یک سیستم معاملاتی سهام برای یک دارایی متوسط فرار با استفاده از پرسپترون چند لایه

پیش بینی بازار سهام یک زمینه سودآور با سودهای امیدوارکننده است، اما بدون مشکل نیست و برای برخی افراد حتی می تواند عامل شکست باشد. بازارهای مالی طبیعتاً پیچیده، غیرخطی و آشفته هستند، که به این معنی است که پیش بینی دقیق قیمت دارایی هایی که بخشی از آن هستند، بسیار پیچیده می شود. در این مقاله ما یک سیستم معاملاتی سهام با هسته اصلی شبکه های عصبی عمیق پیش خور (DNN) را برای پیش بینی قیمت سهام های منتشر شده توسط Abercrombie & Fitch Co. (ANF) برای 30 روز آینده بازار آزاد پیشنهاد می کنیم. بازار سهام بورس نیویورک (NYSE). سیستمی که ما توضیح داده ایم مؤثرترین شاخص فنی را محاسبه می کند و آن را برای پیش بینی های محاسبه شده توسط DNNs برای ایجاد معاملات اعمال می کند. نتایج حاکی از افزایش مقادیری مانند نسبت انتظار 2. 112 درصدی معاملات سودآور با نسبت های شارپ، سورتینو و کالمار به ترتیب 2. 194، 3. 340 و 12. 403 بود. به عنوان یک راستی آزمایی، ما یک ماژول شبیه سازی عقبگرد را در سیستم خود پذیرفتیم که معاملات را به داده های آزمایشی واقعی شامل 30 روز گذشته بازار آزاد در دارایی ANF ترسیم می کند. به طور کلی، نتایج امیدوارکننده بود که تنها در یک ماه از یک بودجه بسیار متوسط 100 دلار، ضریب سود کل 3. 2٪ را به ارمغان آورد. این امر به این دلیل امکان پذیر شد که سیستم با انتخاب مؤثرترین و کارآمدترین معاملات، کاهش تعداد معاملات را کاهش داد و در هزینه های کمیسیون و لغزش صرفه جویی کرد.

نقل قول پیشنهادی

دانلود متن کامل از ناشر

منابع ذکر شده در IDEAS

1. Jingtao Yao & Chew Lim Tan & Hean-Lee Poh، 1999. "شبکه های عصبی برای تحلیل فنی: مطالعه ای در مورد Klci"، مجله بین المللی مالی نظری و کاربردی (IJTAF)، شرکت انتشارات علمی جهانی Pte. آموزشی ویبولیتین، جلد. 2 (02)، صفحات 221-241.
2. Giordano, Francesco & La Rocca, Michele & Pea, Cira, 2007. "پیش بینی سری های زمانی غیرخطی با بوت استرپ غربال شبکه عصبی," Computational Statistics & Data Analysis, Elsevier, vol. 51 (8)، صفحات 3871-3884، می.
3. Huiwen Wang & Wenyang Huang & Shanshan Wang، 2021. "پیش بینی داده های باز-بالا-کم-بسته موجود در نمودار کندل استیک"، مقالات 2104. 00581، arXiv. org.
4. Kurozumi، Eiji، 2002. "ویژگی های محدود کننده آزمون کانوا و هانسن تحت جایگزین های محلی"، نظریه اقتصاد سنجی، انتشارات دانشگاه کمبریج، جلد. 18 (5)، صفحات 1197-1220، اکتبر.
5. Oleh Danyliv & Bruce Bland & Alexandre Argenson ، 2019. "مدل پیاده روی تصادفی از دیدگاه تجارت الگوریتمی" ، Papers 1908. 04333 ، Arxiv. org.

