การซื้อขายความถี่สูงเครื่องมือเชิงปริมาณได้รับการยอมรับอย่างกว้างขวางเพื่อดึงข้อมูลขนาดใหญ่จากความหลากหลายของข้อมูลทางการเงินสถิติคณิตศาสตร์และขั้นตอนวิธีคอมพิวเตอร์ไม่เคยมีความสำคัญเพื่อให้ผู้ปฏิบัติงานทางการเงินในประวัติศาสตร์ธนาคารเพื่อการลงทุนพัฒนาแบบจำลองดุลยภาพในการประเมินเครื่องมือทางการเงินกองทุนรวม ชุดเวลาใช้เพื่อระบุความเสี่ยงในพอร์ตการลงทุนและกองทุนป้องกันความเสี่ยงของพวกเขาหวังว่าจะดึงสัญญาณตลาดและการเก็งกำไรเชิงสถิติจากข้อมูลตลาดที่มีเสียงดังการเพิ่มขึ้นของเงินทุนเชิงปริมาณในทศวรรษที่ผ่านมาขึ้นอยู่กับการพัฒนาเทคนิคคอมพิวเตอร์ที่ทำให้การประมวลผลชุดข้อมูลขนาดใหญ่เป็นไปได้ มีความถี่สูงกว่างานวิจัยทางการเงินเชิงปริมาณมากขึ้นได้เปลี่ยนมาเป็นโครงสร้างทางจุลภาคของตลาดการเงินข้อมูลความถี่สูงเป็นตัวอย่างทั่วไปของข้อมูลขนาดใหญ่ซึ่งมีลักษณะความหลากหลายและปริมาตร 3V s นอกจากนี้อัตราส่วนของสัญญาณต่อการรบกวน ในชุดเวลาทางการเงินมักจะมาก sma ชุดข้อมูลความถี่สูงมีแนวโน้มที่จะสัมผัสกับค่าที่มากขึ้นการกระโดดและข้อผิดพลาดมากกว่าข้อมูลความถี่ต่ำเทคนิคการประมวลผลข้อมูลและแบบจําลองเชิงปริมาณที่เฉพาะเจาะจงได้รับการออกแบบอย่างประณีตเพื่อดึงข้อมูลจากข้อมูลทางการเงินได้อย่างมีประสิทธิภาพในบทนี้เรานำเสนอวิธีการวิเคราะห์ข้อมูลเชิงปริมาณ ในด้านการเงินเราทบทวนการพัฒนาด้านการเงินเชิงปริมาณในทศวรรษที่ผ่านมาจากนั้นเราจะหารือเกี่ยวกับลักษณะของข้อมูลความถี่สูงและความท้าทายที่จะนำมาการวิเคราะห์ข้อมูลเชิงปริมาณประกอบด้วยขั้นตอนพื้นฐานสองขั้นตอนการทำความสะอาดข้อมูลและการรวมโมเดลข้อมูล ii เราทบทวนคณิตศาสตร์ เครื่องมือและเทคโนโลยีคอมพิวเตอร์ที่อยู่เบื้องหลังสองขั้นตอนข้อมูลที่มีค่าที่สกัดจากข้อมูลดิบจะแสดงโดยกลุ่มของสถิติสถิติที่ใช้กันอย่างแพร่หลายในด้านการเงินเป็นผลตอบแทนและความผันผวนซึ่งเป็นพื้นฐานของทฤษฎีพอร์ตการลงทุนสมัยใหม่ กลยุทธ์เป็นตัวอย่าง การประยุกต์ใช้การวิเคราะห์ข้อมูลทางการเงินข้อมูลขนาดใหญ่ได้เปลี่ยนพื้นฐานอุตสาหกรรมการเงินแล้วในขณะที่เครื่องมือเชิงปริมาณสำหรับการจัดการกับข้อมูลทางการเงินจำนวนมากยังคงเป็นแนวทางที่ยาวไปการใช้สถิติขั้นสูงทฤษฎีข้อมูลการเรียนรู้ด้วยเครื่องและอัลกอริธึมการประมวลผลเร็วขึ้นเป็นสิ่งที่หลีกเลี่ยงไม่ได้ ตลาดการเงินหัวข้อเหล่านี้จะกล่าวถึงในช่วงท้ายของบทนี้ความคิดเห็นวิดีโอควรจะโหลดขึ้นใหม่ทำให้กระบวนการจุดหยุดนิ่งการระเบิดความเข้มกำหนดเป็นช่วงเวลาสั้น ๆ ในระหว่างที่จำนวนการนับมีขนาดใหญ่กว่าอัตราการนับโดยทั่วไป อาจเป็นสัญญาณที่ไม่เป็นระบบในท้องถิ่นหรือการรบกวนภายนอกของระบบในเอกสารฉบับนี้เราเสนอขั้นตอนใหม่ในการตรวจจับความเข้มของการระเบิดภายในกรอบกระบวนการ Hawkes โดยใช้รูปแบบการเลือกแบบจำลองเราแสดงให้เห็นว่าขั้นตอนของเราสามารถทำได้ ใช้ในการตรวจจับความเข้มของการระเบิดเมื่อทั้งเวลาที่เกิดขึ้นและจำนวนรวมของพวกเขา i เราใช้วิธีการของเราในการเปลี่ยนแปลงราคาในระดับกลางในตลาดอัตราแลกเปลี่ยนซึ่งแสดงให้เห็นว่าการระเบิดเหล่านี้เกิดขึ้นบ่อยครั้งและมีเพียงเศษเล็กเศษน้อยเท่านั้น เกี่ยวข้องกับการมาถึงข่าวเราแสดงความสัมพันธ์กับความล่าช้าในการลุกลามของความผันผวนของอัตราแลกเปลี่ยนเงินตราต่างประเทศและเราจะหารือเกี่ยวกับความสัมพันธ์ของพวกเขาด้วยราคาที่สูงขึ้นการซื้อขายแลกเปลี่ยนเงินตราต่างประเทศในระบบอินเทอร์เนตแบบความถี่สูงด้วยระบบอนุมานแบบฟิวซี่แบบปรับตัวได้ Abdalla Kablan และ Wing Lon Ng. Abstract บทความนี้เป็นการแนะนำระบบอนุมานแบบฟิวชั่นนิวฟิวชั่นสำหรับการซื้อขายทางการเงินซึ่งจะเรียนรู้ที่จะคาดการณ์การเคลื่อนไหวของราคาจากข้อมูลการฝึกอบรมซึ่งประกอบด้วยข้อมูลการติ๊กในวันทำการที่ความถี่สูงข้อมูลเชิงประจักษ์ที่ใช้ในการตรวจสอบของเราคือชุดเวลากลางราคาห้านาทีจาก ตลาดอัตราแลกเปลี่ยนการเพิ่มประสิทธิภาพของ ANFIS เกี่ยวข้องกับการทดสอบกลับรวมถึงการเปลี่ยนแปลงจำนวนของยุคและรวมกับวิธีการใหม่ในการจับความผันผวนของข้อมูล ร้องเรียนว่าเป็นวิธีที่ขับเคลื่อนด้วยเหตุการณ์ที่คำนึงถึงการเปลี่ยนแปลงทิศทางภายในเกณฑ์ที่ระบุไว้ล่วงหน้าผลการวิจัยแสดงให้เห็นว่ารูปแบบที่นำเสนอมีประสิทธิภาพดีกว่ากลยุทธ์มาตรฐานเช่นการคาดการณ์การซื้อและถือหรือการคาดการณ์เชิงเส้นดาวน์โหลดข้อความเชื่อมโยงภายนอก html การเข้าถึงข้อความทั้งหมดถูก จำกัด ไว้ ผู้สมัครสมาชิกงานที่เชื่อมโยงรายการนี้อาจมีให้ใช้งานที่อื่นใน EconPapers ค้นหารายการที่มีชื่อเดียวกัน Export อ้างอิง BibTeX RIS EndNote, ProCite, RefMan HTML Text บทความอื่น ๆ ในวารสารนานาชาติของตลาดการเงินและตราสารอนุพันธ์จาก Inderscience Enterprises Ltd ข้อมูลชุดข้อมูลที่จัดทำโดย Darren Simpson เว็บไซต์นี้เป็นส่วนหนึ่งของ RePEc และข้อมูลทั้งหมดที่แสดงที่นี่เป็นส่วนหนึ่งของชุดข้อมูล RePEc เนื่องจากงานของคุณหายไปจาก RePEc ต่อไปนี้เป็นวิธีการบริจาคคำถามหรือปัญหาตรวจสอบคำถามที่พบบ่อยของ EconPapers FAQ หรือส่งจดหมายไปที่การใช้ กลไกการปรับเปลี่ยนความถี่สูงแบบไดนามิกที่มีการเพิ่มประสิทธิภาพแบบไดนามิกสำหรับการซื้อขายในวันนี้เอกสารนี้มีแรงบันดาลใจจากด้านความไม่แน่นอนในด้านการเงิน de การสร้างและการใช้ปัญญาประดิษฐ์และการคำนวณแบบอ่อนด้วยความสามารถในการลดความไม่แน่นอนของข้อมูลสามารถนำไปประยุกต์ใช้กับการค้าแบบอัลกอริธึมที่มีการซื้อขายในความถี่สูงบทความนี้นำเสนอระบบการซื้อขายความถี่สูงที่มีการผสมผสานกับค่าเฉลี่ยเคลื่อนที่ต่างๆเพื่อสร้างระบบไฮบริด