البحث على اساس بسيط الحركة من المتوسط التداول النظام القائم على اساس svm

فعالية الجمع بين استخدام فيكس ودعم آلات المتجهات على التنبؤ سب 500. حدد هذا المقال كما روسيلو، R جينر، جب 500 مؤشر البيانات المقدمة تغطي الفترة بين 3 يناير 2000 و 30 ديسمبر 2011 يتم تنفيذ محاكاة التداول بحيث تستكمل الكفاءة الإحصائية بمقاييس الأداء الاقتصادي المدخلات المحتفظ بها هي قواعد التداول التقني التقليدي المستخدمة عادة في تحليل أسواق الأسهم مثل مؤشر القوة النسبية، والانتقال المتوسط ​​التقارب التقارب، فيكس والعائد اليومي لل سب 500 يحدد سفم أفضل الحالات التي لشراء أو بيع في السوق المخرجات اثنين من سفم هي حركة السوق ودرجة عضوية مجموعة أظهرت النتائج التي تم الحصول عليها أن سفم باستخدام فيكس نتائج أفضل من استراتيجية شراء وعقد أو سفم دون فيكس تأثير فيكس في نظام التداول مهم بشكل خاص عندما تظهر فترات هبوطية وعلاوة على ذلك، فإن سفم يسمح للخفض في الحد الأقصى للتراجع والانحراف المعياري السنوي. دعم المتجهات الآلات استراتيجيات التداول الكمي فيكس رسي ماسد learning. Allen هل، تايلور مب 1990 الرسوم البيانية والضجيج والأساسيات في سوق الصرف الأجنبي لندن إكون J 100 49 59 كروسريف غوغل Scholar. Andersen TG، بولرسليف T 1998 الإجابة على المشككين نعم نماذج التقلب القياسية توفر توقعات دقيقة إنت إكون ريف 39 885 905 كروسرف غوغل Scholar. Blair بج، بون ش، تايلور سج 2001 التنبؤ سب 100 تقلب محتوى المعلومات الإضافية من التقلبات الضمنية وعائدات مؤشر عالية التردد J إكونوم 105 5 26 كروسريف ماث ماثسينيت غوغل Scholar. Bollerslev T 1986 الانحدار الذاتي المعمم غير المتغاير المشروط J إكونوم 31 307 327 كروسريف ماث ماثسينيت غوغل Scholar. Brock W، لاكونيشوك J، ليبارون B 1992 قواعد التداول الفنية البسيطة والخصائص العشوائية لعوائد الأسهم J فينانس 47 1731 1764 CrossRef Google Scholar. Burges C 1998 برنامج تعليمي حول ناقلات الدعم آلات للاعتراف بالنمط البيانات مين نول ديسك 2 121 167 كروسريف غوغل Scholar. Canu S، غراندفاليت Y، غويغ V، راكوتومامونجي طرق سفم ونواة 2005 ماتلاب أدوات، إدراك سيستميس إت إنفورماتيون إنسا دي روين، روين غوغل Scholar. Cao L، تاي F 2003 آلة ناقلات الدعم بمعلمات تكيفية في التنبؤ بالسلاسل الزمنية المالية إيي ترانز نيورال نيتوركس 14 1506 1518 كروسرف غوغل Scholar. Chapelle O، هانر P، فابنيك فن 1999 دعم آلات ناقلات لتصنيف الصور المستندة إلى الرسم البياني إيي ترانز نيورال نيتوركس 10 5 1055 1064 كروسرف جوجل Scholar. Chong ت-L، نغ وك 2008 التحليل الفني وبورصة لندن اختبار قواعد الماكد و رسي باستخدام FT30 أبل إكون ليت 15 1111 1114 كروسريف جوجل Scholar. Cristianini N، تايلور جس 2000 مقدمة لدعم آلات ناقلات وغيرها من أساليب التعلم القائم على نواة جامعة كامبريدج الصحافة، نيويورك كروسرف جوجل Scholar. Dunis كل، روسيلو R، دي لا فوينتي D، بينو R 2013 التنبؤ إيبكس-35 مو فيس باستخدام أجهزة ناقلات الدعم العصبية كومبوت أبل 23 1 229 236 دوي 10 1007 s00521-012-0821-9 كروسريف جوجل Scholar. Dunis C، ليكوثاناسيس S، كاراثاناسوبولوس A، سيرمبينيس G، K3 ثيوفيلاتوس 2013b نهج خوارزمية الجينات دعم ناقلات الجهاز الهجين في مهمة التنبؤ والتداول في بورصة عمان 20 J إدارة الأصول 1 20 دوي 10 1057 مربى 2013 2.Evgeniou T، بونتيل M، بوجيو T 2000 شبكات التنظيم وأجهزة دعم ناقلات أدف كومبوت الرياضيات 13 1 50 كروسريف ماث ماثسينيت غوغل Scholar. Hajizadeh E، سيفي A، زاراندي منف، توركسن يب 2012 نهج النمذجة الهجين للتنبؤ تقلب مؤشر سب 500 العائد الخبراء سيست أبل 39 1 431 436 دوي كروسريف جوجل Scholar. Huang S، صن Z 2001 دعم نهج ناقلات آلة لتوطين البروتين تحت الخلوية التنبؤ بيوانفورماتيكش 17 721 728 كروسرف جوجل Scholar. Huang W، ناكاموري Y، وانغ سي 2005 التنبؤ اتجاه حركة سوق الأسهم مع دعم ناقلات آلة كومبوت أوبر ريس 32 2513 2522 كروسريف ماث غوغل Scholar. Kim K 2003 التنبؤ بالسلسلة الزمنية المالية باستخدام أجهزة ناقلات الدعم الحواسيب العصبية 55 307 319 كروسرف غوغل Scholar. Kwon كي، كيش ري 2002 استراتيجيات التداول الفنية وإمكانية التنبؤ بالعودة نيس أبل تمويل إكون 12 639 653 CrossRef Google Scholar. Lee ماك 2009 باستخدام ناقلات الدعم آلة مع طريقة اختيار ميزة الهجين إلى التنبؤ الاتجاه الأسهم خبير سيست أبل 36 8 10896 10904 كروسريف جوجل Scholar. Menkhoff L، تايلور مب 2007 العاطفة العنيدة من المهنيين النقد الأجنبي التحليل الفني J إكون ليت 45 936 972 CrossRef Google Scholar. Mills تك 1997 التحليل الفني وقواعد التداول في بورصة لندن لأوراق المالية باستخدام FT30 إنت J فينانس إكون 2 319 331 CrossRef Google Scholar. Murphy JJ999 التحليل الفني للأسواق المالية معهد التمويل في نيويورك غوغل Scholar. Perez-كروز F، ألفونسو - روديغز جا، جينر J 2003 تقدير نماذج غارتش باستخدام آلات ناقلات الدعم كوانت فينانس 3 3 163 172 كروسريف ماثسينيت غوغل شش olar. Rodriguez-غونزاليز A، غارسيا-كريسبو A، كولومو-بالاسيوس R إت آل 2011 كاست باستخدام الشبكات العصبية لتحسين أنظمة التداول على أساس التحليل الفني عن طريق مؤشر رسي المالي الخبراء سيست أبل 38 9 11489 11500 CrossRef Google Scholar. Rosillo R، دي لا فوينت D، بروجوس جال 2013 التحليل الفني والبورصة الاسبانية اختبار مؤشر القوة النسبية، ماسد، والزخم والقواعد مؤشر ستوكاستيك باستخدام شركات السوق الاسبانية أبل إكون 45 1541 1550 كروسرف جوجل Scholar. Szado E 2009 فيكس الآجلة والخيارات دراسة حالة من تنويع المحفظة خلال الأزمة المالية لعام 2008 J ألترن إنفست 12 2 68 85، 18p غوغل Scholar. Taylor مب، ألين هل 1992 استخدام التحليل الفني في سوق الصرف الأجنبي J إنت ماني فينانس 11 304 314 CrossRef Google Scholar. Vapnik VN 1998 نظرية التعلم الإحصائي وايلي، نيويورك ماث غوغل Scholar. Vapnik VN 1999 لمحة عامة عن نظرية التعلم الإحصائي إيي ترانز نيورال نيتو 10 988 999 CrossRef Google Scholar. Welles وايلدر J جر 1978 جديد مفاهيم في أنظمة التجارة التقنية هنتر بوبليشينغ كومباني، غرينزبورو، نك غوغل Scholar. Whaley R 2009 فهم فيكس J بورتف ماناغ 35 98 105 كروسريف غوغل Scholar. Copyright إنفورماتيون. سبرينغر-فيرلاغ لندن 2013.