بهبود سیستم های معاملاتی با استفاده از شاخص مالی RSI و شبکه های عصبی

سیستم های تجارت و تجزیه و تحلیل رفتاری سهام برای تجزیه و تحلیل مجموعه داده های بزرگ مالی (LFD) به تکنیک های هوش مصنوعی کارآمد نیاز دارند و در چشم انداز اقتصادی فعلی به چالش مهمی برای تحقیقات چند رشته ای تبدیل شده اند. به ویژه ، سیستم های پشتیبانی تصمیم گیری با محوریت تجارت مبتنی بر شاخص قدرت نسبی تحلیلی یا تجزیه و تحلیل فنی (RSI) منتشر و در سراسر جهان مورد استفاده قرار گرفته و مورد استفاده قرار گرفته است.

به PDF کامل مراجعه کنید به PDF کامل مراجعه کنید

مقالات مرتبط

سیستم های معاملاتی انتزاعی ابزاری برای کمک به تحلیلگران مالی در فرآیند سرمایه گذاری در شرکت ها هستند. این فرآیند بسیار پیچیده است زیرا تعداد زیادی از متغیرها در آن شرکت می کنند. علاوه بر این ، برای انجام یک سرمایه گذاری مبتنی بر مجموعه داده های عظیمی از داده ها باید در نظر گرفته شود و این روند را پیچیده تر کند. در این مقاله یک سیستم معاملاتی واقعی ارائه می دهیم که با استفاده از فناوری های معنایی توسعه یافته است.

بارگیری رایگان PDF PDF

resumen la predicción de comportamientos bursátiles es sin duda el problema al que suele enfrentarse todo inversor del mercado de valores. Sin Embargo ، prever el comportamiento de un mercado tan fluctuante como el detinado por el conjunto de valores que cotizan en el ibex 35 ، donde بسیاری از فاکتورهای pueden en él ، supone todo un reto. پسر واقعی Los Métodos ، Modelos y Herramientas que Tratan de Ayudar a conseguirlo. بدون توجه ، la mayoría de elos realizan sus evestaciones únicamente en bas a datos de comportamientos previos ، por lo que la aparición de sucesos ، suelen hacer cualquier investación inicial al poco tiempo. ante este tipo de problemas ، el uso de técnicas de computing ، debido a su capacidad para trabajar con datos imprecisos e ناقص ، supone una herramienta poliventee en بسیاری از افراد. por este motivo ، en el voree trabajo se propone un modelo basado en su uso ، como herramienta de ayuda para la previsión de comportamientos bursátiles.

بارگیری رایگان PDF PDF

بارگیری رایگان PDF PDF

این مطالعه با هدف بررسی بنیادهای نظری و بررسی ادبیات برای رویکرد تحلیل فنی ، برای بررسی توانایی این رویکرد برای پیش بینی ارزش سهام آینده در بازارهای مالی در حال ظهور و توسعه یافته است. در مورد بررسی چندین مطالعه در بازارهای نوظهور و در نتیجه ناکارآمدی مالی ، ساده ترین قوانین تجارت فنی قادر به پیش بینی ارزش سهام آینده هستند. در مقابل ، استفاده از همین قوانین ساده (مدل ها) برای تجزیه و تحلیل فنی منجر به پیش بینی های نادرست در بازارهای مالی توسعه یافته می شود ، با این حال ، با استفاده از برخی مدل های پیچیده مانند شبکه عصبی ، الگوریتم ژنتیکی ، برنامه نویسی ژنتیکی و سیستم تجزیه و تحلیل Chartistبرای تجارت (CAST) و مدل های کاربردی تجزیه و تحلیل فنی ، نتیجه در پیش بینی ارزش سهام آینده با استفاده از رویکرد تحلیل فنی در بازارهای مالی توسعه یافته بسیار واضح است. بنابراین می توان نتیجه گرفت که تجزیه و تحلیل فنی در بازارهای مالی در حال ظهور و توسعه یافته سودآور است. این مطالعه توصیه می کند که تحقیق و مطالعه سعی در دستیابی به بهترین و دقیق ترین مدل های تجزیه و تحلیل فنی که می تواند در هر دو بازارهای مالی در حال ظهور و توسعه یافته اعمال شود ، که در این صورت قابل تعمیم است.

بارگیری رایگان PDF PDF

مجله بین المللی ابزارهای هوش مصنوعی

این مقاله در مورد طراحی ، توسعه و آموزش یک شبکه عصبی برای پیش بینی کوتاه مدت روند خرید و فروش در بازارهای ارزی است. ما از مجموعه ای از شاخص های فنی مالی تعیین شده به عنوان ورودی به شبکه عصبی استفاده می کنیم و معماری را برای پیش بینی یک روند و سپس آموزش شبکه بر اساس صحت پیش بینی توسعه می دهیم. ما آزمایش های گسترده زمان واقعی را با قیمت های پایانی (یک در دقیقه) نرخ ارز USD/EUR برای یک سال انجام می دهیم. رویکرد کلی سیستمی را ارائه می دهد که روند قابل ملاحظه ای بهتر از شاخص های فنی فردی را پیش بینی می کند.

بارگیری رایگان PDF PDF

این مطالعه با هدف بررسی بنیادهای نظری و بررسی ادبیات برای رویکرد تحلیل فنی ، برای بررسی توانایی این رویکرد برای پیش بینی ارزش سهام آینده در بازارهای مالی در حال ظهور و توسعه یافته است. در مورد بررسی چندین مطالعه در بازارهای نوظهور و در نتیجه ناکارآمدی مالی ، ساده ترین قوانین تجارت فنی قادر به پیش بینی ارزش سهام آینده هستند. در مقابل ، استفاده از همین قوانین ساده (مدل ها) برای تجزیه و تحلیل فنی ، منجر به پیش بینی های نادرست در بازارهای مالی توسعه یافته می شود ، با این حال ، با استفاده از برخی مدل های پیچیده مانند: شبکه عصبی ، الگوریتم ژنتیکی (GA) ، برنامه نویسی ژنتیکی (GP) و بازیگران و تجزیه و تحلیل فنی مدل های کاربردی ، نتیجه در پیش بینی ارزش سهام آینده با استفاده از رویکرد تحلیل فنی در بازارهای مالی توسعه یافته بسیار واضح است. بنابراین می توان نتیجه گرفت که تجزیه و تحلیل فنی در هر دو بازارهای مالی در حال ظهور و توسعه یافته سودآور است ، بنابراین این مطالعه توصیه می کند که تحقیق و مطالعه برای رسیدن به بهترین و دقیق ترین مدل های تجزیه و تحلیل فنی که می تواند در هر دو بازارهای مالی نوظهور و توسعه یافته اعمال شود، که پس از آن می توان تعمیم داد.

بارگیری رایگان PDF PDF

سیستم های خبره با برنامه های کاربردی