Financial technical indicator based on chaotic bagging predictors for adaptive stock selection in Japanese and American markets

برای بررسی پیش بینی و سودآوری بازارهای مالی، ما سه ایده را برای بهبود تجزیه و تحلیل فنی سنتی برای تشخیص زمان بندی سرمایه گذاری سریع تر معرفی می کنیم. اولا، یک مدل پیش بینی غیر خطی به عنوان یک روش موثر برای افزایش این توان تشخیص با یادگیری الگوهای پیچیده رفتاری پنهان در بازارهای مالی در نظر گرفته می شود. در مرحله دوم، الگوریتم کیسه سازی می تواند برای تعیین اعتماد به پیش بینی ها و ایجاد شاخص های فنی جدید استفاده شود. سوم اینکه، ما همچنین نحوه انتخاب سهام با ارزش تر را برای بهبود عملکرد سرمایه گذاری با انتخاب دو مرحله ای معرفی می کنیم: اولین گام سهام دوره های یادگیری را بیشتر قابل پیش بینی می سازد و سپس مرحله دوم به طور انطباق و به صورت پویا، سهام با اعتماد به نفس را نشان می دهد سیگنال فنی قابل توجه در هر سرمایه گذاری. در نهایت، برخی از شبیه سازی های سرمایه گذاری بر اساس اطلاعات مالی واقعی نشان می دهد که این ایده ها در غلبه بر بازارهای مالی پیچیده ای موفق بوده اند.