شاخص های فنی برای پیش بینی فارکس: یک مطالعه اولیه

معامله گران و اقتصاددانان غالباً با توجه به رویکرد پیش بینی بازار مالی فارکس مغایرت دارند. روشهای سرچشمه ناشی از منطقه مطالعه هوش مصنوعی (AI) در طول سالها در پیش بینی الگوی معاملاتی مورد استفاده قرار گرفته است زیرا به نظر می رسد به اندازه کافی قوی است که بتواند عدم اطمینان مربوط به داده های سری زمانی تجارت فارکس را کنترل کند. در اینجا این مقاله ، اثرات انواع ورودی های مختلف ، به ویژه: قیمت نزدیک و همچنین شاخص های فنی مختلف حاصل از قیمت نزدیک برای تعیین اثرات آن بر روند فارکس پیش بینی شده توسط یک ماژول یادگیری ماشین هوشمند بررسی شده است.

کلید واژه ها

• پیش بینی فارکس
• تجزیه و تحلیل فنی
• خط رگرسیون خطی
• شبکه های عصبی مصنوعی
• پیچش زمان پویا

این پیش نمایش محتوای اشتراک ، دسترسی از طریق موسسه شما است.

گزینه های خرید

کتاب الکترونیکی 53. 49 یورو شامل مالیات بر ارزش افزوده (فدراسیون روسیه)

کتاب Softcover 64. 00 یورو از مالیات بر ارزش افزوده (فدراسیون روسیه) مستثنی است

پیش نمایش

نمایش پیش نمایش امکان پذیر نیست. بارگیری PDF PREVIEW.

منابع

Dunis ، C. L. ، Laws ، J. ، Schilling ، U: تجارت ارز در بازارهای بی ثبات: آیا شبکه های عصبی از EUR/USD در طول بحران مالی 2007-2009 بهتر است؟J. مشتق. صندوق های پرچین18 (1) ، 2-41 (2012)

ملکیل ، ب: پیاده روی تصادفی در وال استریت. W. W. شرکت نورتون و شرکت ، نیویورک (1973)

FAMA ، E. F: بازارهای سرمایه کارآمد: مرور نظریه و کار تجربی. ج. 25 (2) ، 383-417 (1970)

عبدالله ، M. H. L. B. ، Ganapathy ، v.: مجموعه شبکه عصبی برای پیش بینی روند مالی. در: Tencon 2000 ، صص 157-161 (2000)

Schulmeister ، S: مؤلفه های سودآوری معاملات ارز فنی. کاربردمالی. ECON18 (11) ، 917-930 (2008)

Neely ، C. J. ، Weller ، P. A: تجزیه و تحلیل فنی در بازار ارز. بانک مرکزی فدرال رزرو سریال کارگری سنت لوئیس 2011-001 (2011)

Mochón ، A. ، Quintana ، D. ، Sáez ، Y. ، Isasi ، P: تکنیک های محاسبات نرم برای امور مالی اعمال می شود. کاربردهوش29 (2) ، 111-115 (2008)

Vanstone ، B. ، Tan ، C: بررسی استفاده از محاسبات نرم در سرمایه گذاری و تجارت مالی. inf. تکنولpap. 13 (2003)

De Brito ، R. F. B. ، Oliveira ، A. L. I: تجزیه و تحلیل کشویی مبتنی بر پنجره از چندین سیستم معاملاتی ارز خارجی با استفاده از تکنیک های محاسبات نرم. در: کنفرانس مشترک بین المللی IEEE در شبکه های عصبی (IJCNN) ، صص 4251-4258 (2014)

ابراهیم ، الف: تجزیه و تحلیل تکنیک های محاسبات نرم و سخت ترکیبی برای سیستم های نظارت بر فارکس. در: مجموعه مقالات کنفرانس بین المللی IEEE 2002 در مورد سیستم های فازی ، صص 1616-1622 (2002)

Canelas ، A. ، Neves ، R. ، Horta ، N: یک روش جدید SAX-GA که برای بهینه سازی استراتژی های سرمایه گذاری اعمال می شود. در: مجموعه مقالات چهاردهمین کنفرانس بین المللی محاسبات ژنتیکی و تکاملی ، صص 1055-1062 (2012)

Canelas ، A. ، Neves ، R. ، Horta ، N: یک رویکرد SAX-GA برای تکامل استراتژی های سرمایه گذاری در بازارهای مالی بر اساس تکنیک های کشف الگوی. سیستم متخصصکاربرد40 (5) ، 1579-1590 (2013)