กระดาษปรับให้เหมาะสมกับระบบการอนุมานแบบเลือนเลือนตามระบบประสาทที่ใช้ทั้งราคาและค่าเฉลี่ยเคลื่อนที่เป็นข้อมูลป้อนเข้าเรียนรู้ที่จะคาดการณ์การเคลื่อนไหวของราคาจากข้อมูลการฝึกอบรมซึ่งประกอบด้วยข้อมูลในวันที่เปลี่ยนไปแบบไดนามิกระหว่างสิ่งที่ดีที่สุด เฉลี่ยเคลื่อนไหวโดยเฉลี่ยและดำเนินการตัดสินใจเมื่อใดที่จะซื้อหรือขายสกุลเงินหนึ่งในความถี่สูง 1 A Kablan 2009 ระบบวิเคราะห์โมเมนตัมลอจิกสำหรับนายหน้าทางการเงินการดำเนินการตามกฎหมายของการประชุมระหว่างประเทศเกี่ยวกับทฤษฎีและวิศวกรรมทางการเงิน IEEEXplore, ฉบับที่ 1, หน้า 57-62 ISBN 978-0-7695-3949-2 2 A Kablan 2009 Adaptive Neuro Fuzzy Systems for High Frequency Trading and Forecasting การดำเนินการของการประชุมระหว่างประเทศครั้งที่สามเกี่ยวกับการคำนวณทางวิศวกรรมขั้นสูงและการประยุกต์ใช้ในสาขาวิทยาศาสตร์ IEEEXplore, Vol 1, pp 105 - 110 ISBN 978-0-7695-3829-7 3 Kablan, WL Ng, 2010, กลยุทธ์การซื้อขายความถี่สูงโดยใช้การปฏิรูปของฮิลแบร์ต, การประชุมวิชาการนานาชาติด้านการประมวลผลแบบเครือข่ายครั้งที่ 6 และการจัดการข้อมูลขั้นสูงฉบับที่ 1, หน้า 466-471 ISBN 978-89-88678-26-8 4 A Kablan, WL Ng, 2010, High Frequency Trading โดยใช้ Fuzzy การวิเคราะห์โมเมนตัมกระบวนการของ IAENG 2010 International Conference of Financial Engineering ICFE, London ฉบับที่ 1, หน้า 352- 357 ISBN 978-988-17012-9-9 5 Kablan, WL Ng, 2011, High-Frequency Order Strategies with Fuzzy ตรรกะและ Fu zzy สรุป IAENG วารสารนานาชาติของวิทยาการคอมพิวเตอร์ฉบับพิเศษ 6 Kablan, WL Ng, 2011, Intraday High-Frequency Forex Trading กับ Adaptive Neuro-Fuzzy Inference Systems, วารสารนานาชาติของตลาดการเงินและตราสารอนุพันธ์ 7 A Kablan Adaptive Neuro Fuzzy Inference Systems สำหรับการค้าทางการเงินที่มีความถี่สูงและการคาดการณ์ผลการประชุมนานาชาติด้านการคำนวณและการประยุกต์ใช้ศาสตร์ทางเทคนิคขั้นสูงครั้งที่ 3 2009 8 Banik, S et al 2007 การสร้างแบบจำลองพฤติกรรมความวุ่นวายของดัชนีตลาดหลักทรัพย์ธากาในดัชนีธรรมาภิบาลโดยใช้แบบจำลองฟัซซี่แบบ คอมพิวเตอร์และเทคโนโลยีสารสนเทศ 9 C Tseng, Y Lin เศรษฐศาสตร์ทางการเงินของสังคมสำหรับเศรษฐศาสตร์คอมพิวเตอร์เศรษฐศาสตร์การคลังในการคำนวณและการคลังฉบับที่ 42 2005 10 Chang, SSL 1977 การประยุกต์ทฤษฎีสมมุติฐานทางฟิสิกส์กับเศรษฐศาสตร์ Kybernetes 6, pp 203-207 11 Dacarogna, M et al. 2544, บทนำเกี่ยวกับการคลังความถี่สูง, สื่อวิชาการ 12 Dormale, AV 2540 The Power of Money, Macmillan Press, London 13 E Boehmer 2005 ขนาดของคุณภาพการดำเนินงานหลักฐานล่าสุดสำหรับตลาดตราสารทุนสหรัฐอเมริกาวารสารเศรษฐศาสตร์การเงิน 78, 553-582, 2005 14 EF Fama 1970 ตลาดทุนที่มีประสิทธิภาพการทบทวนทฤษฎีและงานเชิงประจักษ์วารสารการเงินหน้า 383-417, พฤษภาคม 15 Grabbe, JO 1996 