متوسط التداول - قواعد تحسين الحركة ، لرفع

تحسين قواعد التداول المتوسط ​​المتحرك مع تعزيز وأساليب التعلم الإحصائية. 2 على الرغم من أن أبحاثنا تركز على الجمع بين قواعد التداول الفني الكلاسيكي من خلال أساليب التعلم الإحصائي، فمن الضروري التأكيد على أن هناك العديد من المحاولات لتحسين قواعد التداول الفني وخلق قواعد جديدة. وبهذا المعنى، من بين أبرزها جيناي (1999) وآلين وكارجالينن (1999). ومن ثم فقد نظر جيناي (1999) في قواعد تجارية جديدة تستند إلى نماذج غير بارامترية تعظم العائد الكلي لاستراتيجية الاستثمار. يتم تحديد الخيار الأمثل لأقرب الجيران، العدد الأمثل للوحدات المخفية في شبكة فيدفوروارد والحجم الأمثل لمجموعة التدريب من خلال طريقة التحقق من صحة الصليب، مما يقلل من الخطأ المتوسط ​​مربع. ورقة أخرى معروفة لتكريس قواعد تجارية فنية جديدة هي ألين وكارجالينن (1999)، التي استخدمت خوارزمية جينية لتعلم قواعد التداول الفنية المثلى. وأخیرا، تم الإشارة إلی مشاکل اختیار قواعد التداول الأمثل في العینة في ورقة أخیرة من قبل سولیفان وآخرون. (1999) التي تقول بأن مخاطر التطفل على البيانات هائلة عندما نختار أفضل قاعدة تداول. بعد سوليفان وآخرون. (1999)، إذا تم النظر في قواعد التداول الكافية مع مرور الوقت، بعض القواعد ملزمة، بحظ نقي، حتى في عينة كبيرة جدا، لإنتاج أداء متفوق حتى لو كانوا لا تمتلك حقا القدرة التنبؤية على عائدات الأصول. ومن ثم فإن آثار هذه التطفل على البيانات لا يمكن أن تكون محددة كميا إلا إذا أخذنا بعين الاعتبار أداء أفضل قاعدة تداول في سياق الكون الكامل لقواعد التداول التي يمكن اختيار أفضل قاعدة لها. بحثنا يتجه في اتجاه معاكس لتحسين قواعد التداول الفنية، لأننا نبحث عن كيفية الجمع بين تلك القائمة من خلال تعزيز وتقنيات المتوسط ​​المتوسط. كمراجعة، ورقة لدينا هو الغرض المزدوج. فمن ناحية، نظرا لوجود العديد من قواعد التداول الفنية بدرجات مختلفة من النجاح، فإننا نحاول تجنب عدم التطابق الموجود بين قواعد التداول المختلفة، وتوفير قاعدة جديدة قادرة على استخدام جميع المعلومات التي توفرها كل قاعدة، المعلومات الناجحة باعتبارها معلومات فاشلة، وذلك باستخدام أساليب التعلم الإحصائية. من ناحية أخرى، من خلال الجمع بين المعلومات التنبؤية لمجموعة واسعة من القواعد ونحن أيضا تقليل التحيز التطفل البيانات التي أدخلت على اختيار التعسفي من المعايير في قواعد التجارة الفنية، وتجنب عنصر الذاتية التي ينطوي عليها هذا الإجراء. طرق التعلم اإلحصائية عندما تميل لجنة من مختلف األشخاص إلى اتخاذ قرارات أفضل من كل فرد بمفرده، فإن مجموعة من النماذج المتنوعة ذات األداء العالي تميل إلى أداء أفضل من نموذج واحد. طرق التعلم اإلحصائي هي خوارزميات تقوم ببناء مجموعة من الفئات المصنفة ثم تقوم بتصنيف نقاط بيانات جديدة من خالل أخذ تصويت) مرجح (لتوقعاتها) انظر هاستي وآخرون، 2001 (. الأسلوب الإحصائي الأصلي هو متوسط ​​بايزي، ولكن تم تطوير خوارزميات أكثر حداثة. في هذا القسم سوف نصف طرق التعلم الإحصائي الأكثر شعبية، مثل بوستينغ، متوسط ​​نموذج بايزي وطريقة اللجنة، والتي سيتم استخدامها من أجل الجمع بين التوقعات الفنية، وبالتالي تحسين أداء قواعد التداول الفردية. طريقة التعزيز بوستينغ هي الطريقة العامة التي تسعى إلى تعزيز دقة أي مجموعة من أنظمة تصنيف كاتيغوري تصنيفية (أو التنبؤات بشكل عام) التي تصبح واحدة من أقوى الأفكار حول خوارزميات التعلم. تم عرضه من قبل فرويد و سكابير (1997). تعزيز الصفقات مع المشكلة العامة لإنتاج قاعدة التنبؤ دقيقة جدا من خلال الجمع بين التنبؤات الخام وغير دقيقة إلى حد ما. واحدة من الإصدارات الأكثر شعبية