في الوقت الحقيقي التكتل و svm أساس التنبؤ سعر تقلب ل استراتيجية التداول الأمثل

يسلط الضوء من المتوقع الأسعار في المستقبل باستخدام آلة الدعم الموجه. وضعت استراتيجية التداول على المدى القصير على أساس التوقعات. A محاكاة اختبار حققت ربحا قدره 1.5٪ على مدى 15 يوما. العائد المالي على الاستثمارات وحركة مؤشرات السوق محفوفة بالشكوك وبيئة متقلبة للغاية موجود في السوق العالمية. تتأثر أسواق الأسهم بشدة عدم القدرة على التنبؤ السوق والحفاظ على محفظة متنوعة صحية مع الحد الأدنى من المخاطر هو بلا شك حاسما لأي استثمار المحرز في هذه الأصول. السعر الفعلي والتنبؤ تقلب يمكن أن تؤثر إلى حد كبير مسار استراتيجية الاستثمار فيما يتعلق مثل مجموعة من أدوات حقوق الملكية. في هذه الورقة تم دمج أساس تقنية هجين تجمع رواية SOM مع تراجع الدعم الموجه لاختيار المحافظ وسعر دقيقة وتنبؤات التقلبات التي تصبح الأساس لاستراتيجية التداول معينة المعتمدة للمحفظة. يعتبر البحوث أعلى 102 أسهم البورصة NSE (الهند) لتحديد مجموعة من أفضل المحافظ التي يمكن للمستثمر المحافظة للحد من المخاطر والربحية العالية. كما يتم وضع مؤشرات استراتيجية تداول الأسهم على المدى القصير والأداء لتقييم صحة التنبؤات فيما يتعلق السيناريوهات الفعلية. Subhabrata تشودري تسعى حاليا له البكالوريوس درجة تقنية في هندسة الفلزات والمواد في المعهد الهندي للتكنولوجيا خراجبور، الهند، وهو في السنة النهائية. وتشمل اهتماماته البحثية الحالية التعدين بيانات، بحوث العمليات، آلة التعلم وتطبيقاتها في العلوم المالية وصناعة الصلب. Subhajyoti غوش هو الرابع الطالب الجامعي العام في المعهد الهندي للتكنولوجيا خراجبور، التحق الهند في برنامج درجة مزدوجة لمدة خمس سنوات (بي تك وM. تك) في المحيط الهندسة والعمارة البحرية. تركز أبحاثه الحالية على بحوث العمليات، الأسواق المالية، وجدولة. أرناب بهاتاشاريا حاليا رسالة الدكتوراه في بحوث العمليات في جامعة بيتسبرغ، الولايات المتحدة. أكمل برنامج درجة مزدوجة لمدة خمس سنوات (بي تك وM. تك) في الهندسة الصناعية والإدارة في المعهد الهندي للتكنولوجيا خراجبور والهند في عام 2011. وتشمل مجالات أبحاثه بحوث العمليات واستخراج البيانات. كيران جود فرنانديز هو مدير البحوث ورئيس مجموعة إدارة العمليات في كلية نيويورك الإدارة، UK. وهو أيضا واحد من المحققين الرئيسي في مركز يورك متعدد التخصصات لمجمع تحليل النظم (YCCSA). وهو حاصل على درجة الدكتوراه في إدارة العمليات والنظم من جامعة وارويك؛ درجة الماجستير (MS) من جيمس وورث باجلي كلية الهندسة في جامعة ولاية ميسيسيبي (MSU)، والبكالوريوس في الهندسة (مع مرتبة الشرف) درجة في الإنتاج من Waltech. ويركز بحثه على نماذج من المجالات الاجتماعية والتجارية المعقدة باستخدام منظور النظام المعقد. مانوج كومار تيواري هو أستاذ في قسم الهندسة الصناعية والإدارية في المعهد الهندي للتكنولوجيا خراجبور، الهند. وهو محرر مشارك في المجلات التي تشمل IEEE المعاملات على SMC. جزء A. نظم والبشر، المجلة الدولية لعلوم النظام. مجلة نظام دعم القرار. لديه أكثر من 200 منشورا في مختلف المجلات والمؤتمرات الدولية. اهتماماته البحثية هي نماذج دعم القرار والتخطيط والجدولة ومشاكل التحكم في نظام التصنيع وتوريد شبكة سلسلة. المقابلة المؤلف. الهاتف. +91 3222 283 746. 