland, 1991, S. 447452. J. Utans und J. Moody, Auswahl der neuronalen Netzwerkarchitektur über das Vorhersagerisiko: Anwendung auf Unternehmensanleihen-Ratingvorhersage, Proc. Erste Int. Conf. Artif. Intell. Appl. Auf der Wall Street. New York, 1991, S. 3541. A. Guez, J. L. Eilbert und M. Kam, Neuronale Netzwerkarchitektur für die Steuerung, IEEE Control Syst. Mag. Vol. 8, Nr. 2, S. 2225, April 1988. Google Scholar R. P. Gorman und T. J. Sejnowski, Analyse von verborgenen Einheiten in einem geschichteten Netzwerk ausgebildet, um Sonar Ziele zu klassifizieren, Neuronale Netze. Vol. 1, Nr. 1, S. 7590, 1988. Google Scholar T. J. Sejnowski und C. R. Rosenberg, Parallele Netzwerke, die englischen Text aussprechen, Komplexes Syst. . Vol. 1, 1987, S. 145168. Google Scholar J. J. Murphy, Technische Analyse der Futures-Märkte, ein umfassender Leitfaden für Handelsmethoden und Anwendungen. New York Institut für Finanzen: New York, 1986. Google Scholar G. C. Spur, Handelsstrategien. Future Symposium International: Tucson, AZ, 1984. Google Scholar K. Hornik, M. Stinchcombe und H. White, Multilayer-Feedforward-Netzwerke sind universelle Approximatoren, Neuronale Netze. Vol. 2, S. 359366, 1989. CrossRef Google Scholar D. E. Rumelhart, J. L. McClelland, und die PDP-Forschungsgruppe, Parallel Distributed Processing Explorations in der Mikrostruktur der Kognition. Band I: Grundlagen. MIT Press: Cambridge, MA, 1986. Google Scholar S. C. Huang und Y. F. Huang, Lernalgorithmen für Perzeptronen mit Back-Propagation mit selektiven Updates, IEEE Control Syst. Mag. Vol. 10, Nr. 3, S. 5661, April 1990. Google Scholar G. Mani, Senkung der Varianz der Entscheidungen durch die Verwendung von künstlichen neuronalen Netzwerk-Portfolios, Neural Computation. Vol. 3, S. 484486, 1991. Google Scholar T. C. Lee, Strukturebenenanpassung für künstliche neuronale Netze. Kluwer Academic: Boston, 1991. Google Scholar D. E. Goldberg, Genetische Algorithmen in der Suche, Optimierung und Maschinelles Lernen. Addison-Wesley: Reading, MA, 1989. Google Scholar J. W. Wilder, Jr., Neue Konzepte in technischen Handelssystemen. Trendforschung: Greensboro, NC, 1978. Google Scholar Copyright Information Kluwer Academic Publishers 1993 Autoren und Zugehörigkeiten Gia-Shuh Jang 1 Feipei Lai 1 Bor-Wei Jiang 1 Tai-Ming Parng 1 Li-Hua Chien 2 1. Fakultät für Elektrotechnik und Institut für Informatik und Informationstechnik der National Taiwan University Taipei Taiwan, ROC 2. Capital Market Group China Development Corporation China Über diese articleStock Trading System: Rahmen für die Entwicklung und Bewertung von Stock Trading Strategies LeBaron, B. Do Moving Average Handels Regel Ergebnisse implizieren, Nichtlinearitäten In den Devisenmärkten Sozialwissenschaftliche Forschung, 143 (1992) Hellström, T. ASTA - ein Werkzeug für die Entwicklung von Stock Prediction Algorithmen. Theorie der stochastischen Processe 5 (21), 2232 (1999) NASTradingSystem (Swing Trading System) (Abgerufen 15. Dezember 2005), nastradingsystem Nenortaite, J. Simutis, R. Adapting Particle Swarm Optimization Aktienmärkte. In: Intelligente Systeme Design und Anwendungen. IEEE, Los Alamitos (2005) Nenortaite, J. Simutis, R. Stocks Handelssystem basierend auf dem Particle Swarm Optimization Algorithm. In: Bubak, M. van Albada, G. D. Sloot, P. M.A. Dongarra, J. (Hrsg.) ICCS 2004. LNCS, vol. 3039, S.. 843850. Springer, Heidelberg (2004) CrossRef Handel für Gewinne (Abgerufen 15. Dezember 2005), tradingforprofits UltraTradingSystem (Abgerufen 15. Dezember 2005), ultratradingsystem WinnerStockPicks (Daily Trading System) (Abgerufen 15. Dezember 2005), winnerstockpicks Über dieses Kapitel Titel Stock Trading System: Rahmen für die Entwicklung und Bewertung von Aktienhandel Strategien Buch Titel Computational Science ICCS 2006 Buch Untertitel 6. Internationale Konferenz, Lesen, Großbritannien, Mai 28-31, 2006, Proceedings, Teil I Seiten pp 1034-1037 Copyright 2006 DOI 10,100711758501166 Print ISBN 978-3-540-34379-0 Online ISBN 978-3-540-34380-6 Serientitel Lecture Notes in Computer Science Series Volume 3991 Series ISSN 0302-9743 Verlag Springer Berlin Heidelberg Rechteinhaber Springer-Verlag Berlin Heidelberg Weitere Links zu diesem Buch Themen Theorie der Berechnung Software EngineeringProgramming und Betriebssysteme Numerische Computing Informationssysteme und Kommunikations Service Computer Imaging, Vision, Mustererkennung und Grafik-Simulation und Modellierung Branchen Werkstoffe amp Stahl für Luft - und Raumfahrt Automotive Konsumgüter eBook-Pakete Computer Science Editors Vassil N. Alexandrov (16) Geert Dick van Albada (17) Peter MA Sloot (18) Jack Dongarra (19) Herausgeber Zugehörigkeit 16. Institut für Systemtechnik, Universität Reading 17. Institut für Mathematik und Mathematik Informatik, Universität Amsterdam 18. Fakultät für Naturwissenschaften, Sektion für Computerwissenschaften, Universität Amsterdam 19. Institut für Informatik, Universität Tennessee Autoren Jovita Nenortait (20) Alminas ivilis (21) Federführende Organisationen 20. Kaunas Fakultät für Geisteswissenschaften, Abteilung Informatik, Vilnius Universität, Muitines 8, 44280, Kaunas, Litauen 21. Die Fakultät für Mathematik und Informatik, Universität Vilnius, Naugarduko 24, 03225, Vilnius, Litauen Lesen Sie weiter. Um den Rest dieses Inhalts zu sehen, folgen Sie bitte dem Download-PDF-Link oben.