Dagen hög frekvens forex trading med adaptiv neuro fuzzy slutlednings system

Högfrekvent handel. Kvantitativa verktyg har allmänt antagits för att extrahera den enorma informationen från en rad finansiella data. Matematik, statistik och datortalgoritmer har aldrig varit så viktiga för finanspraktikerna i historien. Investeringsbanker utvecklar jämviktsmodeller för att utvärdera finansiella instrument Tillämpade tidsserier för att identifiera riskerna i deras portfölj och hedgefonder hoppas kunna extrahera marknadssignaler och statistisk arbitrage från bullriga marknadsdata. Ökningen av kvantitativ finansiering under det senaste decenniet är beroende av utvecklingen av datorteknik som gör bearbetning av stora dataset möjligt. Eftersom mer data Finns i högre frekvens, har fler undersökningar i kvantitativ finans övergått till mikrostrukturerna på finansmarknaden Högfrekvensdata är ett typiskt exempel på stora data som kännetecknas av 3V s hastighet, variation och volym Dessutom är signal-brusförhållandet I finansiella tidsserier är vanligtvis mycket små Ll Högfrekvensdataset är mer benägna att exponeras för extrema värden, hopp och fel än de lågfrekventa. Särskilda databehandlingstekniker och kvantitativa modeller är noggrant utformade för att effektivt utvinna information från finansiella data. I det här kapitlet presenterar vi de kvantitativa dataanalysmetoderna I ekonomi Först undersöker vi utvecklingen av kvantitativ finansiering under det senaste decenniet Sedan diskuterar vi egenskaperna hos högfrekventa data och de utmaningar som den medför. Den kvantitativa dataanalysen består av två grundläggande steg i datatrening och aggregering av två datamodellering Vi granskar matematiken Verktyg och datateknik bakom de två stegen Den värdefulla informationen som extraheras från rådata representeras av en statistikgrupp Den mest använda statistiken inom finans är förväntad avkastning och volatilitet, som är grunden för modern portföljteori. Vi introducerar ytterligare en enkel portföljoptimering Strategier som ett exempel på Tillämpningen av finansiell dataanalys Stora data har redan förändrat den finansiella industrin fundamentalt medan kvantitativa verktyg för att ta itu med massiva finansiella data fortfarande har en lång väg att gå. Adoptioner av avancerad statistik, informationsteori, maskininlärning och snabbare datalgoritm är oundvikliga för att förutsäga komplicerade Finansiella marknader Dessa ämnen diskuteras kortfattat i den senare delen av det här kapitlet. ATTENTION Video ska återupplas. Given en stationär punktprocess definieras en intensitetsbrist som en kort tidsperiod under vilken antalet räkningar är större än den typiska räntesatsen Det kan signalera en lokal icke-stationäritet eller närvaron av en yttre störning till systemet. I det här pappret föreslår vi ett nytt förfarande för detektering av intensitetsbrott inom Hawkes processram. Genom att använda ett modellvalskema visar vi att vår procedur kan vara Brukade detektera intensitetsbrott när både deras förekomsttid och deras totala antal i S okänd Dessutom kan bristens initiala tid bestämmas med en precision som ges av den typiska inter-event-tiden. Vi tillämpar vår metod för medeltida prisförändringar i valutamarknader som visar att dessa brister är frekventa och att endast en relativt liten bråkdel Är förknippad med nyhetsanmälan Vi visar bly-lag-relationer i intensitetsbrist förekomst över olika valutakurser och vi diskuterar deras relation med prisspring. Internt-högfrekventa FX-handel med adaptiva neuro-fuzzy inference-system. Abdalla Kablan