Alta freqüência trading. Quantitative ferramentas têm sido amplamente adotado, a fim de extrair a informação maciça de uma variedade de dados financeiros Matemática, estatística e algoritmos de computadores nunca foram tão importantes para os profissionais financeiros na história Bancos de investimento desenvolvem modelos de equilíbrio para avaliar instrumentos financeiros fundos mútuos As séries temporais aplicadas para identificar os riscos em sua carteira e hedge funds esperam extrair sinais de mercado e arbitragem estatística de dados de mercado ruidosos O aumento do financiamento quantitativo na última década depende do desenvolvimento de técnicas de computador que torna o processamento de grandes conjuntos de dados possível Como mais dados Está disponível em uma freqüência mais alta, mais pesquisas em finanças quantitativas mudaram para as microestruturas do mercado financeiro Dados de alta freqüência é um exemplo típico de dados grandes que é caracterizado pela velocidade, variedade e volume de 3V s Além disso, a relação sinal / ruído Em séries de tempo financeiro é geralmente muito sma Os conjuntos de dados de alta frequência são mais susceptíveis de serem expostos a valores extremos, saltos e erros do que os de baixa frequência. As técnicas específicas de processamento de dados e os modelos quantitativos são elaborados para extrair informações de dados financeiros de forma eficiente Neste capítulo, Em finanças Primeiro, analisamos o desenvolvimento de finanças quantitativas na década passada Depois discutimos as características de dados de alta freqüência e os desafios que traz A análise de dados quantitativos consiste em dois passos básicos i limpeza de dados e agregando ii modelagem de dados Eu reviso a matemática Ferramentas e tecnologias de computação por trás das duas etapas As informações valiosas extraídas de dados brutos é representada por um grupo de estatísticas As estatísticas mais amplamente utilizados em finanças são esperados retorno e volatilidade, que são os fundamentos da moderna teoria do portfólio Adicionalmente, Como um exemplo de A aplicação da análise de dados financeiros Big dados já mudou fundamentalmente indústria financeira, enquanto as ferramentas quantitativas para abordar dados financeiros maciços ainda têm um longo caminho a percorrer Adopções de estatísticas avançadas, teoria da informação, aprendizagem de máquina e algoritmo de computação mais rápido são inevitáveis para prever complicado Mercados financeiros Estes tópicos são brevemente discutidos na parte final deste capítulo. ATENÇÃO O vídeo deve ser re-carregado. Dado um processo de ponto estacionário, uma explosão de intensidade é definida como um curto período de tempo durante o qual o número de contagens é maior do que a taxa de contagem típica Poderia sinalizar uma não-estacionaridade local ou a presença de uma perturbação externa para o sistema Neste artigo propomos um novo procedimento para a detecção de rajadas de intensidade dentro da estrutura do processo de Hawkes. Usando um esquema de seleção de modelo, mostramos que nosso procedimento pode ser Utilizado para detectar rajadas de intensidade quando o seu tempo de ocorrência eo seu número total i S desconhecido Além disso, o tempo inicial da explosão pode ser determinada com uma precisão dada pelo tempo típico inter-evento Aplicamos nossa metodologia para a mudança de preço médio em mercados de FX mostrando que estas rajadas são freqüentes e que apenas uma fração relativamente pequena Está associado à chegada de notícias Nós mostramos as relações de lead-lag na ocorrência de explosão de intensidade em diferentes taxas de FX e discutimos a sua relação com os saltos de preços. Negociação Forex de alta frequência intraday com sistemas de inferência neuro-fuzzy adaptativos. Abdalla Kablan e Wing Lon Ng. Abstract Este artigo introduz um sistema de inferência neurofuzzy adaptativo ANFIS para negociação financeira, que aprende a prever movimentos de preços a partir de dados de treinamento consistindo em dados de carrapatos intradiários amostrados em alta freqüência. Os dados empíricos utilizados em nossa investigação são séries de preços médios de cinco minutos de FX mercados A otimização ANFIS envolve back-testing, bem como a variação do número de épocas, e é combinado com um novo método de captura de volatilidade u Cantar uma abordagem orientada a eventos que leva em consideração mudanças direcionais dentro preestabelecido limiares Os resultados mostram que o modelo proposto supera as estratégias padrão, tais como buy-and-hold ou linear previsão. Downloads external link text html O acesso ao texto completo é restrito a Subscritores. Trabalhos relacionados Este artigo pode estar disponível em outra parte em EconPapers Busca por artigos com o mesmo título. Referência de exportação BibTeX RIS EndNote, ProCite, RefMan HTML Text. Mais artigos na Revista Internacional de Mercados Financeiros e Derivados de Inderscience Enterprises Ltd Darren Simpson. This site faz parte do RePEc e todos os dados aqui apresentados fazem parte do conjunto de dados RePEc. Seu trabalho está faltando no RePEc Aqui está como contribuir. Questions ou problemas Verifique as FAQ do EconPapers ou envie um e-mail para. Dynamically Optimized High Frequency Moving Average Estratégias para Intraday Trading. This papel é motivado pelo aspecto da incerteza na financeira de Este artigo apresenta um sistema otimizado de negociação de alta freqüência que foi combinado com várias médias móveis para produzir um sistema híbrido Que supera os sistemas de negociação que dependem exclusivamente de médias móveis O papel otimiza um sistema de inferência neurofuzzy adaptativo que leva o preço e sua média móvel como entrada, aprende a prever movimentos de preços a partir de dados de treinamento consistindo de dados intraday, troca dinamicamente entre os melhores Executando médias móveis e executa a tomada de decisão de quando comprar ou vender uma determinada moeda em alta freqüência. 