2013 إلسفير B. V. جميع الحقوق محفوظة. منشورات مماثلة في الوقت الحقيقي التكتل وSVM أساس سعر تقلب التنبؤ لاستراتيجية التداول الأمثل Subhabrata Choudhurya، 1، Subhajyoti Ghoshb، 2، أرناب Bhattacharyac، كيران جود Fernandesd، 3،4، مانوج كومار Tiwarie، ن، 5 aDepartment هندسة المواد المعدنية، والمعهد الهندي للتكنولوجيا خراجبور، خراجبور 721302، الهند bDepartment من المحيط الهندسة والعمارة البحرية، المعهد الهندي للتكنولوجيا خراجبور، خراجبور 721302، الهند cUniversity بيتسبرغ، بيتسبرغ، PA 15213، الولايات المتحدة الأمريكية dDepartment للإدارة، دورهام كلية إدارة الأعمال جامعة، ميل هيل لين، جامعة دورهام، دورهام DH1 3LB، المملكة المتحدة eDepartment إدارة المعهد الهندي للتكنولوجيا الهندسة الصناعية و، خراجبور 721302، الهند وص ر ط ج ل ه ط ن و س تاريخ المقال: تلقى 17 أكتوبر 2012 تلقى في شكل منقح 22 يوليو 2013 قبلت 10 أكتوبر 2013 بيان صادر عن بيجايا كيتان Panigrahi متوفر على الانترنت 29 أكتوبر 2013 البورصة المجموعات التنظيم الذاتي خرائط استراتيجية التداول دعم آلة ناقلات ملخص العائد المالي على الاستثمارات وحركة مؤشرات السوق محفوفة بالشكوك و بيئة شديدة التقلب موجود في السوق العالمية. تتأثر أسواق الأسهم بشكل كبير من قبل عدم القدرة على التنبؤ السوق والحفاظ على محفظة متنوعة صحية مع الحد الأدنى من المخاطر هو دون أدنى ريب حاسمة صريح لأي استثمار المحرز في هذه الأصول. السعر الفعلي والتنبؤ تقلب يمكن غاية تأثير على مسار استراتيجية الاستثمار فيما يتعلق مثل مجموعة من أدوات حقوق الملكية. في هذه الورقة تم دمج تقنية هجين تجمع رواية SOM أساس مع تراجع الدعم الموجه ل اختيار المحافظ والأسعار وتقلبها دقيقة التنبؤات التي تصبح الأساس ل خاصة استراتيجية التداول المعتمدة للمحفظة. يعتبر البحوث أعلى 102 سهم من أسهم NSE سوق الأوراق المالية (الهند) لتحديد مجموعة من أفضل المحافظ التي يمكن للمستثمر المحافظة للحد من مخاطر والربحية العالية. كما يتم وضع مؤشرات استراتيجية تداول الأسهم على المدى القصير والأداء ل تقييم صحة التنبؤات فيما يتعلق السيناريوهات الفعلية. 2013 إلسفير B. V. جميع الحقوق محفوظة. 1 المقدمة الأسواق المالية العالمية مرة أخرى محفوفة uncertain - العلاقات في كل مستوى من مستويات الاستثمار وعلى كل االستثمار ممكن منة السيارة. التطورات الأخيرة مثل الدرجات أسفل من الائتمان في الولايات المتحدة تصنيف كتبها معايير آند بورز (S وP) من AAA منمق إلى AAþ الحكمة ومستمرة أزمة الائتمان التي تنطوي على اليورو وقد أجبرت الديون الحكومية الهائلة عدة بلدان في الفوضى والعدوى قد أثرت بشكل كبير العديد من الاقتصادات في جميع أنحاء العالم، مع المستثمرين على حين غرة واثبات حتى على أسوأ التوقعات حالة خاطئة. الآثار المترتبة على مثل يمكن أن ينظر إليه الأحداث المذهلة في ارتفاع أسعار هائلة في أسواق الذهب العالمية في حين أن السيناريو العكس تماما تطورت في سوق الولايات