کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
4942894 | 1437613 | 2018 | 24 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Fuzzy modeling of stock trading with fuzzy candlesticks
ترجمه فارسی عنوان
مدلسازی فازی معاملهی سهام با الگوهای شمعی فازی
همین الان دانلود کنید
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
بازرگانی، منطق فازی، شمعدان پیش بینی، تشخیص الگو، بازار سهام،
فهرست مطالب مقاله
نکات
چکیده
کلمات کلیدی
1.مقدمه
شکل ۱. نمایش سریهای زمانی قیمت (a) و شمعهای ژاپنی (b)
۲. سوابق
جدول ۱. مقایسهی پژوهشهای مرتبط با استفاده از الگوهای شمعی ژاپنی
۳. روش
۳.۱. انتخاب الگوهای شمعی
۳.۲. خروجیها و ورودیهای فازی
۳.۳. قوانین فازی
۴. الگوهای شمعی
شکل ۲. نمایش شمع ژاپنی
شکل ۳. شکاف نزولی (a) و شکاف صعودی (b)
شکل ۴. الگوهای صعودی ضربهای (a)، همر (b) و پیرسینگ لاین (c)
۵. مدلسازی فازی بازار سهام با شمعهای فازی
۵.۱. ورودیهای فازی
شکل ۵. مجموعههای فازی برای متغیرهای Lupper(t) و Llower(t)
شکل ۶. مجموعههای فازی برای متغیر Lbody(t)
شکل ۷. مجموعههای فازی برای متغیر Trend(t)
شکل ۸. توابع عضویت برای متغیر Lgap(t)
شکل ۹. مجموعههای فازی برای متغیرهای Ldifopen(t) و Ldifcentral(t)
۵.۲. خروجیهای فازی
شکل ۱۰. مجموعههای فازی برای متغیر خروجی صعودی
۵.۳. قوانین فازی
۵.۳.۱. الگوی فازی صعودی ضربهای (kicking bullish)
جدول ۲. قوانین فازی برای الگوی صعودی ضربهای
۵.۳.۲. همر فازی
جدول ۳. قوانین فازی برای الگوی همر
۵.۳.۳. پیرسینگ لاین فازی
جدول ۴. قوانین فازی برای الگوی پیرسینگ لاین
۶. نتایج و بحث
۶.۱. آموزش
جدول ۵. نتایج آموزش برای سیستم معاملهی فازی (آزمایش ۱)
جدول ۶. نتایج آموزشی برای سیستم معاملهی فازی (آزمایش ۲)
جدول ۷. نتایج آموزشی برای سیستم معاملاتی استاندارد (دودویی)
شکل ۱۱. تکامل سرمایه برای دورهی یادگیری با سه استراتژی
۶.۲. ارزیابی
جدول ۸. نتایج ارزیابی برای سیستم فازی – آزمایش اول (نزدک ۱۰۰)
جدول ۹. نتایج ارزیابی برای سیستم فازی – آزمایش ۲ (نزدک ۱۰۰)
جدول ۱۰. نتایج ارزیابی برای سیستم قطعی (نزدک ۱۰۰)
شکل ۱۲. تکامل سرمایه برای بازهی ارزیابی (نزدک ۱۰۰)
جدول ۱۱. نتایج ارزیابی برای سیستم فازی – experiment 1 (یورواستاکس)
جدول ۱۲. نتایج ارزیابی برای سیستم فازی ـ experiment 2 (یورواستاکس)
جدول ۱۳. نتایج ارزیابی برای سیستم قطعی (یورواستاکس)
شکل ۱۳. تکامل سرمایه برای بازهی ارزیابی (یورواستاکس)
جدول ۱۴. نتایج سیستم معاملهی فازی (نارانجو و همکاران، ۲۰۱۵) (سمت چپ) و طرح پیشنهادی شمعهای فازی (سمت راست)
۷. نتایج و کارهای آینده
چکیده
کلمات کلیدی
1.مقدمه
شکل ۱. نمایش سریهای زمانی قیمت (a) و شمعهای ژاپنی (b)
۲. سوابق
جدول ۱. مقایسهی پژوهشهای مرتبط با استفاده از الگوهای شمعی ژاپنی
۳. روش
۳.۱. انتخاب الگوهای شمعی
۳.۲. خروجیها و ورودیهای فازی
۳.۳. قوانین فازی
۴. الگوهای شمعی
شکل ۲. نمایش شمع ژاپنی
شکل ۳. شکاف نزولی (a) و شکاف صعودی (b)
شکل ۴. الگوهای صعودی ضربهای (a)، همر (b) و پیرسینگ لاین (c)
۵. مدلسازی فازی بازار سهام با شمعهای فازی
۵.۱. ورودیهای فازی
شکل ۵. مجموعههای فازی برای متغیرهای Lupper(t) و Llower(t)
شکل ۶. مجموعههای فازی برای متغیر Lbody(t)
شکل ۷. مجموعههای فازی برای متغیر Trend(t)
شکل ۸. توابع عضویت برای متغیر Lgap(t)
شکل ۹. مجموعههای فازی برای متغیرهای Ldifopen(t) و Ldifcentral(t)
۵.۲. خروجیهای فازی
شکل ۱۰. مجموعههای فازی برای متغیر خروجی صعودی
۵.۳. قوانین فازی
۵.۳.۱. الگوی فازی صعودی ضربهای (kicking bullish)
جدول ۲. قوانین فازی برای الگوی صعودی ضربهای
۵.۳.۲. همر فازی
جدول ۳. قوانین فازی برای الگوی همر
۵.۳.۳. پیرسینگ لاین فازی
جدول ۴. قوانین فازی برای الگوی پیرسینگ لاین
۶. نتایج و بحث
۶.۱. آموزش
جدول ۵. نتایج آموزش برای سیستم معاملهی فازی (آزمایش ۱)
جدول ۶. نتایج آموزشی برای سیستم معاملهی فازی (آزمایش ۲)
جدول ۷. نتایج آموزشی برای سیستم معاملاتی استاندارد (دودویی)