بیشتر موارد مرتبط

1. Ivan Letteri & Giuseppe Della Penna & Giovanni de Gasperis & Abeer Dyoub ، 2022. "DNN-Forwardtesting: اعتبارسنجی استراتژی جدید با استفاده از تجزیه و تحلیل دوران آماری و شبکه های عصبی عمیق ،" مقالات 2210. 11532 ، Arxiv. org.
2. Dhanya Jothimani & Ravi Shankar & Surendra S. Yadav ، 2016. "پیش بینی مبتنی بر تحول موجک گسسته از شاخص سهام: مطالعه ای در مورد شاخص بورس ملی ،" مقالات 1605. 07278 ، arxiv. org.
3. Alonso ، Andres M. & Sipols ، Ana E. ، 2008. "یک روش بوت استرپ سری زمانی برای فواصل درون یابی ،" آمار محاسباتی و تجزیه و تحلیل داده ها ، Elsevier ، جلد. 52 (4) ، صفحات 1792-1805 ، ژانویه.
4. Jozef Baruník ، 2008. "شبکه های عصبی چگونه پیش بینی بازده سهام اروپای مرکزی را افزایش می دهند؟" مجله اقتصاد و دارایی چک (امور مالی یک Uver) ، پراگ دانشگاه چارلز ، دانشکده علوم اجتماعی ، جلد. 58 (07-08) ، صفحات 358-376 ، اکتبر.
5. Jacinta chan Phooi M'ng & Azmin Azliza Aziz ، 2016. "با استفاده از شبکه های عصبی برای افزایش بازده قانون تجارت فنی: یک مورد با KLCI ،" مجله آتن تجارت و اقتصاد ، انستیتوی آموزش و تحقیقات آتن (ATINER) ، جلد. 2 (1) ، صفحات 63-70 ، ژانویه.
6. Tsao ، Hao-Han & Leu ، Yih-Guang & Chou ، Li-Fen ، 2021. "یک بازه پیش بینی مبتنی بر مرکز متمرکز برای پیش بینی توان باد ،" انرژی ، Elsevier ، جلد. 237 (ج).
7. آلوارز-دیاز ، مارکوس و هموده ، شاوکات و گوپتا ، رانگان ، 2014. "تشخیص دینامیک غیر خطی قابل پیش بینی در بازار داو جونز اسلامی و داو جونز شاخص های متوسط صنعتی با استفاده از رژیم های غیر پارامتری" "مجله اقتصاد و امور مالی آمریکای شمالی ، Eneveryvier ، Enevervier ، Enevier ،جلد29 (ج) ، صفحات 22-35.
8. محمد رافیقول اسلام و نگویت نگوین ، 2020. "مقایسه مدل های مالی برای پیش بینی قیمت سهام ،" JRFM ، MDPI ، جلد. 13 (8) ، صفحات 1-19 ، اوت.
9. اسکار Claveria & Enric Monte & Salvador Torra ، 2016. "مدل سازی وابستگی های متقابل بین بازارهای گردشگری منطقه ای اسپانیا با گسترش مدل رگرسیون فرآیند گاوسی ،" سری: مجله انجمن اقتصادی اسپانیا ، اسپرینگر ؛ انجمن اقتصادی اسپانیا ، جلد. 7 (3) ، صفحات 341-357 ، اوت.
10. Catalina Lucia Cocianu & Hakob Grigoryan ، 2015. "یک شبکه عصبی مصنوعی برای اهداف پیش بینی داده ها ،" اقتصاد Informatica ، آکادمی مطالعات اقتصادی - بخارست ، رومانی ، جلد. 19 (2) ، صفحات 34-45.
11. Huang ، Wenyang & Wang ، Huiwen & Qin ، Haotong & Wei ، Yigang & Chevallier ، Julien ، 2022. "پیش بینی شبکه عصبی Convolutional از آتی کمک های اتحادیه اروپا با استفاده از یک روش تحول جدید نامحدود ،" اقتصاد انرژی ، Elsevier ، Vol. 110 (ج).
12. Ozgur Ican & Taha Bugra Celik ، 2017. "عملکرد پیش بینی بازار سهام شبکه های عصبی: یک بررسی ادبیات ،" مجله بین المللی اقتصاد و دارایی ، مرکز علوم و آموزش کانادا ، جلد. 9 (11) ، صفحات 100-108 ، نوامبر.
13. Manolis Maragoudakis & Dimitrios Serpanos ، 2016. "بهره برداری از اخبار مالی و نظرات رسانه های اجتماعی برای تجزیه و تحلیل بازار سهام با استفاده از استنتاج MCMC Bayesian ،" اقتصاد محاسباتی ، Springer ؛ انجمن اقتصاد محاسباتی ، جلد. 47 (4) ، صفحات 589-622 ، آوریل.
14. Liébana-Cabanillas ، Francisco & Marinković ، Veljko & Kalinić ، Zoran ، 2017. "یک رویکرد شبکه Sem-Neural برای پیش بینی پیشینه های پذیرش M-تجارت ،" مجله بین المللی مدیریت اطلاعات ، Elesvier ، جلد. 37 (2) ، صفحات 14-24.
15. Marcos álvarez-díaz & Shawkat Hammoudeh & Rangan Gupta ، 2013. "تشخیص پویایی غیر خطی قابل پیش بینی در داو جونز به طور متوسط صنعتی و شاخص های بازار اسلامی داو جونز با استفاده از رگرسیون غیر پارامتری" ، "Papers Working 201385 ، University of Pretoria ، وزارت اقتصاد.
16. آنتون Skrobotov ، 2013. "در مورد GLS- تخریب برای آزمایش فصلی قطعی ،" مقالات کار 0073 ، موسسه سیاست اقتصادی گیدار ، تجدید نظر در سال 2014.
17. محمد نادیم هانیف و خرم س. مغول و جاوید اقبال ، 2018. "یک مدل ضخیم برای پیش بینی تورم ،" سری مقاله کار SBP 99 ، بانک دولتی پاکستان ، بخش تحقیقات.
18. WEI BAO & Jun Yue & Yulei Rao ، 2017. "یک چارچوب یادگیری عمیق برای سری زمانی مالی با استفاده از خودروهای انباشته شده و حافظه کوتاه مدت کوتاه ،" PLOS ONE ، کتابخانه عمومی علوم ، جلد. 12 (7) ، صفحات 1-24 ، ژوئیه.
19. Jasleen Kaur & Khushdeep Dhai ، 2022. "برنامه و عملکرد تکنیک های داده کاوی در بازار سهام: یک بررسی ،" سیستم های هوشمند در حسابداری ، امور مالی و مدیریت ، جان ویلی و پسران ، آموزشی ویبولیتین ، جلد. 29 (4) ، صفحات 219-241 ، اکتبر.
20. Jacinta chan Phooi M'ng & Mohammadali Mehralizadeh ، 2016. "پیش بینی آینده شاخص های آسیای شرقی از طریق یک هیبرید جدید از مدلهای شبکه عصبی Wavelet-PCA و شبکه های عصبی مصنوعی ،" PLOS ONE ، کتابخانه عمومی علوم ، جلد. 11 (6) ، صفحات 1-29 ، ژوئن.