ตลาดการเงินระหว่างประเทศ Englewood Hills, Prentice Hall Inc 16 JC Bezdek, R Krisnapuram, NR Pal 1999 โมเดลคลุมเครือและอัลกอริทึมสำหรับการจดจำรูปแบบและการประมวลผลภาพ Springer 17 JM Griffin, F Nardari, R Stulz การซื้อขายในตลาดหุ้นและเงื่อนไขการตลาด NBER, Working Paper 10719, 1-48 2004 18 Kablan, A, WL Ng, 2011 การซื้อขายความถี่สูงโดยใช้การวิเคราะห์โมเมนตัมแบบฟัซซี่จดหมาย Springer Engineering, London 19 Li, Y Musilek, P และ Wyard-Scott, L ฟัซซี่ตรรกะในการออกแบบเกมโดยใช้ Agent - based การประชุมประจำปีของการประมวลผลข้อมูลฟัซซี่ 2004, vol 2, pp734-739, 2004 20 Lootsma, FA 1997 ตรรกศาสตร์คลุมเครือสำหรับการวางแผนและการตัดสินใจ Springer 21 M Fedrizzi, W Ostasiewicz 1993 To เศรษฐศาสตร์ผีเสื้อทฤษฎีทั่วไปใหม่ของพฤติกรรมทางสังคมและเศรษฐกิจ Pantheon, New York 23 Q Song, BS Chissom Forecasting การลงทะเบียนเรียนกับ Fuzzy time-series Part II ชุดเลือนและระบบ 62, pp 1-8, 2537 24 Roger Jang, JS ANFIS ระบบอนุมานแบบอิงเลยตามเลือนราง, การทำธุรกรรมของ IEEE บนระบบมนุษย์และไซเบอร์เนติกส์, 23 3 1993 665-685 25 S Chabaa และ Zeroual Prediction Packet Transmission Data ผ่าน IP Networks โดยใช้ระบบอนุมานแบบ Neuro-Fuzzy Journal of Computer Science ฉบับที่ 5 2, หน้า 123-130, 2009 26 Schulmeister, S, 2009, ภาษีการทำธุรกรรมทางการเงินโดยทั่วไปการตัดสั้นของ Pros, ข้อเสนอแนะและข้อเสนอ - เอกสารการทำงานของ WIFO เลขที่ 344 27 T Hellstrm และ K Holmstrom การทำนายรายงานทางเทคนิคของตลาดสต็อกสินค้า Ima-TOM-1997-07, ศูนย์การสร้างแบบจำลองคณิตศาสตร์, ภาควิชาคณิตศาสตร์และ Physis, มหาวิทยาลัย Malardalen, Vasteras, ประเทศสวีเดน, สิงหาคม 2541 28 TT akagi และ M Sugeno การจำแนกฟัซซี่ของระบบและการประยุกต์ใช้ในการสร้างแบบจำลองและการควบคุมการทำธุรกรรมของ IEEE ในระบบมนุษย์และไซเบอร์เนติกส์ฉบับที่ 15, หน้า 116-132, 1985 29 ทากาชิทีและซูเกโน, M ระบุฟัซซี่ของระบบและการประยุกต์ใช้ในการสร้างแบบจำลอง และการควบคุมการทำธุรกรรมของ IEEE ในระบบมนุษย์และไซเบอร์เนติกส์ 15 1985 116-132 30 วิลสัน R และ Sharda R การทำนายการล้มเหลวโดยใช้เครือข่ายประสาทเทียมระบบสนับสนุนการตัดสินใจ 11 1994 545-557 31 Yeh, S Landsman, WR Miller, BL Peasnell, KV 2011 ทำให้นักลงทุนเข้าใจเรื่องส่วนเกินที่สกปรกจริงๆการทบทวนด้านบัญชี, 86 1, 237-258 32 Yoon, Y Guimaraes, T และ Swales, G การบูรณาการเครือข่ายประสาทกับระบบผู้เชี่ยวชาญที่มีกฎเกณฑ์ระบบสนับสนุนการตัดสินใจ 11 1994 497-507 33 Zadeh, L ชุดข้อมูลเลือนและการควบคุม, เล่ม 8, หน้า 338-353, 1965 34 Zadeh, LA ชุดฟัซซี่การควบคุมข้อมูล 8 1965 338-353
No comments:
Post a Comment