고주파 외환 거래 적응 형 신경 퍼지 추론 시스템

고주파 거래. 다양한 금융 데이터에서 방대한 정보를 추출하기위한 정량적 도구가 널리 채택되었습니다. 수학, 통계 및 컴퓨터 알고리즘은 역사상 금융 개업자에게는 결코 중요하지 않습니다. 투자 은행은 금융 상품 뮤추얼 펀드를 평가하는 평형 모델을 개발합니다. 포트폴리오 및 헤지 펀드의 위험을 파악하기 위해 적용된 시계열은 시끄러운 시장 데이터로부터 시장 신호 및 통계적 차용을 추출하기를 희망합니다 지난 십 년간 양적 금융의 증가는 대규모 데이터 세트를 처리 할 수있는 컴퓨터 기술의 개발에 달려 있습니다. 더 많은 빈도로 이용 가능, 양적 금융에 대한 더 많은 연구가 금융 시장의 미세 구조로 전환 고주파 데이터는 3V 속도, 다양성 및 볼륨으로 특징 지어지는 큰 데이터의 전형적인 예입니다. 또한 신호 대 잡음비 금융 시간 시리즈는 대개 매우 sma입니다. 고주파 데이터 세트는 저주파수 데이터보다 극단적 인 값, 점프 및 오류에 노출 될 가능성이 더 높습니다. 특정 데이터 처리 기술 및 정량 모델은 재무 데이터에서 정보를 효율적으로 추출하도록 정교하게 설계되었습니다. 이 장에서는 양적 데이터 분석 접근법 금융 분야에서 우리는 지난 10 년 동안 양적 금융의 발전을 검토합니다. 그런 다음 고주파 데이터의 특성과 그것이 가져 오는 어려움에 대해 논의합니다. 정량적 데이터 분석은 데이터 정리와 데이터 모으기의 두 가지 기본 단계로 구성됩니다. 도구 및 컴퓨팅 기술 원시 데이터에서 추출한 귀중한 정보는 통계 그룹으로 표시됩니다. 금융에서 가장 널리 사용되는 통계는 현대 포트폴리오 이론의 기본 요소 인 기대 수익률과 변동성입니다. 간단한 포트폴리오 최적화 전략의 예로서 금융 데이터 분석의 응용 빅 데이터는 이미 금융 산업을 근본적으로 바꿔 놓았으나 대규모 금융 데이터 처리를위한 정량적 도구는 아직 갈 길이 멀다. 고급 통계, 정보 이론, 기계 학습 및 빠른 컴퓨팅 알고리즘의 채택은 불가피하게 복잡한 금융 시장이 주제는이 장의 뒷부분에서 간략하게 논의됩니다. 주의 비디오는 다시 업로드해야합니다. 정적 포인트 프로세스가 주어지면 강도 버스트는 카운트 수가 일반적인 카운트 속도보다 빠른 짧은 기간으로 정의됩니다 로컬 non-stationarity 또는 시스템에 대한 외부 교란의 존재 여부를 신호로 나타낼 수 있음이 논문에서는 Hawkes 프로세스 프레임 워크 내에서 강도 버스트를 탐지하기위한 새로운 절차를 제안합니다. 모델 선택 체계를 사용하여 우리의 절차가 발생 시간과 총 수 i가 동시에 발생하면 강도 버스트를 감지하는 데 사용됩니다 s 알려지지 않음 게다가, 버스트의 초기 시간은 전형적인 이벤트 간 시간에 의해 주어진 정밀도로 결정될 수 있습니다. 우리는이 방법론을 FX 시장의 중간 가격 변화에 적용하여 이러한 파열이 빈번하고 상대적으로 작은 부분 는 뉴스 도착과 관련되어 있습니다. 서로 다른 환율을 통해 집중적 인 버스트 발생으로 리드 - 지연 관계를 보여주고 가격 점프와의 관계를 논의합니다. 적응 형 신경 - 퍼지 추론 시스템을 사용한 일일 고주파수 외환 거래. Abdalla Kablan 및 Wing Lon Ng. Abstract 본 논문에서는 금융 거래를위한 적응 형 신경 - 퍼지 추론 시스템 인 ANFIS를 소개한다. 이 시스템은 고주파수에서 샘플링 된 intraday tick 데이터로 구성되는 훈련 데이터로부터 가격 변동을 예측하는 것을 학습한다. 우리의 조사에서 사용 된 경험적 데이터는 5 분 중간 가격 시계열 FX 시장 ANFIS 최적화는 백 테스트뿐만 아니라 신기원의 수를 변화시키는 것을 포함하며, 휘발성을 포착하는 새로운 방법과 결합됩니다 사전 지정된 임계 값 내에서 방향 변경을 고려한 이벤트 중심 접근 방식을 제시합니다. 