och Wing Lon Ng. Abstract I det här dokumentet introduceras ett adaptivt neurofusigt inferenssystem ANFIS för finansiell handel, som lär sig att förutse prisförändringar från träningsdata som består av intradag-fältdata som samplas vid hög frekvens. De empiriska data som användes vid vår undersökning är fem minuters mellantidsserier från FX-marknader ANFIS-optimeringen innefattar backtest och varierar antalet epoker och kombineras med en ny metod för att fånga volatiliteten Sjunga ett händelsestyrt tillvägagångssätt som tar hänsyn till riktningsändringar inom fördefinierade trösklar. Resultaten visar att den föreslagna modellen överträffar standardstrategier som buy-and-hold eller linjär prognos. Ladda ner extern länk text html Tillgång till fullständig text är begränsad till Abonnenter. Relaterade arbeten Denna artikel kan vara tillgänglig någon annanstans i EconPapers Sök efter föremål med samma titel. Exportreferens BibTeX RIS EndNote, ProCite, RefMan HTML Text. More artiklar i International Journal of Financial Markets and Derivatives från Inderscience Enterprises Ltd Serie data upprätthålls av Darren Simpson. Denna webbplats är en del av RePEc och all data som visas här är en del av RePEc dataset. Om ditt arbete saknas från RePEc Här är hur du bidrar. Frågor eller problem Kontrollera EconPapers FAQ eller skicka mail till. Användningen av Dynamiskt optimerade högfrekventa rörliga genomsnittliga strategier för intradaghandel. Detta dokument är motiverat av osäkerhetsaspekten i de finansiella Cision making och hur artificiell intelligens och mjuk databehandling med dess osäkerhetsminskande aspekter kan användas för algoritmiska handelsapplikationer som handlar med hög frekvens. Detta papper presenterar ett optimerat högfrekvent handelssystem som kombinerats med olika rörliga medelvärden för att producera ett hybridsystem Som överträffar handelssystem som endast är beroende av glidande medelvärden. Papperet optimerar ett adaptivt neuro-fuzzy inferenssystem som tar både priset och dess rörliga medelvärde som input, lär sig att förutsäga prisförändringar från träningsdata som består av intradagdata, dynamiskt växlar mellan de bästa Utföra glidande medelvärden och utför beslutsfattande när man ska köpa eller sälja en viss valuta i hög frekvens. 1 A Kablan 2009 Ett Fuzzy Logic Momentum Analysis System för finansiell mäklare, förfaranden vid den internationella konferensen om finansiell teori och teknik IEEEXplore, Vol 1, sid 57-62 ISBN 978-0-7695-3949-2 2 A Kablan 2009 Adaptive Neuro Fuzzy System för högfrekvenshandel och prognoser, förfaranden vid den tredje internationella konferensen om avancerad teknisk databehandling och tillämpningar i vetenskap IEEEXplore, Vol 1, sid 105 - 110 ISBN 978-0-7695-3829-7 3 A Kablan, WL Ng, 2010, High Frequency Trading Strategy Använda Hilbert Transform, 6: e internationella konferensen om nätverksdator och avancerad informationshantering Vol 1, sid 466 - 471 ISBN 978-89-88678-26-8 4 A Kablan, WL Ng, 2010, High Frequency Trading med hjälp av Fuzzy Momentum Analys, Förhandlingar av IAENG 2010 International Conference of Financial Engineering ICFE, London Vol 1, pp 352-357 ISBN 978-988-17012-9-9 5 A Kablan, WL Ng, 2011, High-Frequency Order Placement Strategies with Fuzzy Logik och Fu Zzy Inference, IAENG International Journal of Computer Science, specialutgåva 6 A Kablan, WL Ng, 2011, Intradag High-Frequency Forex Trading med Adaptive Neuro-Fuzzy Inference Systems, International Journal of Financial Markets and Derivatives 7 En Kablan Adaptive Neuro Fuzzy Inference Systems För