Pesquisa Em Simples Mudando Média Trading System Based On Svm

O Impacto da Normalização de Dados na Previsão do Mercado de Valores: Usando SVM e Indicadores Técnicos Jacinta, C. Financial Times Guia de Análise Técnica: Como Comercialar como um Profissional. Pearson, Reino Unido (2012) Atsalakis, G. S. Valavanis, K. P. Pesquisa de técnicas de previsão do mercado de açõesParte II: métodos de computação soft. Expert Syst. Appl. 36 (3), 59325941 (2009) CrossRef Chen, W.-H. Shih, J.-Y. Wu, S. Comparação de máquinas de suporte-vetor e redes neurais de propagação posterior na previsão das seis principais bolsas de ações asiáticas. Int. J. Electron. Finan. 1 (1), 4967 (2006) CrossRef Kara, Y. Boyacioglu, M. A. Baykan,.K. Previsão de direção do movimento do índice de preços das ações usando redes neurais artificiais e máquinas de vetor de suporte: a amostra da Bolsa de Valores de Istambul. Expert Syst. Appl. 38 (5), 53115319 (2011) CrossRef Vladimir, V. N. Vapnik, V. A natureza da teoria da aprendizagem estatística (1995) Kotsiantis, S. B. Kanellopoulos, D. Pintelas, P. E. Preprocessamento de dados para inclinação supervisionada. Int. J. Comput. Sci. 1 (2), 111117 (2006) Malkiel, B. G. Fama, E. F. Mercados de capitais eficientes: uma revisão da teoria e do trabalho empírico. J. Finan. 25 (2), 383417 (1970) CrossRef Malkiel, B. G. Uma caminhada aleatória em Wall Street: a estratégia testada no tempo para investimentos bem-sucedidos. WW Norton amp Company, Nova Iorque (2007) Kim, K.-J. Previsão financeira de séries temporais usando máquinas de vetor de suporte. Neurocomputing 55 (1), 307319 (2003) CrossRef Kumar, M. Thenmozhi, M. Previsão de movimento do índice de ações: uma comparação de máquinas de vetores de suporte e floresta aleatória. Em: Indian Institute of Capital Markets 9th Capital Markets Conference Paper (2006) Huang, W. Nakamori, Y. Wang, S.-Y. Previsão de direção do movimento do mercado de ações com máquina de vetor de suporte. Comput. Oper. Res. 32 (10), 25132522 (2005) CrossRef MATH Al Shalabi, L. Shaaban, Z. Normalização como mecanismo de pré-processamento para mineração de dados e a abordagem da matriz de preferências. Em: 2006 Conferência Internacional sobre Confiabilidade de Sistemas de Computador, IEEE (2006) Mustaffa, Z. Yusof, Y. Uma comparação de técnicas de normalização na previsão de surto de dengue. Em: Conferência Internacional sobre Pesquisa de Negócios e Economia, vol. 1, IACSIT Press (2011) Jayalakshmi, T. Santhakumaran, A. Normalização estatística e posterior propagação para classificação. Int. J. Comput. Theor. Eng. 3 (1), 89 (2011) CrossRef Nayak, S. C. Misra, B. B. Behera, H. S. Impacto da normalização de dados na previsão do índice de ações. Int. J. Comp. Inf. Syst. Ind. Manag. Appl. 6. 357369 (2014) Singh, BK. Verma, K. Thoke, A. S. Investigações sobre o impacto das técnicas de normalização das características no desempenho dos classificadores na classificação do tumor mamário. Int. J. Comput. Appl. 116 (19) (2015) Han, J. Pei, J. Kamber, M. Data Mining: conceitos e técnicas. Elsevier, Waltham (2011) MATH Achelis, S. B. Análise técnica de A a Z. McGraw Hill, Nova York (2001) Guyon, I. Elisseeff, A. Uma introdução à seleção de variáveis ​​e recursos. J. Mach. Aprender. Res. 3. 11571182 (2003) MATH Furey, T. S. Et al. Suporte a classificação de máquinas vetoriais e validação de amostras de tecido de câncer usando dados de expressão de microarrays. Bioinformática 16 (10), 906914 (2000) CrossRef Hsu, C-W. Chang, C-C. Lin, C-J. Um guia prático para apoiar a classificação do vetor, pp. 116 (2003) Hall, M. Frank, E. Holmes, G. Pfahringer, B. Reutemann, P. Witten, I. H. O software de armazenamento de dados WEKA: uma atualização. ACM SIGKDD Explor. Newsl. 