Predicting the direction and movement of stock index prices is difficult, often leading to excessive trading, transaction costs, and missed opportunities. Often traders need a systematic method to not only spot trading opportunities, but to also provide a consistent approach, thereby minimizing trading errors and costs. While mechanical trading systems exist, they are usually designed for a specific stock, stock index, or other financial asset, and are often highly dependent on preselected inputs and model parameters that are expected to continue providing trading information well after the initial training or back-tested model development period. The following research leads to a detailed trading model that provides a more effective and intelligent way for recognizing trading signals and assisting investors with trading decisions by utilizing a system that adapts both the inputs and the prediction model based on the desired output. To illustrate the adaptive approach, multiple inputs and modeling techniques are utilized, including neural networks, particle swarm optimization, and denoising. Simulations with stock indexes illustrate how traders can generate higher returns using the developed adaptive decision support system model. The benefits of adding adaptive and intelligent decision making to forecasts are also discussed.
주식 거래에서 이익을 얻기 위해 시장의 행동을 예측하는 것은 결코 쉬운 일이 아닙니다. 이러한 작업은 투자자가 사용할 수 있는 자금이 많지 않아 이 복잡한 시스템에 어떤 식으로든 영향을 미칠 수 없을 때 더욱 어려워집니다. 기계 학습 패러다임은 이미 재무 예측에 적용되었지만 일반적으로 투자자의 예산 규모에 대한 제한은 없습니다. 이 논문에서 우리는 제한된 예산 관리를 위한 진화적 포트폴리오 옵티마이저를 분석하고, 프레임워크의 각 부분을 분석하고, 문제와 최종 선택으로 이어진 동기에 대해 자세히 논의합니다. 예상 수익은 과거 시장 데이터에 대해 훈련된 인공 신경망에 의존하여 모델링되며, 포트폴리오 구성은 다중 목표 제약 문제에 대한 솔루션을 근사화하여 선택됩니다. 투자 시뮬레이터는 결국 포트폴리오 성과를 측정하는 데 사용됩니다. 제안된 접근 방식은 2011년 6월부터 2014년 5월까지의 데이터를 활용하여 프레임워크를 훈련하고 2014년 6월부터 2015년 7월까지의 데이터를 활용하여 이를 검증하는 뉴욕, 밀라노, 파리 증권 거래소의 실제 데이터에서 테스트되었습니다. 실험 결과는 제시된 도구가 고려된 기간 동안 만족스러운 이익 이상을 얻을 수 있음을 보여줍니다.
The Foreign Exchange Market is the biggest and one of the most liquid markets in the world. This market has always been one of the most challenging markets as far as short term prediction is concerned. Due to the chaotic, noisy, and non-stationary nature of the data, the majority of the research has been focused on daily, weekly, or even monthly prediction. The literature review revealed that there is a gap for intra-day market prediction. Identifying this gap, this paper introduces a prediction and decision making model based on Artificial Neural Networks (ANN) and Genetic Algorithms. The dataset utilized for this research comprises of 70 weeks of past currency rates of the 3 most traded currency pairs: GBP\USD, EUR\GBP, and EUR\USD. The initial statistical tests confirmed with a significance of more than 95% that the daily FOREX currency rates time series are not randomly distributed. Another important result is that the proposed model achieved 72.5% prediction accuracy. Furthermore, implementing the optimal trading strategy, this model produced 23.3% Annualized Net Return. (c) 2013 Elsevier Ltd. All rights reserved.
저는 metatrader4에 대한 신경망 지표를 만들려고 노력하고 있으며 대부분 네트의 입력과 출력, 그리고 아마도 이 애플리케이션에 가장 적합하다고 생각하는 네트의 구조 또는 유형에 관한 몇 가지 제안을 원합니다.
금융 시리즈 예측을 위한 최상의 결과는 가격대 예측, 최고점 또는 최저점 예측, 그리고 그 팁입니다. 가격(시가, 종가)을 직접 예측하는 것은 여러 가지 이유로 좋은 결과를 얻지 못합니다. 예를 들어 개장 시간 과 마감 시간 사이의 시간이 약간 변하면 값이 크게 바뀔 수 있습니다.
누구든지 sugestion이 있으면 기꺼이 듣고 시도해 보겠습니다.
그건 그렇고, 나는 전문 신경망 프로그래머가 아니며 주제 =P에 대한 전반적인 아이디어가 있습니다.
The Foreign Exchange Market is the biggest and one of the most liquid markets in the world. This market has always been one of the most challenging markets as far as short term prediction is concerned. Due to the chaotic, noisy, and non-stationary nature of the data, the majority of the research has been focused on daily, weekly, or even monthly prediction. The literature review revealed that there is a gap for intra-day market prediction. Identifying this gap, this paper introduces a prediction and decision making model based on Artificial Neural Networks (ANN) and Genetic Algorithms. The dataset utilized for this research comprises of 70 weeks of past currency rates of the 3 most traded currency pairs: GBP\USD, EUR\GBP, and EUR\USD. The initial statistical tests confirmed with a significance of more than 95% that the daily FOREX currency rates time series are not randomly distributed. Another important result is that the proposed model achieved 72.5% prediction accuracy. Furthermore, implementing the optimal trading strategy, this model produced 23.3% Annualized Net Return.