1 A Kablan 2009 A Fuzzy Logic Sistema de análise de momentum para corretagem financeira, os trabalhos da Conferência Internacional sobre Teoria Financeira e Engenharia IEEEXplore, Vol 1, pp 57-62 ISBN 978-0-7695-3949-2 2 A Kablan 2009 Adaptativa Neuro Fuzzy Sistemas de Negociação e Previsão de Alta Frequência, actas da Terceira Conferência Internacional de Engenharia Avançada Computação e Aplicações em Ciências IEEEXplore, Vol 1, pp 105 - 110 ISBN 978-0-7695-3829-7 3 A Kablan, WL Ng, 2018, Estratégia de Negociação de Alta Freqüência Usando a Transform Hilbert, 6ª Conferência Internacional sobre Computação em Rede e Gestão Avançada de Informação Vol 1, pp 466 - 471 ISBN 978-89-88678-26-8 4 A Kablan, WL Ng, 2018, Negociação de Alta Frequência usando Fuzzy Análise de Momentum, procedimentos da IAENG 2018 Conferência Internacional de Engenharia Financeira ICFE, Londres Vol 1, pp 352-357 ISBN 978-988-17012-9-9 5 A Kablan, WL Ng, 2017, Estratégias de Colocação de Ordem de Alta Frequência com Fuzzy Lógica e Fu Inferência Intraday de Alta Freqüência com Sistemas de Inferência Neurofuzzy Adaptativos, Revista Internacional de Mercados Financeiros e Derivados 7 A Kablan Sistemas de Inferência Neuro Fuzzy Adaptativa Modelagem do comportamento caótico dos índices do Mercado de Valores de Dhaka usando o modelo neuro-fuzzy, 10ª Conferência Internacional sobre Ciências e Tecnologias Avançadas de Computação e Aplicações em Ciências 2009 8 Banik, S et al 2007, Computador e tecnologia da informação 9 C Tseng, Y Lin Sociedade de Inteligência Computacional Financeira para Economia Computacional Computação em Economia e Finanças não 42 2005 10 Chang, SSL 1977 Aplicação da teoria de conjuntos fuzzy à economia Kybernetes 6, pp 203-207 11 Dacarogna, M et al 2001, Introdução à Alta Frequência Financeira, Academic Press 12 Dormale, AV 1997 O Poder de Dinheiro, Macmillan Press, Londres 13 E Boehmer 2005 Dimensões da qualidade de execução evidência recente para os mercados de ações dos EUA Jornal de Economia Financeira 78, 553-582, 2005 14 EF Fama 1970 Eficiente mercados de capital Uma revisão da teoria e do trabalho empírico Modelos difusos e algoritmos para o reconhecimento de padrões e processamento de imagens Springer 17 JM Griffin, F Nardari, R Stulz (Reino Unido), JM Bezdek, R Krisnapuram, A negociação no mercado de ações e condições de mercado NBER, Working Paper 10719, 1-48 2004 18 Kablan, A, WL Ng, 2017 Negociação de alta freqüência usando Fuzzy Momentum Analysis, Springer Engenharia Letters, Londres 19 Li, Y Musilek, P e Wyard-Scott, L Lógica fuzzy no design de jogo baseado em agentes Reunião Anual de Processamento de Informações Fuzzy 2004, vol 2, pp734-739, 2004 20 Lootsma, FA 1997 Lógica difusa para planejamento e tomada de decisão Springer 21 M Fedrizzi, W Ostasiewicz 1993 To Modelos fuzzy em economia Conjuntos difusos e sistemas, vol 54, Issue 3, pp 259-268, 22 Ormerod, P 2000 Economia da borboleta Uma nova teoria geral do comportamento social e econômico Pantheon, Nova York 23 Q Song, BS Chissom Previsão de matrículas com Fuzzy Sets and Systems 62, pp 1-8, 1994 24 Roger Jang, JS ANFIS Sistema de inferência fuzzy baseado em rede adaptativo, IEEE Transactions on Systems, Man e Cybernetics, 23 3 1993 665-685 25 S Chabaa E A Zeroual Previsão de Dados de Transmissão de Pacotes sobre Redes IP Usando Sistemas de Inferência Neurofuzzy Adaptáveis Revista de Ciência da Computação Vol 5 2, pp 123-130, 2009 26 Schulmeister, S, 2009, Ima-TOM-1997-07, Centro de Modelagem Matemática, Departamento de Matemática e Physis, Universidade de Malardalen, Vasteras, Suécia, Agosto de 1998 28 TT Akagi e M Sugeno Identificação fuzzy de sistemas e sua aplicação à modelagem e controle, IEEE Transações sobre Sistemas, Homem e Cibernética, Vol. 15, pp 116-132, 1985 29 Takagi T e Sugeno, M Identificação fuzzy de sistemas e sua aplicação à modelagem E controle, IEEE Transactions on Systems, Man e Cybernetics, 15 1985 116-132 30 Wilson, R e Sharda, R Previsão de falências utilizando redes neurais, Decision Support Systems, 11 1994 545-557 31 Yeh, S Landsman, WR Miller, BL Peasnell, KV 2017 Os investidores entendem realmente superávit sujo A análise contábil, 86 1, 237-258 32 Yoon, Y Guimarães, T e Swales, G Integrando redes neurais com sistemas baseados em regras, Decision Support Systems, 11 1994 497-507 33 Zadeh, L Fuzzy conjuntos Informação e Controle, vol 8, pp 338-353, 1965 34 Zadeh, LA Conjuntos difusos, Information Control, 8 1965 338-353.
No comments:
Post a Comment