اطلاعات بیشتر در مورد این مورد

زمینه های NEP

• NEP-BIG-2022-03-07 (داده های بزرگ)
• NEP-CMP-2022-03-07 (اقتصاد محاسباتی)
• NEP-FMK-2022-03-07 (بازارهای مالی)

آمار

اصلاحات

تمام مطالب موجود در این سایت توسط ناشران و نویسندگان مربوطه تهیه شده است. شما می توانید به اصلاح خطاها و حذفیات کمک کنید. هنگام درخواست اصلاح ، لطفاً دسته این مورد را ذکر کنید: repec: arx: مقالات: 2201. 12286. به اطلاعات کلی در مورد نحوه اصلاح مطالب در repec مراجعه کنید.

برای سؤالات فنی در مورد این مورد ، یا برای اصلاح نویسندگان آن ، عنوان ، چکیده ، کتابشناختی یا اطلاعات بارگیری ، تماس با :. اطلاعات تماس عمومی ارائه دهنده: http://arxiv. org/.

اگر این مورد را تألیف کرده اید و هنوز در Repec ثبت نشده اید ، ما شما را تشویق می کنیم که این کار را در اینجا انجام دهید. این اجازه می دهد تا نمایه خود را به این مورد پیوند دهید. همچنین به شما امکان می دهد استناد های احتمالی را به این مورد بپذیرید که ما در مورد آن نامشخص هستیم.

اگر Citec یک مرجع کتابشناختی را تشخیص داد اما یک مورد را در repec به آن پیوند نداد ، می توانید به این فرم کمک کنید.

اگر از موارد گمشده ای که به این یکی گفته می شود اطلاع دارید ، می توانید با اضافه کردن منابع مربوطه به همان روش فوق ، برای هر مورد ارجاع ، به ما در ایجاد آن پیوندها کمک کنید. اگر شما یک نویسنده ثبت نام شده از این مورد هستید ، ممکن است بخواهید برگه "استناد" را در مشخصات سرویس Repec نویسنده خود بررسی کنید ، زیرا ممکن است برخی از استنادها در انتظار تأیید باشند.

برای سؤالات فنی در مورد این مورد ، یا برای اصلاح نویسندگان آن ، عنوان ، چکیده ، کتابشناختی یا بارگیری اطلاعات ، تماس با ما: ARXIV ADMIDIONS (ایمیل موجود در زیر). اطلاعات تماس عمومی ارائه دهنده: http://arxiv. org/.

لطفاً توجه داشته باشید که اصلاحات ممکن است چند هفته طول بکشد تا از طریق خدمات مختلف repec فیلتر شود.