이 논문은 장단기 예측을 개선하기 위해 스페인 Ibex-35 주가 지수 수익률에 대한 일일 수익률의 비선형 행동을 이용하는 것이 가능한지 여부를 연구합니다. 이러한 의미에서 우리는 STAR(Smooth transition autoregression) 모델과 인공 신경망(ANN)의 샘플 외 예측 성능을 조사합니다. 우리는 1단계(재귀 및 비재귀 회귀를 사용하여 얻음)와 다단계 예측 방법을 사용합니다. 예측은 통계 및 경제적 기준으로 평가됩니다. 통계적 기준에서는 예측치의 우수성과 다양한 검증 방법을 이용하여 표본외 예측값을 비교하였다. 결과는 ANN이 랜덤 워크 모델을 지속적으로 능가하며 이에 대한 증거가 약하지만 일부 예측 기간 및 예측 방법에 대해 선형 AR 모델 및 STAR 모델보다 더 나은 예측을 제공함을 나타냅니다. 경제적 기준 측면에서 우리는 거래 비용이 거래 전략 이익에 미치는 영향을 포함하여 단순 거래 전략에서 상대적 예측 성과를 평가합니다. 결과는 한 단계 앞선 예측을 사용하여 평균 순수익 및 Sharpe 위험 조정 비율 측면에서 ANN 모델에 더 적합함을 나타냅니다. 이러한 결과는 한 단계 앞서가는 예측 변수와 비선형 모델을 사용하여 일일 주가 지수 수익률에 대한 보다 정확한 적합성과 예측을 얻을 수 있는 좋은 기회가 있지만 본질적으로 복잡하고 경제적인 해석이 어렵다는 것을 보여줍니다.
우리는 웹에 게시된 기사에 포함된 정보를 사용하여 주식 시장을 예측합니다. 주요 및 가장 영향력 있는 금융 신문에 나오는 대부분의 텍스트 기사를 입력으로 사용합니다. 이 기사에서 아시아, 유럽 및 미국의 주요 주식 시장 지수의 일일 종가가 예측됩니다. 텍스트 설명에는 효과(예: 주가 하락)뿐만 아니라 이벤트의 가능한 원인(예: 달러 약세로 인한 주가 하락 및 결과적으로 국채 약세)도 포함되어 있습니다. 따라서 텍스트 정보를 활용하면 입력의 품질이 향상됩니다. 예보는 홍콩 시간으로 매일 오전 7시 45분에 www.cs.ust.hk/~beat/Predict를 통해 실시간으로 볼 수 있습니다. 따라서 모든 예측은 주요 아시아 시장이 거래를 시작하기 전에 사용할 수 있습니다. 규칙 기반, k-NN 알고리즘 및 신경망과 같은 여러 기술이 예측을 생성하는 데 사용되었습니다. 이러한 기술은 서로 비교됩니다. 시스템에 기반한 거래 전략 ...
본 논문은 최근 몇 년간 중국 금융발전의 추세 배경과 추세선에 대한 통계적 분석을 바탕으로 BP 신경망 알고리즘과 피셔 선형 판별식을 통한 양적 거래 전략을 수립하였다. 첫째, 데이터는 동일한 길이의 추세선으로 선형 회귀하고 기울기를 퍼지화하여 상승 추세와 하락 추세의 행렬을 만듭니다. 그런 다음 BP Neural Network Algorithm과 Fisher Linear Discriminant를 사용하여 각각 가격 예측을 수행하고 거래 행동을 취하고 이에 따라 Shanghai 및 Shenzhen 300 주가 지수 선물을 예로 들어 백 테스트를 수행합니다. 결과는 첫째, 초기 가격 추세가 피팅에 의해 잘 유지됨을 보여줍니다. 둘째, Neural Network 및 Fisher Linear Discriminant의 훈련 최적화를 통해 거래 시스템의 수익성 및 위험 제어 능력을 향상시킵니다.
OpenNN (Open Neural Networks Library) is a software library written in the C++ programming language which implements neural networks, a main area of deep learning research..
OpenNN은 데이터 마이닝 방법을 함수 번들로 구현합니다. 이는 소프트웨어 도구와 예측 분석 작업 간의 상호 작용을 위해 API(응용 프로그래밍 인터페이스)를 사용하여 다른 소프트웨어 도구에 포함될 수 있습니다. 이와 관련하여 그래픽 사용자 인터페이스가 누락되었지만 일부 기능은 특정 시각화 도구의 통합을 지원할 수 있습니다.