المتحدة الأسهم، الأسهم والسلع التي كانت تستكمل ضعف الدولار واليورو حتى frailer. الغالبية العظمى من المستثمرين وؤسسات الاستثمار ستعقد تميل إلى صياغة استراتيجياتها بناء على استقراء الاتجاهات الحديثة بسيطة وحساب محفظة بالتجارة عودة للخطر إيقاف لصياغة واحدة الأمثل. المغالطة تكمن في التوقعات والقرارات استنادا فقط على تحركات سعر مؤشرات أو الأسهم الفردية في السوق والتحليل الفني للاستراتيجيات مختلفة ل مجموعة من الأدوات الاستثمارية. مفهوم الخطر أو تقلب يأخذ معنى مهم جدا في هذا السياق. تحديد الانحراف المعياري أو التباين في الخصوص فئة الأصول أو مشتقاته تصبح حاسمة للغاية في إعطاء نظرة شمولية للشكوك السوق الحالية. الهيكلية التغييرات الخارجية في السوق من الصعب للغاية التنبؤ، وبالتالي التحليل المستخدمة في هذه القطعة من البحث يركز على إعطاء مستثمر أداة قوية التي يمكن قياس بدقة الحالة المزاجية لل السوق والأصول قيد النظر التي تصبح حاسمة في صياغة استراتيجية التداول التي تتوافق مع الكره خطر أو المخاطرة التعاطف من المستثمرين الأفراد أو التكتلات. خلال رد فعل خطير للغاية في الوصول إلى الاستثمار ديسي االنبعاثات الذي يصبح حجر الزاوية في صياغة التحليلية أو الحلول الكشف عن مجريات الأمور نحو صياغة استراتيجية التي يمكن التحوط ضد هذا جنون العظمة على أي تأثير التخريبية. كما لا يوجد نموذج تم خداع الإثبات، وينبغي قياس الأداء من قبل الوقت الحقيقي قوائم المحتويات المتوفرة في موقع ScienceDirect الصفحة الرئيسية للمجلة: إلسفير / تحديد / neucom Neurocomputing 0925-2312 / $ - راجع المادة الأمامية 2013 إلسفير BV جميع الحقوق محفوظة. dx. doi / 10.1016 / j. neucom.2013.10.002 nCorresponding المؤلف. الهاتف. þ91 3222 283 746. عودة المحافظ وتحليل المخاطر على أساس يومي والذي يعطي مستثمر أن يختار مجموعة من الفئات التي سوف تنويع المخاطر التي يهدف لتكبير أو أكثر بشكل صحيح تحسين العوائد بدلا مع القيمة المستهدفة له [1]. العمل المقدم هنا يركز على ابتكار الأمثل مجموعة من مجموعات الأصول أو الأصول المحفوفة بالمخاطر التي ستقدم ل مستثمر لتقييم المخاطر والعوائد تشارك في الاختيار. الموديل يتم تطبيقها لجميع الأسهم القابلة للتداول في البورصة الوطنية (NSE) من الهند، والتي توفر الأدوات المشتقة البديلة مثل الاجلة والخيارات. العمل يختار الأسهم الهندي ل التحليل بسبب بيتا عالية للاقتصاد الهندي و حيث آثار تشويه تداعيات مالية يمكن دراستها في خضم بيئة مواتية للاستثمارات قصيرة المدى الطويل المدى و بفضل نمو اقتصادي حقيقي. ويتوخى هذا العمل ل وحدة كاملة التنبؤية التي يمكن التنبؤ بدقة أسعار والتقلبات الكامنة المرتبطة أنواع الأصول، التي يتم أولا عنقودية على أساس المخاطر والعوائد الشخصية. ا الهجين SOM (خرائط الذاتي التنظيم) باستخدام K يعني التجميع هو تستخدم لتجميع الأسهم في حين المتجهات الانحدار (SVR) يستخدم للتنبؤ الأسعار في المستقبل والتقلبات قصيرة دورات التداول لتنبؤات أفضل. استنادا إلى نتائج، التداول يتمحور حدة استراتيجية الذي يختار أفضل استراتيجية ل يتداول تحت السيناريو غير مؤكد ضمني في السوق يتبين من