11 (1), 1018 (2009) CrossRef Chang, C-C. Lin C. J. LIBSVM. Uma biblioteca para máquinas de vetor de suporte (2012). Csie. ntu. edu. twcjlinlibsvmA eficácia do uso combinado de VIX e Support Vector Machines na previsão do SampP 500 First Online: 05 de outubro de 2013 Recebido: 13 de janeiro de 2013 Aceito: 10 de setembro de 2013 Cite este artigo como: Rosillo, R. Giner J. de la Fuente, D. Neural Comput Applic (2014) 25: 321. doi: 10.1007s00521-013-1487-7 1 Citações 340 Downloads O objetivo desta pesquisa é analisar a eficácia do Chicago Board Options Exchange Market Índice de volatilidade (VIX) quando usado com máquinas de vetor de suporte (SVMs) para prever a mudança semanal no índice SampP 500. Os dados fornecidos abrangem o período entre 3 de janeiro de 2000 e 30 de dezembro de 2011. Uma simulação de negociação é implementada para que a eficiência estatística seja complementada por medidas de desempenho econômico. Os insumos mantidos são regras tradicionais de negociação técnica comumente usadas na análise de mercados de ações, tais como Índice de Força Relativa, Divergência de Convergência em Movimento Médio, VIX e retorno diário do SampP 500. O SVM identifica as melhores situações para comprar ou vender o mercado. As duas saídas do SVM são o movimento do mercado e o grau de associação definida. Os resultados obtidos mostram que SVM usando VIX produz melhores resultados do que a estratégia Buy-Hold ou SVM sem VIX. A influência do VIX no sistema de negociação é particularmente significativa quando os períodos de baixa aparecem. Além disso, o SVM permite a redução do Drawdown máximo e o desvio padrão anualizado. Técnicas de suporte de vetores Estratégias de negociação quantitativas VIX RSI MACD Aprendizado de máquinas Referências Allen HL, Taylor MP (1990) Gráficos, ruído e fundamentos no mercado de câmbio de Londres. Econ J 100: 4959 CrossRef Google Scholar Andersen TG, Bollerslev T (1998) Atendendo aos céticos: sim modelos de volatilidade padrão fornecem previsões precisas. Int Econ Rev 39: 885905 CrossRef Google Scholar Blair BJ, Poon SH, Taylor SJ (2001) Previsão de volatilidade SampP 100: o conteúdo incremental de informações de volatilidades implícitas e retorno de índice de alta freqüência. J Econom 105: 526 CrossRef MATH MathSciNet Google Scholar Bollerslev T (1986) heterocedasticidade condicional autorregressiva generalizada. J Econom 31: 307327 CrossRef MATH MathSciNet Google Scholar Brock W, Lakonishok J, LeBaron B (1992) Regras de negociação técnica simples e as propriedades estocásticas dos retornos de ações. J Finance 47: 17311764 CrossRef Google Scholar Burges C (1998) Um tutorial sobre máquinas de vetor de suporte para o reconhecimento de padrões. Data Min Knowl Disc 2: 121167 CrossRef Google Scholar Canu S, Grandvalet Y, Guigue V, Rakotomamonjy A (2005) Métodos SVM e Kernel Matlab toolbox, sistemas de percepção e informações. INSA de Rouen, Rouen Google Scholar Cao L, Tay F (2003) Suporte a máquina vetorial com parâmetros adaptativos na previsão financeira de séries temporais. IEEE Trans Neural Networks 14: 15061518 CrossRef Google Scholar Chapelle O, Haner P, Vapnik VN (1999) Suporte máquinas vetoriais para classificação de imagem baseada em histograma. IEEE Trans Neural Networks 10 (5): 10551064 CrossRef Google Scholar Chong TT-L, Ng W-K (2008) Análise técnica e bolsa de valores de Londres: testando as regras MACD e RSI usando o FT30. Appl Econ Lett 15: 11111114 CrossRef Google Scholar Cristianini N, Taylor JS (2000) Uma introdução para suportar máquinas vetoriais e outros métodos de aprendizagem baseados no kernel. Cambridge University Press, New York CrossRef Google Scholar Dunis CL, Rosillo R, De la Fuente D, Pino R (2013) Previsão de movimentos IBEX-35 usando máquinas de vetor de