المؤلفون والانتماءات. رافائيل روسيلو. البريد الإلكتروني. جافير جينر. دافيد دي لا فوينتي 1. إدارة الأعمال قسم جامعة أوفييدو أوفييدو اسبانيا 2. الشؤون المالية والاقتصاد قسم جامعة لا لاغونا لا لاغونا اسبانيا. حول هذه المادة. A الهجينة إطار التداول الأسهم دمج التحليل الفني مع تقنيات التعلم الآلي. Rajashree داش ل 1.Pradipta كيشور داش ب 2.A قسم علوم الحاسب الآلي الهندسة، إيتر، جامعة سيكشا O أنوساندان، بوبانسوار، أوديشا، 751030، India. b سيكشا يا أنوساندان جامعة بويبانسوار، أوديشا، 751030، India. Received 30 ديسمبر 2015، تم تعديلها في 3 مارس / آذار 2016، تم قبولها في 8 مارس / آذار 2016، متاح على الإنترنت 22 مارس 2016. في هذه الورقة، نظام دعم القرار الجديد باستخدام وصلة وظيفية فعالة للربط الشبكي العصبي الاصطناعي سيفلان ويقترح مجموعة من القواعد لتوليد القرارات التجارية على نحو أكثر فعالية هنا يتم التعبير عن مشكلة التنبؤ قرار تداول الأسهم كما كلاسيفيكا مشكلة بثلاث قيم فئة تمثل إشارات الشراء والاحتفاظ والبيع تقوم شبكة سيفلان المستخدمة في نظام دعم القرار بإنتاج مجموعة من إشارات التداول المستمرة ضمن النطاق 0 1 من خلال تحليل العلاقة غير الخطية بين بعض المؤشرات الفنية الشعبية. وتستخدم إشارات لتعقب الاتجاه وإنتاج قرار التداول على أساس هذا الاتجاه باستخدام بعض قواعد التداول الجدة من النهج هو توليد نقاط الربح تداول الأسهم مربحة من خلال دمج القدرة على التعلم من الشبكة العصبية سيفلان مع قواعد التحليل الفني ولتقييم الاستخدام المحتمل للطريقة المقترحة، تتم مقارنة أداء النموذج أيضا مع بعض تقنيات التعلم الآلي الأخرى مثل سوبمنت فيكتور ماشين سفم و ناييف بايسي موديل و K الأقرب لنموذج الجوار كن و ديسيسيون تري دت model. Stock trading. Storage تريند أناليسيس. مؤشرات فنية .1 مقدمة. مع عصر العولمة الاقتصادية و f وقد وصلت التكنولوجيا الرقمية وتوليد وتراكم البيانات المالية بمعدل لم يسبق له مثيل وقد تجاوز حجم النمو السريع للبيانات بكثير قدرة الإنسان على تحليلها يدويا مرة أخرى البيانات سلسلة الوقت المالي هي أكثر تعقيدا من البيانات الإحصائية الأخرى بسبب والاتجاهات على المدى الطويل، والتغيرات الدورية، والتغيرات الموسمية والحركات غير النظامية وتتأثر هذه كثيرا من العديد من العوامل الخارجية، مثل العديد من المترابطة للغاية الاقتصادية والسياسية والاجتماعية وحتى لو كان السلوك النفسي للمستثمر النمو المستمر لهذا التقلب الشديد وغير النظامية وقد وضعت البيانات على الحاجة الماسة لتطوير نهج أكثر الآلي لتحليل كفاءة هذه البيانات المالية الضخمة لاستخراج إحصاءات ذات مغزى من أن كونها عملية لاستكشاف المعرفة الخفية المفيدة، وقد حفرت استخراج البيانات مكانة خاصة بها في تحليل سلسلة زمنية مالية ويوفر