سیستم معاملاتی فارکس چند عامل

معاملات خودکار یک زمینه جدید برای مطالعه است که در آن برنامه های رایانه ای تصمیم می گیرند که چه موقع و چگونگی تجارت ابزارهای مالی را بر عهده بگیرند. عوامل هوشمند با توانایی خود در عمل خودمختار و سازگاری و تعامل با محیط زیست ، به نظر می رسد یک انتخاب آشکار برای توسعه سیستم های تجاری خودکار است. هدف از این مقاله ، تجزیه و تحلیل چگونگی مناسب بودن عوامل هوشمند از این کار است. ما مجموعه ای از عوامل تجارت ارزشمند ارز را با استفاده از یک معماری که شامل یک مجموعه از مدل های طبقه بندی و رگرسیون ، یک سیستم استدلال مبتنی بر مورد و یک سیستم متخصص است ، پیاده سازی کردیم. در مجموع شش نماینده بازرگانی اجرا شد که هرکدام مسئول تجارت یکی از جفت ارزهای زیر در بازار فارکس بودند: EUR/USD ، EUR/JPY ، EUR/CHF ، USD/JPY ، USD/CHF و CHF/JPY. مأمورین معاملات را در طی یک دوره 23 ماهه شبیه سازی کردند ، و همه به یک تجارت سود معقول و مستقل دست یافتند. با این حال ، استراتژی های آنها منجر به کشش نسبتاً بالایی شد. به منظور کاهش ریسک ذاتی در این کاهش های زیاد ، همان شبیه سازی در حالی که باعث می شود مأمورین منابع پولی را به اشتراک بگذارند ، انجام شد. همانطور که انتظار می رفت ، این استراتژی تنوع سرمایه گذاری نتایج بهتری را نشان می دهد. با این وجود ، هنگامی که هزینه های معاملاتی مورد توجه قرار گرفت ، عملکرد کلی معاملات کمتر از چشمگیر بود. این به این دلیل بود که هر نماینده تجارت زیادی انجام می داد و هزینه مربوط به کمیسیون های تجاری بسیار زیاد شد. ما توانستیم با ادغام نمایندگان در یک سیستم چند عامل ، تأثیر هزینه های معاملات را در کل سود کاهش دهیم ، که در آن نمایندگان قبل از افتتاح معاملات جدید با یکدیگر ارتباط برقرار می کردند. این امر به آنها اجازه می دهد تا میزان قرار گرفتن در معرض بازار را محاسبه کنند ، که به نوبه خود آنها را قادر می سازد از معاملات اضافی جلوگیری کنند. تحت شبیه سازی و استفاده از اهرم کم ، این سیستم چند عامل در 23 ماه از معاملات سود 55. 7 ٪ به دست آورد ، با حداکثر 9. 0 ٪.

کلید واژه ها

• میانگین حرکت
• هزینه تجارت
• ابزار مالی
• فروش کوتاه
• ماژول دانش

این کلمات کلیدی توسط دستگاه اضافه شده و نه توسط نویسندگان. این فرآیند تجربی است و با بهبود الگوریتم یادگیری ممکن است کلمات کلیدی به روز شود.

این پیش نمایش محتوای اشتراک ، دسترسی از طریق موسسه شما است.

گزینه های خرید

کتاب الکترونیکی 160. 49 یورو شامل مالیات بر ارزش افزوده (فدراسیون روسیه)

کتاب Softcover 199. 99 یورو از مالیات بر ارزش افزوده خارج می شود (فدراسیون روسیه)

کتاب گالینگور 199. 99 یورو از مالیات بر ارزش افزوده (فدراسیون روسیه) مستثنی است

پیش نمایش

نمایش پیش نمایش امکان پذیر نیست. بارگیری PDF PREVIEW.

منابع

لی ، R: مشاور سهام Ijade: یک سیستم پیش بینی سهام مبتنی بر عامل هوشمند با استفاده از شبکه مکرر RBF ترکیبی. معاملات IEEE در سیستم ها ، مرد و سایبرنتیک 34 (3) ، 421-428 (2004)

Kimoto ، T. ، Asakawa ، K. ، Yoda ، M. ، Takeoka ، M: سیستم پیش بینی بازار سهام با شبکه های عصبی مدولار. در: 1990 کنفرانس مشترک بین المللی شبکه های عصبی ، جلد. 1 ، صص 1-6 (1990)

Kwon ، Y. ، Moon ، b .: پیش بینی سهام روزانه با استفاده از هیبریدهای عصبی ژنتیکی. در: Cantú-Paz ، E. ، Foster ، J. A. ، Deb ، K. ، Davis ، L. ، Roy ، R. ، O'Reilly ، U.-M. ، Beyer ، H.-G. ، Kendall ، G.، Wilson ، S. W. ، Harman ، M. ، Wegener ، J. ، Dasgupta ، D. ، Potter ، M. A. ، Schultz ، A. ، Dowsland ، K. A. ، Jonoska ، N. ، Miller ، J. ، Standish ، R. K.(Eds.) Gecco 2003. LNCS ، جلد. 2723 ، صص 2203 2214. اسپرینگر ، هایدلبرگ (2003)

Franses ، P. ، Griensven ، K: پیش بینی نرخ ارز با استفاده از شبکه های عصبی برای قوانین تجارت فنی. مطالعات در پویایی غیرخطی و اقتصاد سنجی 2 (4) ، 109-114 (1998)

Lu ، H. ، Han ، J. ، Feng ، L: پیش بینی حرکت سهام و قوانین انجمن بین تراکم N- بعدی. در: 1998 کارگاه آموزشی ACM SIGMOD در مورد موضوعات تحقیق در مورد داده کاوی و کشف دانش ، صص 1-7 (1998)

Gençay ، R: پیش بینی خطی ، غیر خطی و اساسی نرخ ارز با قوانین ساده تجارت فنی. مجله اقتصاد بین المللی 47 ، 91-107 (1999)

Tay ، F. ، Cao ، L: استفاده از ماشین های بردار پشتیبانی در پیش بینی سری زمانی مالی. مجله بین المللی علوم مدیریت 29 (4) ، 309-317 (2001)

ابراهیم ، الف: تجزیه و تحلیل تکنیک های محاسبات نرم و سخت ترکیبی برای سیستم های نظارت بر فارکس. در: مجموعه مقالات کنفرانس بین المللی IEEE 2002 در مورد سیستم های فازی ، صص 1616-1622 (2002)

Abraham ، A. ، Nath ، B. ، Mahanti ، P: سیستم های هوشمند ترکیبی برای تجزیه و تحلیل بازار سهام. در: Alexandrov ، V. N. ، Dongarra ، J. ، Juliano ، B. A. ، Reer ، R. S. ، Tan ، C. J. K.(Eds.) ICCS-Computsci 2001. LNCS ، جلد. 2073 ، صص 337-345. اسپرینگر ، هایدلبرگ (2001)

باربوسا ، R. ، بلو ، O: تجارت الگوریتمی با استفاده از عوامل هوشمند. در: مجموعه مقالات کنفرانس بین المللی اطلاعات مصنوعی 2008 (2008)

باربوسا ، R. ، Belo ، O: اجرای گام به گام یک نماینده تجارت ترکیبی USD/JPY. مجله بین المللی فن آوری ها و سیستم های عامل (2009)