Sistema de apoio à decisão de negociação de ações

Um sistema adaptativo de apoio à decisão comercial de índice de ações.

Destaques.

O sistema fornece um processo de seleção de modelo automatizado e adaptável.

O sistema prevê a direção do preço das ações, em vez do nível previsto.

A otimização de enxame de partículas é usada para reduzir o tempo de computação.

O Denoising é usado para lidar com a volatilidade do mercado de ações.

Prever a direção e o movimento dos preços do índice de ações é difícil, muitas vezes levando a negociação excessiva, custos de transação e oportunidades perdidas. Muitas vezes, os comerciantes precisam de um método sistemático para não só encontrar oportunidades de negociação, mas também fornecer uma abordagem consistente, minimizando os erros e os custos comerciais. Embora existam sistemas de negociação mecânica, eles geralmente são projetados para um estoque específico, índice de ações ou outro ativo financeiro e muitas vezes são altamente dependentes de insumos pré-selecionados e parâmetros do modelo que se espera que continuem fornecendo informações comerciais bem após o treinamento inicial ou back - período de desenvolvimento do modelo testado. A pesquisa a seguir leva a um modelo de negociação detalhado que fornece uma maneira mais eficaz e inteligente de reconhecer os sinais comerciais e auxiliar os investidores com decisões de negociação, utilizando um sistema que adapta tanto os insumos como o modelo de previsão com base na saída desejada. Para ilustrar a abordagem adaptativa, são utilizadas múltiplas insumos e técnicas de modelagem, incluindo redes neurais, otimização de enxames de partículas e denoising. As simulações com índices de ações ilustram como os comerciantes podem gerar retornos mais elevados usando o modelo de sistema de suporte à decisão adaptativa desenvolvido. Os benefícios da adição de tomada de decisão adaptativa e inteligente às previsões também são discutidos.

Escolha uma opção para localizar / acessar este artigo:

Verifique se você tem acesso através de suas credenciais de login ou sua instituição.

Um sistema inteligente de suporte à decisão de negociação de ações através da integração de algoritmos genéticos baseados em redes neurais difusas e redes neurais artificiais.

O mercado de ações, que foi investigado por diversos pesquisadores, é um ambiente bastante complicado. A maioria das pesquisas apenas dizia respeito aos índices técnicos (fatores quantitativos), em vez de fatores qualitativos, por exemplo, efeito político. No entanto, este último desempenha um papel crítico no mercado de ações. Assim, este estudo desenvolve um algoritmo genético baseado em rede neural difusa (GFNN) para formular a base de conhecimento das regras de inferência difusa que podem medir o efeito qualitativo sobre o mercado de ações. Em seguida, o efeito está ainda integrado com os índices técnicos através da rede neural artificial (RNA). Um exemplo baseado no mercado de ações de Taiwan é utilizado para avaliar o sistema inteligente proposto. Os resultados da avaliação indicam que a rede neural considerando os fatores quantitativos e qualitativos supera a rede neural considerando apenas os fatores quantitativos, tanto na clareza dos pontos de compra-venda quanto na performance de compra-venda.

Escolha uma opção para localizar / acessar este artigo:

Verifique se você tem acesso através de suas credenciais de login ou sua instituição.

Sistema de Apoio à Decisão Evolutiva para Mercado de Valores Mobiliários.

Piotr Lipinski.

Este artigo propõe um sistema de apoio à decisão para a negociação no mercado de ações, que se baseia em um algoritmo de estratégia de evolução aplicado para construir um especialista em bolsa de valores eficiente construído como uma média ponderada de uma série de regras específicas de negociação no mercado de ações que analisam séries de tempo financeiro de preço recente citações. Embora se apliquem separadamente, essas regras de negociação, que provêm do conhecimento praticador de analistas financeiros e investidores de mercado, dão resultados médios, combinando-os em um especialista em negociação leva a uma melhoria significativa e estratégias de investimento eficientes. As experiências sobre dados reais da Bolsa de Valores de Paris confirmam a relevância financeira das estratégias de investimento com base em tais especialistas em negociação.

Referências.

Informações sobre direitos autorais.

Autores e afiliações.

Piotr Lipinski 1 1. Instituto de Ciências da Computação da Universidade de Wroclaw, Wroclaw, Polônia.

Sobre este artigo.

Recomendações personalizadas.

Cite o papel.

.RIS Papers Reference Manager RefWorks Zotero.

.BIB BibTeX JabRef Mendeley.

Compartilhe papel.

Download instantâneo legível em todos os dispositivos Possuí-lo para sempre Imposto de venda local incluído, se aplicável.

Cite o papel.

.RIS Papers Reference Manager RefWorks Zotero.

.BIB BibTeX JabRef Mendeley.

Compartilhe papel.

Mais de 10 milhões de documentos científicos ao seu alcance.

Switch Edition.

&cópia de; 2017 Springer International Publishing AG. Parte de Springer Nature.