شکل ۱۱. تکامل سرمایه برای دورهی یادگیری با سه استراتژی
۶.۲. ارزیابی
جدول ۸. نتایج ارزیابی برای سیستم فازی – آزمایش اول (نزدک ۱۰۰)
جدول ۹. نتایج ارزیابی برای سیستم فازی – آزمایش ۲ (نزدک ۱۰۰)
جدول ۱۰. نتایج ارزیابی برای سیستم قطعی (نزدک ۱۰۰)
شکل ۱۲. تکامل سرمایه برای بازهی ارزیابی (نزدک ۱۰۰)
جدول ۱۱. نتایج ارزیابی برای سیستم فازی – experiment 1 (یورواستاکس)
جدول ۱۲. نتایج ارزیابی برای سیستم فازی ـ experiment 2 (یورواستاکس)
جدول ۱۳. نتایج ارزیابی برای سیستم قطعی (یورواستاکس)
شکل ۱۳. تکامل سرمایه برای بازهی ارزیابی (یورواستاکس)
جدول ۱۴. نتایج سیستم معاملهی فازی (نارانجو و همکاران، ۲۰۱۵) (سمت چپ) و طرح پیشنهادی شمعهای فازی (سمت راست)
۷. نتایج و کارهای آینده
ترجمه چکیده
این مقاله به ارائهی روشی برای کشف الگوهای شمعی در سیستم معاملهی سهام با استفاده از منطق فازی میپردازد. روش فازی امکان محاسبهی ابهام و عدم قطعیت مشخصات الگو را میدهد. علاوه بر این استفاده از قوانین فازی اجازه میدهند تا عدم قطعیت را در یک سیستم تصمیمگیری معامله درنظر بگیریم، این سیستم به سرمایهگذار توصیه میکند چه زمانی و چقدر سرمایهگذاری کند. به این صورت، سیستم هوشمند به کارشناسان کمک میکند تا از دانش خود ازجمله قوانین مبتنی بر الگوی شمی به شیوهای طبیعی و واقعگرایانهتر از روشهای استاندارد مبتنی بر قوانین قطعی استفاده کند. در این مقاله این روش را با نسلی از سیستم معاملهی فازی نشان دادیم که از سه الگوی شمعی شناختهشده استفاده میکند که به شکل فازی درآمدهاند. عملکرد این سیستم معاملهی سهام هوشمند در دو پورتفولیو از بازارهای سهام مختلف ازجمله نزدک ۱۰۰ و یورواستاکس تست شد و سپس با همتای قطعی خود و استراتژی معاملهی Buy and Hold (خرید و حفظ) مقایسه شد. سیستم معاملهی فازی مبتنی بر الگوی شمعی ما نهتنها تشخیص الگو را نسبت به نسخهی قطعی بهبود میدهد بلکه نتایج امیدبخشی را هم ارائه میدهد زیرا رفتار آن در بازار تحلیلشده پایدارتر است و نسبت به سیستمهای معاملاتی دیگر با روشی کم ریسک تر منجر به سوددهی بیشتر میشود.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
هوش مصنوعی
چکیده انگلیسی
This paper proposes a methodology to detect candlestick patterns in a stock trading system using fuzzy logic. The fuzzy approach make possible to account for the vagueness and uncertainty of the pattern features. Even more, the use of fuzzy rules allows it to include that uncertainty into a trading decision system that not only advises the investor on when but also on how much capital to invest. In this way, the intelligent system helps the experts to use their knowledge, i.e. the candlestick-based rules, in a more natural and realistic way than the standard one based on crisp rules. In the paper we have illustrated this methodology with the generation of a fuzzy trading system that uses three well-known candlestick patterns that have been fuzzified. The performance of this intelligent stock trading system is tested in two portfolios of different stock markets, Nasdaq-100 and Eurostoxx, and it is compared against its crisp counterpart and the classical Buy-and-Hold trading strategy. Our fuzzy candlestick-based trading system not only improves the pattern recognition with respect to its crisp version, but it also provides promising results since it exhibits a more stable behavior in the markets analyzed, and obtains more profits in a less risky way than the other trading systems considered.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 93, 1 March 2018, Pages 15-27
Journal: Expert Systems with Applications - Volume 93, 1 March 2018, Pages 15-27
نویسندگان
Rodrigo Naranjo, Javier Arroyo, Matilde Santos,