결과는 제안 된 모델이 구매 및 보류 또는 선형 예측과 같은 표준 전략을 능가한다는 것을 보여줍니다. 외부 링크 텍스트 다운로드 전체 텍스트에 대한 액세스는 관련 제품이 항목은 EconPapers의 다른 곳에서도 사용 가능합니다. 동일한 제목의 항목을 검색하십시오. 수출 참조 BibTeX RIS EndNote, ProCite, RefMan HTML 텍스트. Inderscience Enterprises Ltd의 금융 시장 및 파생 상품 국제 저널에 실린 시리즈 데이터 대런 심슨. 이 사이트는 RePEc의 일부이며 여기에 표시된 모든 데이터는 RePEc 데이터 세트의 일부입니다. RePEc에서 누락 된 작업 여기에 기여 방법이 있습니다. 질문 또는 문제 EconPapers FAQ를 확인하거나 메일을 보내십시오. 동적으로 최적화 된 고주파 이동 평균 전략 (Intraday Trading). 본 논문은 재무 적 불확실성의 측면에 의해 동기 부여된다. 인공 지능과 소프트 컴퓨팅이 어떻게 고주파 거래가 이루어지는 알고리즘 거래 애플리케이션에 사용될 수 있는지에 대한 연구이 논문은 다양한 이동 평균과 결합되어 하이브리드 시스템을 생산하는 최적화 된 고주파 거래 시스템을 제시합니다 이 논문은 가격과 이동 평균을 입력으로 받아들이고, 일중 데이터로 구성된 교육 데이터로부터 가격 이동을 예측하고, 최상의 데이터를 동적으로 전환하는 적응 형 신경 퍼지 추론 시스템을 최적화합니다 이동 평균을 수행하고, 특정 통화를 고주파로 매매 할시기를 결정합니다. 1 A Kablan 2009 금융 브로커리지를위한 퍼지 논리 모멘텀 분석 시스템, 금융 이론 및 공학에 관한 국제 회의의 진행 IEEEXplore, Vol 1, pp 57-62 ISBN 978-0-7695-3949-2 2 Kablan 2009 Adaptive Neuro Fuzzy 고주파 거래 및 예측을위한 시스템, 첨단 엔지니어링 컴퓨팅 및 응용 분야에 관한 제 3 차 국제 회의의 진행 IEEEXplore, 1 권, 105 - 110 페이지 ISBN 978-0-7695-3829-7 3 A Kablan, WL Ng, 2010, Hilbert Transform을 이용한 고주파 거래 전략, 제 6 회 국제 컴퓨팅 학회 학술 대회 논문집, 제 46 권 제 4 호, pp 466 - 471 ISBN 978-89-88678-26-8 4 A Kablan, WL Ng, 2010, Fuzzy를 이용한 고주파 거래 모멘텀 분석, IAENG 2010 국제 금융 공학 회의 ICFE, London Vol 1, pp 352- 357 ISBN 978-988-17012-9-9 5 Kablan, WL Ng, 2011, 퍼지가있는 고주파 주문 배치 전략 논리 및 푸 6, Kablan, WL Ng, 2011, Adaptive Neuro-Fuzzy 추론 시스템을 이용한 고주파 외환 거래, 금융 시장 및 파생 상품 국제 저널 7 Kablan Adaptive Neuro 퍼지 추론 시스템 고주파 금융 거래 및 예측을위한 제 3 회 국제 학술회의 발표 논문집 2009 8 Banik, S et al 2007, 신경 - 퍼지 모델을 이용한 다카 주식 시장 지수의 혼돈 된 행동 모델링, 제 10 회 국제 컨퍼런스 컴퓨터와 정보 기술 9 C Tseng, Y Lin 계산 경제학 전산 지능 학회 no 42 2005 10 Chang, SSL 1977 퍼지 집합 이론을 경제학에 적용하기 Kybernetes 6, pp 203-207 11 Dacarogna, M et al 2001, 고주파 금융 소개, 학술 보도 자료 12 Dormale, AV 1997 Money, Macmillan Press, London 13 E Boehmer 2005 미국의 주식 시장에 대한 실행 품질 최근의 증거의 규모 Journal