Sistema de suporte à decisão - DSS.

DEFINIÇÃO do 'Sistema de Apoio à Decisão - DSS'

Um sistema de apoio à decisão (DSS) é um sistema informatizado de informação usado para apoiar a tomada de decisões em uma organização ou empresa. Um DSS permite que os usuários atravessem e analise enormes resmas de dados e compilem informações que podem ser usadas para resolver problemas e tomar melhores decisões.

Os benefícios dos sistemas de apoio à decisão incluem uma tomada de decisão mais informada, resolução de problemas atempada e melhor eficiência para lidar com problemas com variáveis ​​que mudam rapidamente.

BREAKING 'Decision Support System - DSS'

Um DSS pode ser usado pelo gerenciamento de operações e níveis de planejamento em uma organização para compilar informações e dados e sintetizá-lo em inteligência acionável. Isso permite ao usuário final tomar decisões mais informadas em um ritmo mais rápido.

O que um DSS pode analisar?

O DSS é um aplicativo de informação que produz informações abrangentes. Isso é diferente de um aplicativo de operações, que seria usado para coletar os dados em primeiro lugar. Um DSS é usado principalmente pelo gerenciamento de nível médio a superior, e é fundamental para entender grandes quantidades de dados.

Por exemplo, um DSS poderia ser usado para projetar a receita de uma empresa nos próximos seis meses com base em novos pressupostos sobre as vendas de produtos. Devido à grande quantidade de variáveis ​​que envolvem os valores da receita projetada, este não é um cálculo direto que pode ser feito à mão. Um DSS pode integrar variáveis ​​múltiplas e gerar resultados e resultados alternativos, todos baseados nos dados de vendas e vendas atuais da empresa.

Como um DSS pode apresentar a informação?

O objetivo principal de usar um DSS é apresentar informações ao cliente de forma fácil de entender. Um sistema DSS é benéfico porque pode ser programado para gerar muitos tipos de relatórios, todos com base nas especificações do usuário. Um DSS pode gerar informações e exibi-lo graficamente, como um gráfico de barras que representa a receita projetada ou como um relatório escrito.

Onde um DSS pode ser usado?

À medida que a tecnologia continua a avançar, a análise de dados não está mais limitada a grandes quadros volumosos. Uma vez que um DSS é essencialmente um aplicativo, ele pode ser carregado na maioria dos sistemas de computador, incluindo laptops. Certos aplicativos DSS também estão disponíveis através de dispositivos móveis. A flexibilidade do DSS é extremamente benéfica para os clientes que viajam com freqüência. Isso lhes dá a oportunidade de estar bem informado em todos os momentos, o que, por sua vez, proporciona a eles a capacidade de tomar as melhores decisões para a sua empresa e clientes a qualquer momento.

Um sistema de suporte de decisão de estoque com base em ELM.

Chengzhang Zhu Email autor Jianping Yin Qian Li.

Muitas vezes, as pessoas tendem a usar uma maneira confiável de prever o mercado de ações, a fim de obter um retorno substancial sobre o investimento. No entanto, com muita incerteza e ruído, a previsão está cheia de desafios e riscos quando se trata de mercados de ações. Este capítulo combina a máquina de aprendizagem extrema (ELM) e a teoria da caixa de Oscilação em conjunto para construir um sistema de suporte à decisão de estoque, o que pode ajudar as pessoas a tomar decisões sobre a negociação de ações através da sugestão de comprar ou vender ações. Em experimentos, 4 movimentos típicos de estoque foram testados em negociação e 400 ações em S & P500 são usadas para detectar o desempenho do sistema. Os resultados mostram que nosso método é muito melhor do que a estratégia de compra e retenção.

Notas.

Agradecimentos.

Este trabalho foi apoiado pela National Natural Science Foundation of China (Projeto No. 60970034, 61170287 e 61232018).

Referências.

Informações sobre direitos autorais.

Autores e afiliações.

Chengzhang Zhu 1 Autor de e-mail Jianping Yin 2 Qian Li 3 1. Faculdade de Informática Universidade Nacional de Tecnologia de Defesa Changsha China 2. Laboratório Chave de Estado de Computação de Alto Nível Universidade Nacional de Tecnologia de Defesa Changsha China 3. Escola de Economia Minzu Universidade da China Pequim China .

Sobre este capítulo.

Recomendações personalizadas.

Cite o capítulo.

.RIS Papers Reference Manager RefWorks Zotero.

.BIB BibTeX JabRef Mendeley.

Compartilhe o capítulo.

Download instantâneo legível em todos os dispositivos Possuí-lo para sempre Imposto de venda local incluído, se aplicável.

Cite o capítulo.

.RIS Papers Reference Manager RefWorks Zotero.

.BIB BibTeX JabRef Mendeley.

Compartilhe o capítulo.

Mais de 10 milhões de documentos científicos ao seu alcance.

Switch Edition.

&cópia de; 2017 Springer International Publishing AG. Parte de Springer Nature.