التوقعات. وكما ذكر في وقت سابق، وأكثر من الدقة في التنبؤ بالأسعار الحقيقية والتقلبات، ما يصبح من المهم هو الاتجاه النسبي للحركات ومجموعة محددة من القيم التي يمكن للنموذج نقترح تستند بناء على استراتيجية مختلفة أن المستثمر يختار على أساس النفور من المخاطرة به. العمل الحالي الذي يضم المجموعات تقنيات [2،3] ومتقدمة الفنيون الإحصائية واستخراج البيانات سؤال كان [4] شهدت عدة تحولات لأفضل مسبقا القدرة dictive. في لحظة الكتابة، لا المؤلفين لها المعرفة من جانب نظام استيعابهم والذي يستخدم على حد سواء تقنيات تجميع والتنبؤية مرتبطة اختيار الاستراتيجية لمحفظة في سوق الأسهم. ويتمحور الورقة على النحو التالي. ويناقش القسم التالي 2. مراجعة الأدب في هذا القسم، العمل ذات الصلة في تقنيات المجموعات، regres - وتناقش نماذج سيون واستراتيجيات التداول التي تحدد المسرح للمشكلة المطروحة في هذه الورقة. 2.1. تقنيات التجميع على مدى العقود القليلة الماضية تقنيات تجميع وقد استخدم لصنف مجموعات البيانات المختلفة ولكن ما هي الا في وقت لاحق 1990s عندما تم استغلال تقنيات التجميع على البيانات المالية. االتفاقية تطورت خوارزميات partitive والهرمية tional في بهم الهجينة الوراثية مثل GA-K-الوسائل. واستخدمت هذه على نطاق واسع لتجزئة السوق [5]. في حالة البيانات المالية، والتجميع كما تم استخدام خوارزميات لتجميع بيانات السلاسل الزمنية. Cluster - جي للسلسلة الزمنية يسهل نموذج الانحدار أفضل ل التنبؤ في المستقبل [6] كما أنه يقلل إلى حد كبير من الضوضاء لعدم سلسلة زمنية ثابتة، مثلها في ذلك مثل سعر السهم. رغم أن هناك العديد من clus - partitive Agglomerative و وقد برز خوارزميات tering SOM باعتبارها واحدة من أكثر شعبية الاختيار في تجميع البيانات متعددة الأبعاد، وتحليلها من قبل Shahapurkar وSundareshan [7]. استخدام SOM الصافية للالعصبية الاصطناعية يعمل لبيانات العنقودية ويساعد على تنظيم البيانات متعددة VARIATE-على الفضاء 2-D كما هو موضح من قبل [8]. وتعقد هذه التكتلات خوارزميات متناسبة مع كمية من البيانات المدخلة، وبالتالي بشدة زيادة الوقت الحسابي لعملية التجميع. في البيانات حالتنا على حد سواء عرضة الضوضاء وشاملة. للقضاء على الضوضاء وبالتالي تحسين computa - الوقت نشوئها Vesanto وAlhoniemi [9] المقترحة على مستوى رواية اثنين التجريد إلى الكتلة الذات تنظيم خريطة. تجاربهم ألمح إلى أن تجميع وSOM هو أكثر فعالية حسابيا نهج من تجميع مباشرة مجموعة البيانات. من ناحية أخرى SOM تساعد على تصور مجموعات البيانات أعلى الأبعاد على 2-D الفضاء، والتي سوف تكون مفيدة إذا زدنا الأبعاد تمثل الأسهم لأكثر من 2.There كانت الجهود المبذولة ل إنشاء محفظة باستخدام مختلف أساليب تجميع طبقة واحدة [10]، ولكن على حد علمنا، واقترح طبقتين هي 2.2. نموذج الانحدار على مدى السنوات القليلة الماضية عدد متزايد من الباحثين دراسة حركة الأسعار وتقلبها من أنواع مختلفة من أدوات مالية. الأكاديميين والباحثين والشركات يحاول قصارى جهدهم لوضع أساليب للتنبؤ بالمستقبل السوق الاقتصادي وابتكار نظام تجاري فعال ل تحقيق أقصى قدر من الأرباح [15]. قبل إدخال الذكاء الحسابى tradi - الأساليب الإحصائية tional مثل الانحدار متعدد المتغيرات، لصناعة السيارات تراجعية المتوسط ​​المتكاملة المتحركة (ARIMA) [16]، المعمم كانت الانحدار heteroskedasticity مشروط (GARCH) [17] تستخدم للتنبؤ. أنهم غير قادرين على إنتاج كبيرة ينتج عن بيانات المخزونات عموما معقدة ومزعجة في الطبيعة. إلى تصحيح مشكلة مصطنعة تقنيات الذكاء مثل كانت عام الخوارزميات، الشبكات العصبية الاصطناعية (ANN) الموالية لل التي يتعرض لها نهج هذه المشكلة. الباحثين يميلون الآن نحو المتجهات آلة (SVM)، اقترح أول من Vapnik [18] لتحسين توقعات [6،19]. معظم النتائج مقارنة تبين أن SVM يفوق ANN من حيث الأداء التنبؤ [20]. هذا يرجع إلى هيكل أقل تعقيدا من SVR، ونظرا ل تنفيذ مبدأ تقليل المخاطر الهيكلية، SVR محاولات لتقليل الحد الأعلى من الخطأ التعميم في حين أنه في ANN مبدأ تقليل المخاطر التجريبية هو imple - mented التي تسعى لتقليل الخطأ الخطأ في التصنيف أو devia - نشوئها من الحل من بيانات الاختبار. أيضا هناك فرصة أقل أكثر من المناسب مع SVM كما هو الأمثل العالمي في حين قد ANN توليد الحلول المثلى المحلية الوحيدة [21،22]. A الدرجة الثانية محدبة يتم استخدام الأمثل للحصول على حل لSVM حيث تجد أن SVM يتفوق واحد الأخير. وقد استخدم SVM التي كتبها [21] ل توقع التغيير اليومي من سعر كوريا المركب سعر السهم مؤشر (كوسبي). وعلاوة على ذلك تم مقارنة نموذج SVM مع الإفرادية الاستدلال المبني على (CBR)، والشبكة العصبية نشر الخلفي (BPN) حيث تفوقت SVM اثنين آخرين. التنبؤ ونفذت حركة الاتجاه الأسبوعي لمؤشر نيكاي 225 من باستخدام SVM [26]. لتقييم قدرة التنبؤ SVM، ل ومقارنة الأداء مع تلك الخطية التمايز تحليل والتربيعية التمايز تحليل وعلمان الرجوع فيه الدعاية gation الشبكات العصبية (NN). SVM تفوقت أساليب أخرى في التجربة. نموذج الجمع من خلال دمج SVM مع واقترح أساليب تصنيف أخرى أيضا في ورقة. تناول Gavrishchaka وبانيرجي [27] مشكلة volati - التنبؤ عنه lity من سوق الأوراق المالية عالية الأبعاد. استنادا SVM - كان نموذج تقلب في كثير من الأحيان مقارنة متفوقة على تأسيسها نماذج التنبؤ تقلب على سبيل المثال GARCH وgeneral - لها izations. التنبؤ من SP CNX مؤشر أنيق السوق من NSE نفذه كومار وThenmozhi [28] باستخدام SVM و عشوائي الغابات الانحدار. في الاختبار كان SVM متفوقة على عشوائي الغابات، ANN بالإضافة إلى الطرق التقليدية مثل ARIMA. الدراسات التجريبية في سوق الأوراق المالية هونج كونج إثبات أن النهج ANN وSVR يتقلص بشكل ملحوظ متوسط ​​أخطاء التنبؤ، وبالتالي تحسين forecast - دقة جي. نهج اللامعلمية على أساس ANN وSVM جنبا إلى جنب مع تحسين أسلوب تسعير الخيارات التقليدية كان عرض للتنبؤ أسعار الخيار من الأوراق هونغ كونغ السوق [29]. وأظهرت النتائج تحسنا كبيرا في forecast - دقة مع نماذج ANN وSVR استنادا جي. الاداء على الأدب يقاس دراسات حالة SVM الانحدار ضد غيرها من وسائل التعلم المتقدمة مثل القاعدة الشعاعية يؤديان نشوئها، ونموذج متعدد الطبقات المتعرف التقليدي، بوكس ​​جنكنز المتكاملة الانحدار الحركة الاستجابة النبضية