Canelas ، A. ، Neves ، R. ، Horta ، N: Discovery الگوی چند بعدی در سری زمانی مالی با استفاده از SAX-GA با استحکام طولانی. در: ادامه پانزدهمین کنفرانس سالانه کنفرانس کنفرانس محاسبات ژنتیکی و تکاملی ، صص 179-180 (2013)

Tiong ، L. C. O. ، NGO ، D. C. L. سازمان های غیردولتی ، لی ، Y: پیش بینی معاملات فارکس با استفاده از خط رگرسیون خطی ، شبکه عصبی مصنوعی و الگوریتم های پیچش زمان پویا. در: Proc. int چهارم. کنفرانسمحاسبات. انفورماتیک ، صص 71-77 (2013)

Tiong ، L. C. O. ، NGO ، D. C. L. سازمان های غیردولتی ، لی ، Y: پیش بینی فارکس با استفاده از دستگاه بردار پشتیبانی و پیچ و تاب زمان پویا. در: جلسه سیزدهمین کنفرانس بین المللی الکترونیک ، اطلاعات و ارتباطات (ICEIC) ، صص 141-142 (2014)

Choi ، J. H. ، Lee ، M. K. ، Rhee ، M. W: معاملات آتی شاخص سهام S& P 500 با استفاده از یک شبکه عصبی. در: مجموعه مقالات سومین کنفرانس بین المللی سالانه برنامه های اطلاعاتی مصنوعی در وال استریت ، صص 63-72 (1995)

Quah ، T. S. ، Srinivasan ، b: بهبود بازده سرمایه گذاری سهام از طریق انتخاب شبکه عصبی. سیستم متخصصکاربرد17 (4) ، 295-301 (1999)

Yao ، J. ، Tan ، C. L: یک مطالعه موردی در مورد استفاده از شبکه های عصبی برای انجام پیش بینی فنی فارکس. Neurocomputing 34 (1) ، 79-98 (2000)

Emam ، A: توپولوژی بهینه شبکه عصبی مصنوعی برای پیش بینی ارز. در: مجموعه مقالات 46 مین کنفرانس سالانه منطقه ای جنوب شرقی در مورد XX ، صص 63-68 (2008)

Sher ، G. I: تجارت فارکس با استفاده از شبکه های عصبی حساس هندسه. در: مجموعه مقالات چهاردهمین کنفرانس بین المللی کنفرانس محاسبات ژنتیکی و تکاملی ، صص 1533-1534 (2012)

اطلاعات نویسنده

نویسندگان و وابستگی ها

گروه محاسبات و سیستم های اطلاعاتی ، دانشگاه Sunway ، Bandar Sunway ، مالزی

یوک لنگ یونگ ، دیوید C. L. سازمان های غیردولتی و یونلی لی

1. یوک لنگ یونگ

همچنین می توانید این نویسنده را در PubMed Google Scholar جستجو کنید

همچنین می توانید این نویسنده را در PubMed Google Scholar جستجو کنید

همچنین می توانید این نویسنده را در PubMed Google Scholar جستجو کنید

نویسنده متناظر

اطلاعات ویرایشگر

ویراستاران و وابستگی ها

دانشگاه پکن، پکن، چین

دانشگاه شیان جیائوتنگ-لیورپول، سوژو، چین

دانشگاه پرنامبوکو، رسیفه، برزیل

Instituto Politécnico Nacional، مکزیک، مکزیک

موسسه آمار هند، کلکته، هند

دانشگاه پرتوریا، پرتوریا، آفریقای جنوبی

حقوق و مجوزها

اطلاعات حق چاپ

© 2015 Springer Inteational Publishing Swiss

در مورد این مقاله

به این مقاله استناد کنید

Yong, Y. L., Ngo, D. C., Lee, Y. (2015). شاخص های فنی برای پیش بینی فارکس: یک مطالعه مقدماتی. در: Tan, Y., Shi, Y., Buarque, F., Gelbukh, A., Das, S., Engelbrecht, A. (eds) Advances in Swarm and Computational Intelligence. ICSI 2015. Lecture Notes in Computer Science(), vol 9142. Springer, Cham. https://doi.org/10. 1007/978-3-319-20469-7_11

دانلود نقل قول

تاریخ انتشار: 02 ژوئن 2015

نام ناشر: Springer, Cham

چاپ شابک : 978-3-319-20468-0

شابک آنلاین : 978-3-319-20469-7

این مقاله را به اشتراک بگذارید

هر کسی که پیوند زیر را با او به اشتراک بگذارید، می تواند این محتوا را بخواند: