روشهای یادگیری ماشین در بهینه سازی استراتژی تجارت الگوریتمی - طراحی و راندمان زمان

هدف اصلی این مقاله تدوین و تجزیه و تحلیل روشهای یادگیری ماشین ، متناسب با ویژگی بهینه سازی پارامترهای استراتژی بود. مهمترین مشکلات حساسیت یک عملکرد استراتژی به تغییرات پارامتر کمی و تعداد زیادی اکستای محلی است که به روشی نامنظم از طریق فضای راه حل توزیع می شود. این روشها به منظور کوتاه شدن قابل توجه زمان محاسبه ، بدون از دست دادن قابل توجه کیفیت استراتژی طراحی شده اند. کارآیی روشها برای سه جفت مختلف دارایی در صورت حرکت میانگین سیستم متقاطع مقایسه شد. این مشکل برای سه مجموعه از اوراق بهادار دو دارایی ارائه شده است. در مورد اول ، یک استراتژی در معاملات آینده SPX و DAX Index معاملات بود. در دوم ، در سهام AAPL و MSFT ؛و سرانجام ، در مورد سوم ، در آینده کالاهای HGF و CBF. روشهای کار شده بر روی داده های نمونه ، حاوی 16 سال قیمت روزانه بین سالهای 1998 تا 2013 و در دوره خارج از نمونه بین سال های 2014 و 2017 تأیید شد. فرضیه اصلی تأیید شده در این مقاله این است که روش های یادگیری ماشین استراتژی ها را انتخاب می کنندبا معیار ارزیابی در نزدیکی بالاترین ، اما در زمان اجرای قابل توجهی پایین تر از روش نیروی بی رحمانه (جستجوی جامع).

استناد پیشنهادی

بارگیری متن کامل از ناشر

منابع ذکر شده در ایده ها

1. Gunasekarage ، Abeyratna & Power ، David M. ، 2001. "سودآوری در حال حرکت قوانین متوسط تجارت در بازارهای سهام آسیای جنوبی ،" بررسی بازارهای نوظهور ، Elsevier ، جلد. 2 (1) ، صفحات 17-33 ، مارس.
2. Ardia ، David & Boudt ، Kris & Carl ، Peter & Mullen ، Katharine M. & Peterson ، Brian ، 2010. "تکامل دیفرانسیل (DEOPTIM) برای بهینه سازی نمونه کارها غیر Convex ،" مقاله MPRA 22135 ، کتابخانه دانشگاه مونیخ ، آلمان.

استناد

1. Illia Baranochnikov & Robert ślepaczuk ، 2022. "مقایسه معماری های LSTM و GRU با رویکرد جدید راه رفتن به استراتژی سرمایه گذاری الگوریتمی ،" مقالات کار 2022-21 ، دانشکده علوم اقتصادی ، دانشگاه ورشو.

بیشتر موارد مرتبط

1. Przemysław Ryś & Robert ślepaczuk ، 2018. "یادگیری ماشین در بهینه سازی استراتژی تجارت الگوریتمی - اجرای و کارآیی" ، مقالات کار 2018-25 ، دانشکده علوم اقتصادی ، دانشگاه ورشو.
2. Bilel Jarraya ، 2013. "تخصیص دارایی و مشکلات بهینه سازی نمونه کارها با متهورستیک: یک بررسی ادبیات ،" تعالی و مدیریت تجارت ، دانشکده مدیریت ، آکادمی مطالعات اقتصادی ، بخارست ، رومانی ، جلد. 3 (4) ، صفحات 38-56 ، دسامبر.

• Jarraya ، Bilel ، 2013. "تخصیص دارایی و مشکلات بهینه سازی نمونه کارها با متهورستیک: یک بررسی ادبیات" ، مقاله MPRA 53698 ، کتابخانه دانشگاه مونیخ ، آلمان ، تجدید نظر در سال 2013.

• مولن ، کاترین M. و آردیا ، دیوید و گیل ، دیوید ال. و ویندور ، دونالد و کلین ، جیمز ، 2009، اصلاح شده 26 دسامبر 2010.

• Hugo Tak-Sang ، IP & Terence Tai-Leung ، Chong ، 2006. "آیا استراتژی های مبتنی بر حرکت در بازارهای ارز در حال ظهور کار می کنند؟ ،" مقالات کار دپارتمان _181 ، دانشگاه چینی هنگ کنگ ، گروه اقتصاد.

• Narayan ، Paresh Kumar & Ali Ahmed ، Huson & Sharma ، Susan Sunila & Prabheesh ، K. P. ، 2014. "بازار سهام هند چقدر سودآور است؟" ، "مقالات کار FE_2014_14 ، دانشگاه Deakin ، گروه اقتصاد.

• آدام ، آنوکیه م. و توئونبو ، جورج ، 2008. "آیا متغیرهای کلان اقتصادی در جنبش بورس سهام در غنا نقشی دارند؟ ،" مقاله MPRA 9301 ، کتابخانه دانشگاه مونیخ ، آلمان.

• Doucouliagos ، Hristos ، 2003. "فرسودگی قیمت و اولویت شماره: تلاقی زمان و قیمت در قیمت سهام استرالیا" ، مقالات کار ECO_2003_06 ، دانشگاه Deakin ، گروه اقتصاد.

• Yan ، Isabel K. & Chong ، Terence & Lam ، Tau-Hing ، 2011. "آیا بازار سهام چین واقعاً کارآمد است" ، مقاله MPRA 35219 ، کتابخانه دانشگاه مونیخ ، آلمان.

اطلاعات بیشتر در مورد این مورد

کلید واژه ها

طبقه بندی ژل:

• C61 - روش های ریاضی و کمی - - روش های ریاضی ؛مدل های برنامه نویسی ؛مدل سازی ریاضی و شبیه سازی - - - تکنیک های بهینه سازی ؛مدل های برنامه نویسی ؛تجزیه و تحلیل پویا
• G11 - اقتصاد مالی - - بازارهای عمومی مالی - - - انتخاب نمونه کارها ؛تصمیمات سرمایه گذاری
• G17 - اقتصاد مالی - - بازارهای عمومی مالی - - - پیش بینی مالی و شبیه سازی

آمار

اصلاحات

تمام مطالب موجود در این سایت توسط ناشران و نویسندگان مربوطه تهیه شده است. شما می توانید به اصلاح خطاها و حذفیات کمک کنید. هنگام درخواست تصحیح ، لطفاً دسته این مورد را ذکر کنید: repec: VRS: CEUECJ: V: 5: Y: 2018: I: 52: P: 206-229: N: 17. به اطلاعات کلی در مورد نحوه اصلاح مطالب در repec مراجعه کنید.

برای سؤالات فنی در مورد این مورد ، یا برای اصلاح نویسندگان آن ، عنوان ، چکیده ، کتابشناختی یا اطلاعات بارگیری ، تماس با :. اطلاعات تماس عمومی ارائه دهنده: https://www. sciendo. com.

اگر این مورد را تألیف کرده اید و هنوز در Repec ثبت نشده اید ، ما شما را تشویق می کنیم که این کار را در اینجا انجام دهید. این اجازه می دهد تا نمایه خود را به این مورد پیوند دهید. همچنین به شما امکان می دهد استناد های احتمالی را به این مورد بپذیرید که ما در مورد آن نامشخص هستیم.

اگر Citec یک مرجع کتابشناختی را تشخیص داد اما یک مورد را در repec به آن پیوند نداد ، می توانید به این فرم کمک کنید.

اگر از موارد گمشده ای که به این یکی گفته می شود اطلاع دارید ، می توانید با اضافه کردن منابع مربوطه به همان روش فوق ، برای هر مورد ارجاع ، به ما در ایجاد آن پیوندها کمک کنید. اگر شما یک نویسنده ثبت نام شده از این مورد هستید ، ممکن است بخواهید برگه "استناد" را در مشخصات سرویس Repec نویسنده خود بررسی کنید ، زیرا ممکن است برخی از استنادها در انتظار تأیید باشند.

برای سؤالات فنی در مورد این مورد ، یا برای اصلاح نویسندگان آن ، عنوان ، چکیده ، کتابشناختی یا اطلاعات بارگیری ، تماس با ما: پیتر گولا (ایمیل موجود در زیر). اطلاعات تماس عمومی ارائه دهنده: https://www. sciendo. com.

لطفاً توجه داشته باشید که اصلاحات ممکن است چند هفته طول بکشد تا از طریق خدمات مختلف repec فیلتر شود.