من تعزيز هو خوارزمية AdaBoost. M1، والمعروفة باسم أدابوست منفصلة، ​​ويرجع ذلك إلى فريوند و سكابير (1997). من أجل توفير مخطط لهذه الخوارزمية تعزيز، دعونا نعتبر مشكلة من الدرجة الثانية حيث يتم ترميز متغير الانتاج كما. (x) هي الدالة التي تنتج التنبؤ بأحد القيمتين، حيث x هو مجموعة من متغيرات التنبؤ. تحسين نقل قواعد التداول المتوسط ​​مع أساليب التعلم والتحصيل الإحصائية بابليشيد أونلين 10 ماي 2008 إن وايلي إنترزسينس (ويلي إنترزسينس) interscience. wiley) دوي. 10.1002for.1068 تحسين قواعد التداول المتوسط ​​المتحرك مع أساليب التعلم والتعلم الإحصائي جولين أندرادا-فليكس وقسم الأساليب الكمية في الاقتصاد والإدارة، جامعة لاس بالماس دي غران كناريا، إسبانيا نقدم نظاما للجمع بين مختلف أنواع التنبؤات المقدمة من خلال مجموعة واسعة من قواعد التداول الميكانيكية من خلال أساليب التعلم الإحصائي (تعزيز، وعدة طرق المتوسط ​​المتوسط ​​مثل بيزي أو أساليب المتوسط ​​المتوسط). تقدم أساليب التعلم الإحصائي نتائج أفضل من عينة من معظم قواعد المتوسط ​​المتحرك واحد في مؤشر بورصة نيويورك المركب من يناير 1993 إلى ديسمبر 2002. وعلاوة على ذلك، وذلك باستخدام فايل للحد من وتيرة التداول، نموذج التعزيز فايترد تنتج تقنية على الرغم من أنها غير قادرة على التغلب على عائدات استراتيجية شراء واستمرار (بامب) خلال فترات ارتفاع، فإنه التغلب على بامب خلال فترات السقوط، وقادرة على استيعاب جزء كبير من السقوط في السوق. كوبيرايت 2008 جون ويلي أمب سونس، Ltd. الكلمات الرئيسية التحليل الفني تعزيز اختيار نموذج التعلم الإحصائي مقدمة التحليل الفني يتكون من محاولة التنبؤ بأسعار السوق المالي من خلال دراسة الأسعار السابقة والإحصاءات الموجزة الأخرى ذات الصلة بشأن التداول الأمني. على الرغم من الموقف المتشكك من الأكاديميين نحو التحليل الفني، خلال السنوات ال 20 الماضية التحليل الفني قد تتمتع نهضة في العالم الأكاديمي، وقد وضعت قدرا كبيرا من العمل النظري والتجريبي دعم التحليل الفني. وقد اقترحت النماذج النظرية من قبل هيلويغ (1982)، وترينور وفيرغسون (1985)، وبراون وجنينغز (1989)، وبلوم وآخرون. (1994). أيضا، العديد من الأوراق التجريبية توفر دليلا على استحقاق قواعد التداول الفنية، المعلقة من بين آخرين بروك وآخرون. (1992)، ليفيش وتوماس (1993)، بلوم وآخرون. (1994)، كنيز أند ريدي (1996)، جيناي (1996)، نيلي إت آل. (1997) وتشانغ وأوسلر (1999). مراسلات مع: فرناندو فرنانديز - رودريغيز، كلية العلوم الاقتصادية، إمبريزارياليس، 35017 لاس بالماس دي غران كناريا، إسبانيا. البريد الإلكتروني: ffernandezdmc. ulpgc. es الغرض من ورقة لدينا هو توفير نظام للجمع بين أنواع مختلفة من التنبؤات التي تقدمها فئة واسعة من قواعد التداول الميكانيكية. ومن خالل أساليب التعلم اإلحصائي) مثل التعزيز، وعدة طرق حسابية نموذجية مثل بايزيان أو لجنة (، سيتم بناء تنبؤات جديدة استنادا إلى مجموعة من التوقعات الفنية. وقد تم تنظيم ما تبقى من هذه الورقة على النحو التالي. ويرد في القسم التالي استعراض موجز لقواعد التداول التقنية المستخدمة في هذه الورقة. ويركز القسم الثالث على وصف أساليب التعلم الإحصائي الأكثر شعبية مثل بوستينغ، ونموذج بايزي المتوسط. أما القسم الرابع فيعرض تدابير القوة المستخدمة لتقييم ومقارنة قواعد التداول الفنية التي تم إنشاؤها. ويبين القسم الخامس النتائج التجريبية. يعرض القسم السادس الاستنتاجات الرئيسية. قواعد التداول الفنية ندرس في هذه الورقة القدرة التنبؤية المتعلقة بجمع المعلومات من واحدة من أكثر قواعد قواعد التداول شعبية المستخدمة في التحليل الفني، والقواعد