مسارات للمستثمرين لاتخاذ استباقية ومعرفة يحركها من أجل تحقيق مكاسب ناجحة مع مخاطر استثمار أقل. حصول أرباح عالية هو الهدف النهائي للمستثمر المشاركة في السوق المالية وهناك الكثير من الفرص الاستثمارية مثل التداول أي شراء وبيع السندات والأسهم والتبادلات الخارجية والمعادن الثمينة وغيرها موجودة في السوق المالية التداول في سوق الأسهم هي واحدة من القنوات الشعبية للاستثمار المالي المستثمرين في سوق الأسهم يمكن تحقيق أقصى قدر من الأرباح من خلال شراء أو بيع استثماراتهم في الوقت المناسب مفتاح لتحقيق أرباح عالية في تداول الأسهم هو معرفة التداول المناسب الوقت مع الحد الأدنى من مخاطر التداول ولكن من الصعب دائما أن تقرر أفضل وقت لشراء أو بيع بسبب سلوك متقلب للغاية ودينامية من سوق الأسهم المؤشرات الفنية هي المصلحة الرئيسية لمعظم الباحثين لمراقبة أسعار الأسهم و مساعدة المستثمرين في وضع قواعد التداول لشراء قرارات البيع عقد المؤشرات الفنية على أساس التاريخ بيانات الأسهم كال حتى قرار التداول المتخذة استنادا إلى مؤشرات فنية معينة قد لا تكون دائما أكثر ربحية في الأدب مختلف استخراج البيانات وأدوات الذكاء الاصطناعي تم تطبيقها لتحليل المؤشرات الفنية في محاولة للعثور على أفضل إشارات التداول 1 2 3 و 4 كسب الأرباح أو الخسارة من تداول الأسهم تعتمد في نهاية المطاف على تحليل الحركة المستقبلية لقيم أسعار الأسهم المتقلبة وغير المنتظمة للغاية إن التصنيف الناجح لحركات صعودا وهبوطا في قيم مؤشر أسعار الأسهم قد لا يكون مفيدا فقط للمستثمرين لوضع استراتيجيات تداول فعالة، بل أيضا لصانعي السياسات لمراقبة سوق الأسهم تتبع الارتفاعات والانخفاضات على تاريخ الأسهم الفردية سوف يقلل من عدم اليقين المرتبطة اتخاذ القرارات الاستثمارية يمكن للمستثمرين اختيار أفضل الأوقات لشراء وبيع الأسهم من خلال التحليل السليم لاتجاهات الأسهم في الأدب عدد من النماذج والجمع بين التحليل الفني مع تكنيكو حسابية ذكية وهي متاحة للتنبؤ بتحركات مؤشر أسعار الأسهم 5 6 و 7 باترا، ثانه، مهر، 2009. في هذه الدراسة، يتم التعبير عن مشكلة التنبؤ بقرار تداول الأسهم كمشكلة تصنيف مع ثلاث قيم فئة تمثل شراء، عقد وبيع إشارات الهدف الأهم من هذه الدراسة هو تطوير نظام دعم القرار الرواية باستخدام حساب وظيفي فعال وظيفي الشبكة العصبية الاصطناعية سيفلان ومجموعة من القواعد على أساس التحليل الفني، لتوليد قرارات التداول على نحو أكثر فعالية بدلا من تدريب شبكة سيفلان باستخدام التقليدية خوارزمية الانتشار الخلفي، يتم اقتراح التعلم إلم للشبكة وتستخدم ستة المؤشرات الفنية شعبية محسوبة من القيم السعرية مؤشر الأسهم التاريخية كملامح المدخلات للنموذج المقترح يتم تطبيق شبكة سيفلان لالتقاط العلاقة غير الخطية موجودة بين المؤشرات الفنية و إشارات التداول بدلا من استخدام قيم فئة منفصلة أثناء التدريب يتم تغذية الشبكة، إشارة تجارية مستمرة ضمن النطاق 0 1 إلى الشبكة إشارات التداول الجديدة في النطاق 0 1 يمكن أن توفر معلومات أكثر تفصيلا بشأن تداول الأسهم المتعلقة بتغيرات