کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4944468 1437991 2017 47 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Discovering profitable stocks for intraday trading
ترجمه فارسی عنوان
کشف ذخایر سودآور برای تجارت روزانه
کلمات کلیدی
داده کاوی، معدن زنجیره ای، داده های وزن،
ترجمه چکیده
معامله گران روزانه در کوتاه مدت، معمولا در یک روز معاملۀ مشابه، ابزارهای مالی را خریداری و به فروش می رسانند. سهام نمونه قابل توجهی از ابزارهای مالی است. با این حال، از آنجایی که صدها سهام در بورس اوراق بهادار در هر روز معاملاتی ذکر شده است، سهام بیشتر قابل فروش، یک کار چالش برانگیز است که معمولا از طریق بازنگری دستی از قیمت های سهام تاریخی و شاخص های فنی صورت می گیرد. این مقاله با هدف دستیابی به پیدا کردن سهام قابل تجارت در یک روز معاملاتی معین با تحلیل قیمت های تاریخی که توسط سهام های مشابه یا روزهای قبل از آن با استفاده از رگرسیون و تکنیک های استخراج توده وزن انجام شده است. استفاده از رگرسیون و تکنیک های استخراج توده وزن به معامله گران اجازه می دهد تا به طور خودکار شمار زیادی از سهام نامزد را بررسی و به طور موثر تنوع قیمت های آنها را در طول روزهای متوالی تجزیه و تحلیل کند. نتایج تجربی که بر روی داده های به دست آمده از بازارهای مختلف و تحت شرایط مختلف بازار بدست آمده نشان می دهد که الگوریتم های استخراج معادله سود سود بالاتر از هر دو تکنیک رگرسیون و استراتژی های ساده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
Intraday traders buy and sell financial instruments in the short term, typically within the same trading day. Stocks are notable examples of financial instruments. However, since hundreds of stocks are listed on the stock exchange selecting on each trading day the most tradeable stocks is a challenging task, which is commonly addressed through manual inspection of historical stock prices and technical indicators. This paper aims at discovering tradeable stocks on a given trading day by analyzing the historical prices assumed by the same stocks or by other ones on the preceding days by means of regression and weighted sequence mining techniques. The use of regression and weighted sequence mining techniques allows traders to automatically consider a potentially large number of candidate stocks and to effectively analyze their price variations across consecutive days. The experimental results, which were achieved on data acquired from different markets and under different market conditions, show that sequence mining algorithms yield profits higher than both regression techniques and naive strategies.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Sciences - Volume 405, September 2017, Pages 91-106
نویسندگان
, , , , ,