Vergleich der genetischen Algorithmen für Handelsstrategien Die endgültigen Bruttopreise können je nach lokaler MwSt. Variieren. In diesem Beitrag beschreiben und vergleichen wir zwei genetische Systeme, die Trading-Strategien zu schaffen. Das erste System basiert auf der Idee, dass die Verbindungsgewichtsmatrix eines neuronalen Netzes den Genotyp eines Individuums darstellt und durch den genetischen Algorithmus verändert werden kann. Das zweite System nutzt die genetische Programmierung, um Handelsstrategien abzuleiten. Als Eingangsdaten in unseren Experimenten verwendeten wir technische Indikatoren der NASDAQ-Aktien. Als Ausgabe erzeugen die Algorithmen Handelsstrategien, d. h. kaufen, halten und verkaufen Signale. Unsere Hypothese, dass durch genetische Programmierung gewonnene Strategien bessere Ergebnisse liefern als die Buy-and-Hold-Strategie, ist als statistisch signifikant erwiesen. Wir diskutieren unsere Ergebnisse und vergleichen sie mit unseren früheren Experimenten mit Fuzzy-Technologie, Fraktal-Ansatz, und mit einfachen technischen Indikator-Strategie. Genetische Algorithmen neurogenetischen Ansatz neuroevolutionary System genetische Programmierung neuronales Netz Investitionsprognose Handel Finanz-Modellierung technischer analysisDavid Roberts: Sax Vocals Percussion Lawson Tatum: Keyboarder Vocalist Don Winkelpleck: Drums Percussionist Vocalist Lavalle Houser: Bass-Gitarre Vocals Roselyn Jordan-Mills: Vocals Alice Banda: Vocals Unsere Mission Die David Roberts Gruppe widmet Musik zu präsentieren, dass die Menschen aus ihrem Leben Situationen Aufzüge, anschauend Leben verursacht introspektiv Reflexion zu lieben, und die Beziehungen zu schätzen wissen, begeistern und berühren Sie lebt mit Optimismus. Musik ist das Medium, das wir wählen, um dies zu erreichen. Kontakt InformationBuilding Technical Trading System mit Genetic Programming: Eine neue Methode, um die Effizienz der chinesischen Aktienmärkte Erste Online-Test: 9. März 2013 Akzeptiert: 1. März 2013 Diesen Artikel zitieren als: Qu, H. Li, X. Comput Econ (2014) 43 : 301. doi: 10.1007 / s10614-013-9369-8 2 Citation 370 Downloads testen, ob Regeln technische Handels schlagen Strategie Buy-and-Hold können, ist ein gemeinsamer Ansatz, die Effizienz der Aktienmärkte zu studieren. Bemerken, dass der gemeinsame Ansatz gängigen technischen Handelsregeln Rentabilität der Auswertung in den Verzerrungen der Daten Snooping und unvollständiger Test führen würde, bauen wir ein technisches Handelssystem mit genetischen Programmierung, die Effizienz der chinesischen Aktienmärkte zu testen. Dieses System übernimmt historische Preise und Volumen als Inputs, erzeugt nach dem Zufallsprinzip treelike strukturierte technische Handelsregeln, die sich aus Grundfunktionen zusammensetzen, und optimiert die Regeln mit Hilfe der genetischen Programmierung entsprechend den Eingaben. Mit Tagespreise und Volumina der Shenzhen Stock Exchange 100 Index vom 2. Januar 2004 bis zum 12. März 2010, finden wir heraus, dass die optimalen technischen Vorschriften für den Handel, die durch unser technisches Handelssystem haben statistisch signifikante Out-of-Sample-Überrenditen im Vergleich zu kaufen Und-Hold-Strategie unter Berücksichtigung realistischer Transaktionskosten. Daher schließen wir, dass die chinesischen Aktienmärkte keine Schwachstellen-Effizienz erreicht haben. Technisches Handelssystem Genetische Programmierung Treelartig strukturiert Markteffizienz Referenzen Allen, F. amp Karjalainen, R. (1999). Verwenden von genetischen Algorithmen, um technische Handelsregeln zu finden. Zeitschrift für anorganische und allgemeine Chemie. 