OpenNN의 주요 장점은 고성능입니다. 이 라이브러리는 실행 속도와 메모리 할당 면에서 탁월합니다. 효율성을 극대화하기 위해 지속적으로 최적화되고 병렬화됩니다.
Predicting the direction and movement of stock index prices is difficult, often leading to excessive trading, transaction costs, and missed opportunities. Often traders need a systematic method to not only spot trading opportunities, but to also provide a consistent approach, thereby minimizing trading errors and costs. While mechanical trading systems exist, they are usually designed for a specific stock, stock index, or other financial asset, and are often highly dependent on preselected inputs and model parameters that are expected to continue providing trading information well after the initial training or back-tested model development period. The following research leads to a detailed trading model that provides a more effective and intelligent way for recognizing trading signals and assisting investors with trading decisions by utilizing a system that adapts both the inputs and the prediction model based on the desired output. To illustrate the adaptive approach, multiple inputs and modeling techniques are utilized, including neural networks, particle swarm optimization, and denoising. Simulations with stock indexes illustrate how traders can generate higher returns using the developed adaptive decision support system model. The benefits of adding adaptive and intelligent decision making to forecasts are also discussed.
The Foreign Exchange Market is the biggest and one of the most liquid markets in the world. This market has always been one of the most challenging markets as far as short term prediction is concerned. Due to the chaotic, noisy, and non-stationary nature of the data, the majority of the research has been focused on daily, weekly, or even monthly prediction. The literature review revealed that there is a gap for intra-day market prediction. Identifying this gap, this paper introduces a prediction and decision making model based on Artificial Neural Networks (ANN) and Genetic Algorithms. The dataset utilized for this research comprises of 70 weeks of past currency rates of the 3 most traded currency pairs: GBP\USD, EUR\GBP, and EUR\USD. The initial statistical tests confirmed with a significance of more than 95% that the daily FOREX currency rates time series are not randomly distributed. Another important result is that the proposed model achieved 72.5% prediction accuracy. Furthermore, implementing the optimal trading strategy, this model produced 23.3% Annualized Net Return. (c) 2013 Elsevier Ltd. All rights reserved.
신경망 지표 개발
안녕!
저는 metatrader4에 대한 신경망 지표를 만들려고 노력하고 있으며 대부분 네트의 입력과 출력, 그리고 아마도 이 애플리케이션에 가장 적합하다고 생각하는 네트의 구조 또는 유형에 관한 몇 가지 제안을 원합니다.
금융 시리즈 예측을 위한 최상의 결과는 가격대 예측, 최고점 또는 최저점 예측, 그리고 그 팁입니다. 가격(시가, 종가)을 직접 예측하는 것은 여러 가지 이유로 좋은 결과를 얻지 못합니다. 예를 들어 개장 시간 과 마감 시간 사이의 시간이 약간 변하면 값이 크게 바뀔 수 있습니다.
누구든지 sugestion이 있으면 기꺼이 듣고 시도해 보겠습니다.
그건 그렇고, 나는 전문 신경망 프로그래머가 아니며 주제 =P에 대한 전반적인 아이디어가 있습니다.
미리 감사드립니다.
JCC
The Foreign Exchange Market is the biggest and one of the most liquid markets in the world. This market has always been one of the most challenging markets as far as short term prediction is concerned. Due to the chaotic, noisy, and non-stationary nature of the data, the majority of the research has been focused on daily, weekly, or even monthly prediction. The literature review revealed that there is a gap for intra-day market prediction. Identifying this gap, this paper introduces a prediction and decision making model based on Artificial Neural Networks (ANN) and Genetic Algorithms. The dataset utilized for this research comprises of 70 weeks of past currency rates of the 3 most traded currency pairs: GBP\USD, EUR\GBP, and EUR\USD. The initial statistical tests confirmed with a significance of more than 95% that the daily FOREX currency rates time series are not randomly distributed. Another important result is that the proposed model achieved 72.5% prediction accuracy. Furthermore, implementing the optimal trading strategy, this model produced 23.3% Annualized Net Return.
OpenNN (Open Neural Networks Library) is a software library written in the C++ programming language which implements neural networks, a main area of deep learning research..
OpenNN은 데이터 마이닝 방법을 함수 번들로 구현합니다. 이는 소프트웨어 도구와 예측 분석 작업 간의 상호 작용을 위해 API(응용 프로그래밍 인터페이스)를 사용하여 다른 소프트웨어 도구에 포함될 수 있습니다. 이와 관련하여 그래픽 사용자 인터페이스가 누락되었지만 일부 기능은 특정 시각화 도구의 통합을 지원할 수 있습니다.
OpenNN의 주요 장점은 고성능입니다. 이 라이브러리는 실행 속도와 메모리 할당 면에서 탁월합니다. 효율성을 극대화하기 위해 지속적으로 최적화되고 병렬화됩니다.
신경망
신경망: 토론/개발 스레드
신경망: 지표 및 시스템 개발
신경망: EA
신경망: 책