suporte. Neural Comput Appl 23 (1): 229236. Doi: 10.1007s00521-012-0821-9 CrossRef Google Scholar Dunis C, Likothanassis S, Karathanasopoulos A, Sermpinis G, Theofilatos K (2013b) Uma abordagem de máquina vetorial de algoritmo híbrido-suporte na tarefa de previsão e negociação da ASE 20. J Asset Manag 120. doi: 10.1057jam.2013.2 Evgeniou T, Pontil M, Poggio T (2000) Redes de regularização e máquinas de vetor de suporte. Adv Comput Math 13: 150 CrossRef MATH MathSciNet Google Scholar Hajizadeh E, Seifi A, Zarandi MNF, Turksen IB (2012) Uma abordagem de modelagem híbrida para prever a volatilidade do retorno do índice SampP 500. Expert Syst Appl 39 (1): 431436. Doi: 10.1016j. eswa.2011.07.033 CrossRef Google Scholar Huang S, Sun Z (2001) Apoie a abordagem da máquina vetorial para a predição da localização subcelular da proteína. Bioinformática 17: 721728 CrossRef Google Scholar Huang W, Nakamori Y, Wang SY (2005) Previsão de direção do movimento do mercado de ações com máquina de vetor de suporte. Comput Oper Res 32: 25132522 CrossRef MATH Google Scholar Kim K (2003) Previsão de séries temporárias financeiras usando máquinas de vetor de suporte. Neurocomputing 55: 307319 CrossRef Google Scholar Kwon KY, Kish RJ (2002) Estratégias técnicas de negociação e previsibilidade de retorno: NYSE. Appl Financ Econ 12: 639653 CrossRef Google Scholar Lee M-C (2009) Usando máquina de vetor de suporte com um método de seleção de recurso híbrido para a previsão de tendência de estoque. Expert Syst Appl 36 (8): 1089610904 CrossRef Google Scholar Menkhoff L, Taylor MP (2007) A paixão obstinada dos profissionais estrangeiros: análise técnica. J Econ Lit 45: 936972 CrossRef Google Scholar Mills TC (1997) Análise técnica e bolsa de valores de Londres: testando regras de negociação usando o FT30. Int J Finance Econ 2: 319331 CrossRef Google Scholar Murphy JJ (1999) Análise técnica dos mercados financeiros. Instituto de Finanças, Nova York Google Scholar Perez-Cruz F, Alfonso-Rodiguez JA, Giner J (2003) Estimando modelos GARCH usando máquinas de vetor de suporte. Quatro Finanças 3 (3): 163172 CrossRef MathSciNet Google Acadêmico Rodriguez-Gonzalez A, Garcia-Crespo A, Colomo-Palacios R et al (2011) CAST: usando redes neurais para melhorar os sistemas de negociação com base em análise técnica por meio do RSI financeiro indicador. Expert Syst Appl 38 (9): 1148911500 CrossRef Google Scholar Rosillo R, De la Fuente D, Brugos JAL (2013) Análise técnica e bolsa de valores espanhola: testando RSI, MACD, impulso e regras estocásticas usando empresas de mercado espanhol. Appl Econ 45: 15411550 CrossRef Google Scholar Szado E (2009) Futuros e opções VIX: um estudo de caso sobre diversificação de portfólio durante a crise financeira de 2008. J Altern Invest 12 (2): 6885, 18p Taylor MP, Allen HL (1992) O uso da análise técnica no mercado de câmbio. J Int Money Finance 11: 304314 CrossRef Google Scholar Vapnik VN (1998) Teoria da aprendizagem estatística. Wiley, Nova Iorque MATH Google Scholar Vapnik VN (1999) Uma visão geral da teoria da aprendizagem estatística. IEEE Trans Neural Netw 10: 988999 CrossRef Google Scholar Welles Wilder J Jr (1978) Novos conceitos em sistemas de negociação técnica. Hunter Publishing Company, Greensboro, NC Google Scholar Whaley R (2009) Compreendendo o VIX. J Portf Manag 35: 98105 CrossRef Google Scholar Informações de direitos autorais Springer-Verlag London 2013 Autores e Afiliações Rafael Rosillo 1 Email autor Javier Giner 2 David de la Fuente 1 1. Departamento de Gestão de Negócios Universidade de Oviedo Oviedo Espanha 2. Departamento de Finanças e Economia Universidade de La Laguna La Laguna Espanha Sobre este artigo Imprimir ISSN 0941-0643 Online ISSN 1433-3058 Editor Nome Springer London