of Financial Economics 78, 553-582, 2005 14 EF Fama 1970 효율적인 자본 시장 이론 및 경험적 연구의 검토 Journal of Finance, pages 383-417, 5 월 15 일 Grabbe, JO 1996 국제 금융 시장, Englewood Hills, Prentice Hall Inc 16 JC Bezdek, R Krisnapuram, NR Pal 1999 패턴 인식 및 이미지 처리를위한 퍼지 모델 및 알고리즘 Springer 17 JM Griffin, F Nardari, R Stulz 주식 시장 거래 및 시장 조건 NBER, Working Paper 10719, 1-48 2004 18 Kablan, A, WL Ng, 2011 퍼지 모멘텀 분석을 이용한 고주파 거래, Springer Engineering Letters, London 19 Li, Y Musilek, P and Wyard-Scott, L 에이전트 기반 게임 디자인의 퍼지 로직 2004 퍼지 정보 처리 연차 총회, vol 2, pp734-739, 2004 20 Lootsma, FA 1997 계획과 의사 결정을위한 퍼지 논리 Springer 21 M Ostasiewicz W Fedrizzi, 경제학의 퍼지 모델링 퍼지 세트와 시스템, 54 권, 3 권, 259-268, 22 쪽 Ormerod, 2000 년 나비 경제학 사회 경제적 행동의 새로운 일반 이론 뉴욕 판테온 23 Q 노래, BS Chissom fuzzy 시계열 Part II 퍼지 집합과 시스템 62, pp 1-8, 1994 24 Roger Jang, JS ANFIS 적응 네트워크 기반 퍼지 추론 시스템, IEEE Transactions on Systems, Man and Cybernetics, 23 3 1993 665-685 25 S Chabaa 및 A Zeroual 예측 패킷 - 전송 데이터를 통해 IP 네트워크를 통해 적응 신경 - 퍼지 추론 시스템 저널 컴퓨터 과학 제 5 권 2 호, pp 123-130, 2009 26 Schulmeister, S, 2009, 일반 금융 거래 세금 찬반론, 단점과 제안 WIFO Working Paper No 344 27 T Hellstrm and K Holmstrom 주식 시장 기술 예측 보고서 Ima-TOM-1997-07, 스웨덴, 말 스탈린 대학, 수학 및 물리학과 수리 센터, 1998 년 8 월 28 일 TT akagi and M Sugeno 시스템의 퍼지 식별과 모델링과 제어에의 적용, IEEE Transactions on Systems, Man and Cybernetics, 15 권, 116-132, 1985 29 Takagi T and Sugeno, M Fuzzy 시스템 식별 및 모델링 적용 and Control, IEEE Transactions on Systems, Man and Cybernetics, 15 1985 116-132 30 Wilson, R and Sharda, R 신경 네트워크를 이용한 파산 예측, Decision Support Systems, 11 1994 545-557 31 Yeh, S Landsman, WR Miller, BL Peasnell, KV 2011 투자자들은 정말로 더러운 잉여를 이해하고 있습니까? 회계 검토, 86 1, 237-258 32 Yoon, Y Guimaraes, T and Swales, G 규칙 기반 전문가 시스템과 의사 결정 지원 시스템, 11 1994 497-507 33 Zadeh, L Fuzzy는 Information and Control, vol 8, pp 338-353, 1965를 설정한다. 34 Zadeh, LA Fuzzy sets, Information Control, 8 1965 338-353.