الأسعار الأصلية وعلاوة على ذلك يتم تحويل المخرجات من نموذج سيفلان إلى استراتيجية تداول بسيطة مع شراء، عقد وبيع إشارات باستخدام قواعد مناسبة يتم تقييم أداء النموذج على أساس نسبة الربح التي تم الحصول عليها خلال فترة الاختبار يتم مقارنة نموذج سيفلان أيضا مع بعض تقنيات التعلم آلة معروفة أخرى مثل دعم ناقلات آلة سفم، 5 6 8 و 9 ناييف نموذج بايزي، K أقرب نموذج الجيران كن 2 و 9 و شجرة القرار دت 10 نموذج. يتم تنظيم الجزء المتبقي من الورقة في الأقسام التالية القسم 2 يسلط الضوء على الاستعراضات ذات الصلة على تقنيات التعلم الآلي المختلفة المستخدمة في تداول الأسهم القسم 3 يحدد التفاصيل من شبكة سيفلان تليها تفاصيل التعلم إلم في القسم 4 يصف القسم 5 الخطوات التفصيلية لل ديسيسي على نظام الدعم لتوليد نقاط قرار تداول الأسهم ويبين القسم 6 النتائج التجريبية التي تم الحصول عليها من التحليل المقارن وأخيرا القسم 7 يحتوي على الملاحظات الختامية. 2 استطلاع الأدب. على الرغم من أن معظم تحليل سلسلة زمنية مالية تنطوي على التنبؤ سعر السهم أو تقلب، ولكن التداول سوق الأسهم هي منطقة بحث شعبية أخرى كسب الربح أو الخسارة من تداول الأسهم يعتمد في نهاية المطاف على تحليل الحركة المستقبلية لقيم أسعار الأسهم المتقلبة وغير المنتظمة للغاية في الأدب عدد من النماذج التي تجمع بين التحليل الفني مع تقنيات ذكية حسابية متاحة للتنبؤ سعر السهم وحركات المؤشر وتداول الأسهم في المرجع 11 يقترح إطار عمل جديد تعزيز أداء أنظمة التداول القائم على التعلم التعزيز لتقديم اقتراحات شراء وبيع للمستثمرين في تداول الأسهم اليومية وذلك لتحقيق أقصى قدر من أرباحها في سوق الأسهم الديناميكي في المرجع 12 نموذج جديد باستخدام بييسويس التمثيل الخطي بلر والشبكات العصبية الاصطناعية ويقترح أنس لتحليل العلاقات غير الخطية بين سعر إغلاق الأسهم والمؤشرات الفنية المختلفة، والقبض على المعرفة من إشارات التداول التي كانت مخبأة في البيانات التاريخية يتم استخدام نموذج آن المستفادة للتنبؤ بالتداول في المستقبل ثانيا، يتم تشغيل قرار التداول من خلال تطوير نظام قرار عتبة ديناميكية نموذج التنبؤ آخر دمج نافذة ديناميكية على أساس القضية كبدو والشبكة العصبية يتم تطبيقها من قبل 13 للتنبؤ نقاط تحول الحق في تداول الأسهم، وذلك ل تعظيم إيرادات الاستثمار في المرجع 2 يتم استخدام طريقة تستخدم معا المصنف K-ن معروفة وبعض الأدوات الشائعة للتحليل الفني، مثل المؤشرات الفنية، وقف الخسارة، وقف كسب و رسي مرشحات لغرض التحقيق في جدوى استخدام نظام التداول الذكي في ظروف السوق الحقيقية، النظر في الشركات الحقيقية من S ساو باولو للأوراق المالية أ وتكاليف المعاملات نظام فعال للكشف عن الإشارات التجارية باستخدام بييسويس الخطي التمثيل بلر والشبكات العصبية الاصطناعية ويقترح أنس في 14 لالتقاط المعرفة من إشارات التداول مخبأة في الأسعار التاريخية من خلال تحليل العلاقات غير الخطية بين الأسهم سعر مغلق ومؤشرات فنية مختلفة التداول القرار في النموذج هو سببه عتبة ديناميكية ملزمة والتي تساعد على