Erstellen Handel Signale Mit Schwarm Technologie

N. F. F. Ebecken B. L. P. de Lima In diesem Beitrag werden die Möglichkeiten der Natur inspirierten Methoden zur Entwicklung von Handelssystemen vorgestellt. Diese Systeme basierten zum einen auf neuro-genetischen Optimierern und Indikatoren, zum anderen wurden kürzlich andere Alternativen untersucht. Swarm Intelligence hat sich in verschiedenen Bereichen als attraktiv erwiesen und motiviert die Entwicklung eines Rahmens für die Schaffung von Handelssignalen. Diese Strategie wurde in dieser Arbeit auf eine bestimmte Ware angewendet und die Ergebnisse präsentiert. Schlüsselwörter: Schwarm Intelligenz, Multi-Agent-Systeme, Handelssysteme. 1 Einleitung Jeder erkennt an, dass es kein universelles Handelssystem gibt, das eine perfekte Eigenkapitalkurve erzeugt. Jeder hat seine eigenen Standards, Wissen und spezifische Art des Handels. Mehr als das, gibt es unendlich Handelssysteme, die nicht funktionieren. Heute können wir bedenken, dass diese Handelsinstrumente nur Aids sind. In der Praxis für die Modellierung von Modellen (Walk-Forward) empfehlen sich die bekannten Methoden der Bandscheibenwahlmethode 1, um die Aufmerksamkeit auf einige grundlegende Punkte zu lenken: Ausreichende Daten zur Analyse Der Preis ist angemessen Ausreichende Liquidität Der typische Zyklus entspricht der Haltedauer und dem Drawdown-Komfort Ebene Genug Profit Potential Schwarm Intelligenz, Multi-Agent-Systeme, Handelssysteme. Herausgegeben von: A. ZANASI, TEMIS Italia, Italien, C. A. Brebbia, Wessex Institute of Technology, UK und N. F. F. EBECKEN, COPPEUFRJ, Brasilien Halten Sie mich aktualisiert WIT Presse, Ashurst Hütte, Ashurst, Southampton SO40 7AA, Großbritannien. Eingetragen in England als Gesellschaft mit beschränkter Haftung Nr. 4741634 Copyright 2017 WIT Press Alle Rechte vorbehalten - Rückgaberecht - Preisänderungen vorbehalten Bitte melden Sie sich mit untenstehendem Formular an Wenn Sie Ihr Passwort vergessen haben klicken Sie hier um es zurückzusetzen Wenn Sie donapost haben ein Konto , Klicken Sie hier, um sich anzumelden close close Dieser Artikel wurde zu Ihrem Warenkorb hinzugefügtKombination von technischen Handelsregeln mit Partikelschwarm-Optimierung Ein Rewardpenalty-Mechanismus für die Aktualisierung der Komponenten-Gewichte dynamisch über die Zeit. Zeitvariante Partikelschwarmoptimierung für optimale Trading-Strategiesuche. Verwenden Sie die Bootstrapping-Methode, um auf die Handelsleistung zuzugreifen. Hohe Leistung der vorgeschlagenen Handelsstrategie in Bezug auf Gewinn und Risiko. Technische Handelsregeln wurden an der Börse genutzt, um mehr als ein Jahrhundert zu erzielen. Allerdings reicht es möglicherweise nicht aus, die Aktienkursentwicklung exakt vorherzusagen. Obwohl einige komplexe Handelsstrategien, die verschiedene Klassen von Handelsregeln kombinieren, in der Literatur vorgeschlagen worden sind, wählen sie oft nur eine Regel für jede Klasse, die wertvolle Informationen aus anderen Regeln in derselben Klasse verlieren kann. In diesem Papier wird eine komplexe Aktienhandelsstrategie, nämlich eine leistungsorientierte Vergütungsstrategie (PRS), vorgeschlagen. PRS kombiniert die beiden populärsten Klassen der technischen Handelsregeln ndash Gleitender Durchschnitt (MA) und Handelsbereichsausbruch (TRB). Für MA und TRB enthält PRS verschiedene Kombinationen der Regelparameter, um ein Universum von 140 Komponenten-Handelsregeln in allen zu erzeugen. Jeder Komponentenregel wird ein Startgewicht zugewiesen, und es wird vorgeschlagen, einen Rewardpenalty-Mechanismus auf der Grundlage von Regeln zu verwenden, um die Gewichte im Laufe der Zeit zu aktualisieren. Um die besten Parameterwerte von PRS zu bestimmen, verwenden wir einen verbesserten zeitvarianten Particle Swarm Optimization (TVPSO) - Algorithmus mit dem Ziel, den jährlichen Reingewinn von PRS zu maximieren. Die Experimente zeigen, dass PRS alle Komponentenregeln in der Testperiode übertrifft. Um die Bedeutung unserer Handelsergebnisse zu bewerten, verwenden wir die Bootstrapping-Methode, um drei populäre Nullmodelle der Aktienrendite zu testen: den zufälligen Weg, den AR (1) und den GARCH (1, xA01). Die Ergebnisse zeigen, dass PRS nicht mit diesen Nullmodellen übereinstimmt und gute Vorhersagefähigkeit besitzt. Technische Handelsregeln Partikelschwarmoptimierung Bootstrapping Entsprechender Autor. Tel. 852 51737323.