المتوسطة المتحركة المتغيرة (فما من الآن فصاعدا). وتشتمل قواعد قانون النقد الأجنبي على مقارنة متوسط ​​متحرك قصير الأجل للأسعار بمتوسط ​​متحرك طويل الأجل. ولذلك، تنبعث إشارات الشراء (البيع) عندما يتجاوز المتوسط ​​القصير الأجل (أقل من) المتوسط ​​الطويل الأجل بنطاق النسبة المئوية للمحرر المسبق على الأقل. إن إدخال نطاق حول المتوسط ​​المتحرك يقلل من عدد إشارات الشراء (البيع) من خلال إزالة الاصابة بالسوق عندما تكون المتوسطات المتحركة قصيرة وطويلة الأجل قريبة. هذا النطاق، الذي يعتبر عادة 1، يقلل من عدد من إشارات البيع والشراء. ولا تولد إشارة عندما يكون المتوسط ​​المتحرك القصير داخل النطاق. مع مجموعة من الصفر، والقاعدة التقنية التي تقدمها فما تصنيف كل أيام في إما أيام شراء أو بيع أيام. يجب اختيار طول المتوسطات المتحركة من قبل فني. القاعدة الأكثر شعبية المستخدمة في التحليل الفني هو 1200، حيث الفترة القصيرة هي 1 يوم وفترة طويلة هي 200 يوما. ومع ذلك، فإن قواعد التداول الأخرى التي تستخدم كثيرا هي 150 و 1150 و 5150 و 1200 و 2200 (انظر بروك إت آل.، 1992). إن الموقف المتشكك من العالم الأكاديمي فيما يتعلق بالتحليل الفني هو الدافع وراء فرضية السوق الفعالة، التي تنص على أن المعلومات العامة المتاحة، مثل الأسعار السابقة، لا ينبغي أن تساعد التجار على تحقيق عوائد مرتفعة بشكل غير عادي بمجرد خصم علاوة المخاطرة. وبالتالي فإن فاما (1970، 1976) لا يعرف السوق بأنه ضعيف الشكل إذا كانت الأسعار الحالية تكرر تماما المعلومات الواردة في الأسعار السابقة. ويعني ضعف كفاءة الأداء أن التحليل الفني لأسعار الأسهم السابقة ليس له قيمة. تحسين قواعد التداول المتوسط ​​المتحرك مع أساليب التعلم المحسنة والإحصائية جوليان أندرادا-فيليكس () وفرناندو فرنانديز-رودريغيز معلومات الاتصال الإضافية فرناندو فرنانديز-رودريغيز: قسم الأساليب الكمية في الاقتصاد والإدارة، جامعة لاس بالماس دي غران كناريا، إسبانيا، بوستل : قسم الأساليب الكمية في الاقتصاد والإدارة، جامعة لاس بالماس دي غران كناريا، إسبانيا ملخص: نقدم نظاما للجمع بين أنواع مختلفة من التنبؤات التي تقدمها مجموعة واسعة من قواعد التداول الميكانيكية من خلال أساليب التعلم الإحصائية (تعزيز، وعدة نموذج أساليب المتوسط ​​مثل بايزي أو أساليب المتوسط ​​المتوسط). تقدم أساليب التعلم الإحصائي نتائج أفضل من العينة من معظم قواعد المتوسط ​​المتحرك الواحد في مؤشر بورصة نيويورك المركب من يناير 1993 إلى ديسمبر 2002. وعلاوة على ذلك، باستخدام مرشح للحد من وتيرة التداول، نموذج دفعة تصفيتها تنتج استراتيجية تقنية والتي ، على الرغم من أنها غير قادرة على التغلب على عائدات استراتيجية شراء وعقد (ب) خلال فترات ارتفاع، فإنه لا التغلب على البوسنة والهرسك خلال فترات السقوط، وقادرة على استيعاب جزء كبير من السقوط في السوق. حقوق الطبع والنشر 2008 جون وايلي سونس، Ltd. التنزيلات: (رابط خارجي) hdl. handle10.1002for.1068 رابط إلى اشتراك النص الكامل مطلوب (تكستمل) الأعمال ذات الصلة: قد يكون هذا البند متاح في مكان آخر في إكونبابيرس: البحث عن العناصر بنفس العنوان. تصدير المراجع: بيبتكس ريس (إندنوت، بروسيت، ريفمان) هتملتكست جورنال أوف فوريكاستينغ يحرر حاليا من قبل ديريك دبليو بون المزيد من المقالات في مجلة التنبؤ من جون وايلي أولاد، المحدودة سلسلة البيانات التي تحتفظ بها وايلي بلاكويل الترخيص الرقمي (). هذا الموقع هو جزء من ريبيك وجميع البيانات المعروضة هنا هي جزء من مجموعة البيانات ريبيك. هل عملك مفقود من ريبيك هنا هو كيفية المساهمة. أسئلة أو مشاكل تحقق من الأسئلة الشائعة إكونبابيرس أو إرسال البريد إلى.