högfrekvent finansiell handel och prognosförfaranden vid den tredje internationella konferensen om avancerad teknisk databehandling och tillämpningar i vetenskap 2009 8 Banik, S et al 2007, Modellering av kaotiskt beteende hos Dhaka Stock Market Index-värden med hjälp av den neuro-fuzzy modellen, tionde internationella konferensen om Dator och informationsteknik 9 C Tseng, Y Lin Finansiell beräkningsmetod för samhällsekonomi, ekonomi och ekonomi nr 42 2005 10 Chang, SSL 1977 Användning av fuzzy-setteori till ekonomi Kybernetes 6, sid 203-207 11 Dacarogna, M et al 2001, En introduktion till högfrekvensfinansiering, akademisk press 12 Dormale, AV 1997 Kraften av Pengar, Macmillan Press, London 13 E Boehmer 2005 Mått på genomförandekvalitet Nyckelt bevis för amerikanska aktiemarknader Journal of Financial Economics 78, 553-582, 2005 14 EF Fama 1970 Effektiva kapitalmarknader En översyn av teori och empiriskt arbete Journal of Finance, pages 383-417, maj 15 Grabbe, JO 1996 International Financial Markets, Englewood Hills, Prentice Hall Inc 16 JC Bezdek, R Krisnapuram, NR Pal 1999 Fuzzy modeller och algoritmer för mönsterigenkänning och bildbehandling Springer 17 JM Griffin, F Nardari, R Stulz Aktiemarknadshandel och marknadsförhållanden NBER, Working Paper 10719, 1-48 2004 18 Kablan, A, WL Ng, 2011 High Frequency Trading med hjälp av Fuzzy Momentum Analysis, Springer Engineering Letters, London 19 Li, Y Musilek, P och Wyard-Scott, L Fuzzy logic i agentbaserad speldesign Årligt möte med fuzzy Information Processing 2004, vol 2, pp734-739, 2004 20 Lootsma, FA 1997 Fuzzy logic för planering och beslutsfattande Springer 21 M Fedrizzi, W Ostasiewicz 1993 Till Wards fuzzy modellering i ekonomi Fuzzy uppsättningar och system, vol 54, Issue 3, sid 259-268, 22 Ormerod, P 2000 Butterfly ekonomi En ny allmän teori om socialt och ekonomiskt beteende Pantheon, New York 23 Q Song, BS Chissom Prognoser inskrivningar med Fuzzy time-series Del II Fuzzy Sets and Systems 62, s. 1-8, 1994 24 Roger Jang, JS ANFIS Adaptivt nätverksbaserat fuzzy inference-system, IEEE Transactions on Systems, Man och Cybernetics, 23 3 1993 665-685 25 S Chabaa Och en Zeroual Predicting Packet Transmission Data över IP-nätverk med Adaptive Neuro-Fuzzy Inference Systems Journalen för datavetenskap Vol 5 2, sid 123-130, 2009 26 Schulmeister, S, 2009, En Allmän Finansiell Transaktionsskatt En kort sikt av Proffsen, Nackdelarna och ett förslag, WIFO Arbetsdokument nr 344 27 T Hellstrm och K Holmstrom Förutsägande Stockholms Tekniska Rapport Ima-TOM-1997-07, Matematisk Modelleringscentrum, Institutionen för Matematik och Physis, Malardalen Universitet, Västerås, Sverige, Augusti 1998 28 TT Akagi och M Sugeno Fuzzy identifiering av system och dess tillämpning på modellering och kontroll, IEEE Transactions on Systems, Man och Cybernetics, Vol 15, sid 116-132, 1985 29 Takagi T och Sugeno, M Fuzzy identifiering av system och dess tillämpning på modellering Och kontroll, IEEE-transaktioner på system, man och cybernetik, 15 1985 116-132 30 Wilson, R och Sharda, R Konkursförutsägande med hjälp av neurala nätverk, Decision Support Systems, 11 1994 545-557 31 Ja, S Landsman, WR Miller, BL Peasnell, KV 2011 Innefattar investerare mycket smutsigt överskott. Redovisningsrevisionen 86 1, 237-258 32 Yoon, Y Guimaraes, T och Swales, G Integrering av neurala nätverk med regelbaserade expertsystem, beslutsstödssystem, 11 1994 497-507 33 Zadeh, L Fuzzy sätter information och kontroll, vol 8, sid 338-353, 1965 34 Zadeh, LA Fuzzy-uppsättningar, informationskontroll, 8 1965 338-353.