Le présent article introduit un système d'inférence neuro-floue adaptatif (ANFIS) pour le négoce financier, qui apprend à prédire les mouvements de prix à partir de données de formation consistant en intraday Tick échantillonnées à haute fréquence. Les données empiriques utilisées dans notre enquête sont des séries chronologiques de prix moyens de cinq minutes sur les marchés des changes. L'optimisation ANFIS implique des back-testing ainsi que la variation du nombre d'époques, et est combinée avec une nouvelle méthode de capture de volatilité en utilisant une approche événementielle qui prend en compte les changements directionnels dans les seuils pré-spécifiés. Les résultats montrent que le modèle proposé surperforme les stratégies standard telles que buy-and-hold ou la prévision linéaire. Téléchargements: (lien externe) inderscience link. phpid38529 (text html) L'accès au texte intégral est réservé aux abonnés. Oeuvres connexes: Cet article peut être disponible ailleurs dans EconPapers: Recherche des articles du même titre. HTML: Plus d'articles dans le Journal International des Marchés Financiers et des Produits dérivés de Inderscience Enterprises Ltd Données de la série mises à jour par Darren Simpson (). Référence de l'exportation: BibTeX RIS (EndNote, ProCite, RefMan) Ce site fait partie de RePEc et toutes les données affichées ici font partie de l'ensemble de données RePEc. Votre travail manque-t-il à RePEc Voici comment contribuer. Résumé: Cet article introduit un système d'inférence neuro-floue adaptatif (ANFIS) pour le négoce financier, l'analyse et l'analyse des données, Qui apprend à prédire les mouvements de prix à partir des données de formation consistant en données de tique intraday échantillonnées à haute fréquence. Les données empiriques utilisées dans notre enquête sont des séries chronologiques de prix moyens de cinq minutes sur les marchés des changes. L'optimisation ANFIS implique des back-testing ainsi que la variation du nombre d'époques, et est combinée avec une nouvelle méthode de capture de la volatilité en utilisant une approche événementielle qui prend en compte les changements directionnels dans les seuils pré-spécifiés. Les résultats montrent que le modèle proposé surperforme les stratégies standard telles que buy-and-hold ou la prévision linéaire. Téléchargements: (lien externe) inderscience link. phpid38529 (text html) L'accès au texte intégral est réservé aux abonnés. Oeuvres connexes: Cet article peut être disponible ailleurs dans EconPapers: Recherche des articles du même titre. HTML: Plus d'articles dans Journal of Financial Markets and Derivatives de Inderscience Enterprises Ltd Données de la série mises à jour par Darren Simpson (). Ce site fait partie de RePEc et toutes les données affichées ici font partie de l'ensemble de données RePEc. Votre travail manque-t-il à RePEc Voici comment contribuer. Questions ou problèmes Consultez la FAQ d'EconPapers ou envoyez un courrier à.
No comments:
Post a Comment