كسب مبلغ ربح كبير خلال التداول في المرجع 3 تم تصميم نظام التداول القائم على التحليل الأساسي أو الرسوم البيانية لتحسين أساليب الاستثمار والفكرة الرئيسية للنظام هو توليد التداول نقاط على أساس مؤشر مالي وهو مؤشر القوة النسبية الذي يحسب أيضا من قبل الشبكة العصبية للأعلاف إلى الأمام آخر نظام التداول الذكي باستخدام التحليل الفني، خوارزمية اصطناعية النحل خوارزمية أبك، ومجموعة مختارة من القيم الماضية، أقرب تصنيف الجيران k-ن و والتباين، والتصنيف التكيفي و ويناقش أقرب الجيران في 4 في المرجع 15 نموذج سلسلة زمنية ضبابية عالية الترتيب على أساس التقسيم القائم على الإنتروبي ونموذج التوقعات التكيفية قد أظهرت تفوقها بالمقارنة مع النماذج التقليدية الأخرى سلسلة الوقت غامض في توليد قواعد القرار كمراجع الاستثمار للمستثمرين الأسهم. والتجمعات في الوقت الحقيقي و سفم على أساس التنبؤ السعر تقلب لاستراتيجية التداول الأمثل. حقوق الطبع والنشر 2013 إلزيفير بف جميع الحقوق محفوظة. سوبهابراتا تشودري يسعى حاليا على درجة البكالوريوس في التكنولوجيا في الهندسة المعدنية والمواد في المعهد الهندي للتكنولوجيا خاراجبور، الهند وهو في السنة النهائية وتشمل اهتماماته البحثية الحالية التعدين البيانات وبحوث العمليات والتعلم الآلي وتطبيقاتها في مجال التمويل والصلب Industry. Subhajyoti غوش هو طالب في السنة الرابعة الجامعية في المعهد الهندي للتكنولوجيا خاراغبور، الهند المسجلين في برنامج درجة مزدوجة لمدة خمس سنوات B تيش و M التكنولوجيا في هندسة المحيط والهندسة المعمارية البحرية مرحبا يركز البحث الحالي على بحوث العمليات والأسواق المالية والجدول الزمني. أرناب بهاتشاريا هو حاليا مرشح دكتوراه في بحوث العمليات في جامعة بيتسبرغ، الولايات المتحدة أنهى برنامج درجة مزدوجة لمدة خمس سنوات B تيش و M التقنية في الهندسة الصناعية والإدارة في الهندية معهد التكنولوجيا خاراغبور، الهند في عام 2011 وتشمل مجالات أبحاثه بحوث العمليات وتعدين البيانات. كيران جود فرنانديز هو مدير البحوث ورئيس مجموعة إدارة العمليات في كلية إدارة يورك، المملكة المتحدة وهو أيضا واحد من المحققين الرئيسيين في التخصصات المتعددة مركز يورك لتحليل النظم المعقدة يكسا حاصل على درجة الدكتوراه في إدارة العمليات وأنظمة من جامعة وارويك درجة الماجستير من كلية جيمس وورث باجلي للهندسة في جامعة ولاية ميسيسيبي مسو وبكالوريوس في درجة الهندسة مع مرتبة الشرف في الإنتاج من والتتش أبحاثه يركز على نمذجة المجالات الاجتماعية والتجارية المعقدة باستخدام معقدة s يستيم منظور. مانوج كومار تيواري هو أستاذ في قسم الهندسة الصناعية والإدارة في المعهد الهندي للتكنولوجيا خاراجبور، الهند وهو محرر مشارك من المجلات التي تشمل المعاملات إيي على سمك الجزء ألف النظم والبشر، المجلة الدولية لمجلة العلوم النظام من نظام دعم القرار لديه أكثر من 200 المنشورات في مختلف المجلات والمؤتمرات الدولية اهتماماته البحثية هي نماذج دعم القرار، تخطيط وجدولة ومراقبة مشاكل نظام التصنيع، شبكة سلسلة التوريد.