محليا المتكررة الشبكات العصبية [22]. و المقارنة تبين أنه في الحالات تحليلها، SVM للمقارنة لوفي معظم الحالات يتفوق على غيرها من التقنيات. كلاسيكي أساليب مثل ARMA وGARCH، يتطلب ضخم حجم العينة ل التنبؤ على نحو أفضل مما يؤدي إلى انخفاض حجم العينة الأصلي لل نماذج أجل العليا [30]. أنها أظهرت أيضا أن SVM والعودة الانتشار (BP) يؤدي أفضل من نموذج ARMA في معايير قياس الانحراف. تظهر التجارب أيضا أن SVM يتفوق على حد سواء خليط محدود من ARMA-GARCH وBP نماذج في معايير الأداء انحراف [31]. وقد لمزيد من الدراسات الأخيرة التي استهدفت نهج SVR الهجين لتحسين أداء توقعات SVR [32،33]. إشارة تقنيات المعالجة مثل المويجات تحويل وغير سلبي مصفوفة الى عوامل تساعد في تحسين التوقعات. توقعات تم الحصول عليها من المتجهات الانحدار نموذج، ويقدم أسعار الإغلاق والقيم التذبذب في حركة 15 المقبل المتوسط ​​وtheInfinite أيام. هذه القيم شكلت منصة لصياغة التداول استراتيجية لتعظيم الربح. 2.3. استراتيجية التداول وقد نشرت الكثير من العمل خلال العقد الماضي حول استراتيجيات التداول في السوق المالية. معظم هذه الاستراتيجيات هي إما تعاني بنسبة التخلف، كما هو الحال في حالة عصا شمعة استراتيجية، أو غير مناسبة للاستثمارات طويلة الأجل، مثل حالة تداول الزخم. وتستند الاستراتيجية التي نقترحها على تحليل يومين التداول، وهو ما يعطيها ميزة على الاستراتيجيات الأخرى مع الأخذ في الاعتبار الاضطراب الحالي في الأسواق المالية. A مصفوفة القرار مستعدة أيضا للمساعدة تاجر اتخاذ قرارات. 3.1. المجموعات الخطوة الأولى للحل تتضمن تجميع الأسهم المدرجة في NSE على أساس عوائدها لوغاريتمي واليومية الكامنة التقلبات. التكتل هي طريقة لتعلم غير خاضعة للرقابة ل تقسيم مجموعة البيانات إلى مجموعة من مجموعات. وتقترح هذه الورقة اثنين طبقة تجريد لتجميع الأسهم باستخدام اتباعها من قبل SOM K-يعني تجميع وSOM كما هو مبين في الشكل. 1. المستوى الأول، SOM، يتكون من شبكة عصبية 2-D مع حي العلاقات بين الخلايا العصبية. يتم توصيل ناقلات المدخلات ل طبقات الانتاج ولكن الخلايا العصبية ليست مترابطة. SOM هو مناسبة لتجميع البيانات ورسم الخرائط من الأبعاد على ارتفاع يوم قطع 2-D، يبرهن على أن يكون مثاليا في حالة متعددة الأبعاد المستوى الثاني في النهج ينطوي على تجميع باستخدام خوارزمية partitive. خوارزميات Partitive مثل K-يعني أقسام مجموعة البيانات في ك مجموعات، والذي هو عنقودية كل نموذج استنادا إلى أقرب معدلها. الحصول على النتائج من بالوسائل K تمثل مجموعات من النماذج، والتي بدورها هي خريطة للأصل أسهم. يتم تحديد العدد الأمثل من مجموعات من مختلف مؤشرات صحة العنقودية. مؤشرات تحسب أيضا تلميحات والأمثل تجمع في هذه الحالة، وهذا هو جدولة في الجدول 1. هذا النهج مستويين يقلل إلى حد كبير الحساب = 15 أو نحو ستة أضعاف لN¼1000. من بالطبع، هذا هو تقدير تقريبي جدا لأن العديد يخدع عملي 3.2. دعم آلة ناقلات الخطوة الثانية من الحل ينطوي على التقهقر الوقت سلسلة من الأسهم التي تم الحصول عليها من الخطوة الأولى، وبالتالي القيم المستقبلية التنبؤ بها باستخدام المتجهات الآلات. SVMs