51 (2), 245271. Bessembinder, H. amp Chan, K. (1995). Die Rentabilität der technischen Handelsregeln in den asiatischen Aktienmärkten. Pacific-Basin Finance Journal veröffentlicht. 3 (23), 257284. CrossRef Google Scholar Cai, B. M. Cai, C. X. amp Keasey, K. (2005). Markt-Effizienz und Rückkehr zu einfachen technischen Handelsregeln: Weitere Beweise von US-amerikanischen und chinesischen Aktienmärkten U. K. Asien-Pazifik-Finanzmärkte. 12 (1), 4560. CrossRef Google Scholar Chen, S. H. amp Navet, N. (2007). Failure of genetic-Programmierung induzierte Handelsstrategien: Unterscheidung zwischen effizienten Märkten und ineffiziente Algorithmen. Intelligenz in Wirtschaft und Finanzen. New York: Springer. Google Scholar Wie, J. Ling, M. amp Verhoeven, P. (2010). Bedeutet Größe eine genetische Programmierung Ansatz für den technischen Handel. Quantitative Finance . 10 (2), 131140. CrossRef Google Scholar Hudson, R. Dempsey, M. amp Keasey, K. (1996). Ein Hinweis auf die schwache Form Effizienz der Kapitalmärkte: Die Anwendung von einfachen technischen Handelsregeln auf britische Aktienkurse-1935 bis 1994. Journal of Banking and Finance. 20 (6), 11211132. CrossRef Google Scholar Koza, J. R. (1992). Genetische Programmierung: über die Programmierung von Computern mittels natürlicher Selektion. Cambridge: Die MIT-Presse. Google Scholar Neely, C. Weller, P. amp Dittmar, R. (1997). Ist die technische Analyse in der Devisenmarkt profitabel Eine genetische Programmierung Ansatz. Zeitschrift für anorganische und allgemeine Chemie. 32 (4), 405426. CrossRef Google Scholar Potvin, J. Y. Soriano, P. amp Valle, M. (2004). Erstellung von Handelsregeln an den Aktienmärkten mit genetischer Planung. Betriebswirtschaftslehre. 31 (7), 10331047. CrossRef Google Scholar Qu, H. (2010). Mit Hilfe der genetischen Programmierung technische Handelsregeln für SSE 50-Index zu finden. Zeitschrift für anorganische und allgemeine Chemie. 23 (5), 103113 (chinesisch). Ratner, M. amp Leal, R. P. C. (1999). Tests der technischen Handelsstrategien in den aufstrebenden Aktienmärkten von Lateinamerika und Asien. Zeitschrift für Bankwesen und Finanzen. 23 (12), 18871905. Roberts, M. C. (2005). Technische Analyse und genetische Programmierung: Aufbau und Erprobung eines Warenportfolios. Zeitschrift für anorganische und allgemeine Chemie. 25 (7), 643660. CrossRef Google Scholar Rode, D. Parikh, S. Friedman, Y. amp Kane, J. (1995). Ein evolutionärer Ansatz für den technischen Handel und die Kapitalmarkt-Effizienz. Pennsylvania, PA: Universität von Pennsylvania, die Wharton Schule. Google Scholar Tian, G. G. Wan, G. H. amp Guo, M. (2002). Markt-Effizienz und die Rückkehr zu einfachen technischen Handelsregeln: Neue Beweise aus US-Aktienmarkt und chinesischen Aktienmärkten. Asien-Pazifischer Finanzmarkt. 9 (3), 241258. CrossRef Google Scholar Wang, J. (2000). Trading und Hedging in S ampP 500 Spot und Futures-Märkten mit genetischen Programmierung. Zeitschrift für anorganische und allgemeine Chemie. 20 (10), 911942. CrossRef Google Scholar Informationen zum Urheberrecht Springer ScienceBusiness Media New York 2013 Autoren und Mitgliedschaften
Comments
Post a Comment