Incorporando análise técnica em sistemas de negociação baseados em rede neural

Integração de análise técnica em sistemas de negociação baseados na rede neural
Nós propusemos recentemente um sistema de comércio promissor para o índice S & amp; P 500, que consiste em um componente de seleção de recursos e um filtro simples para pré-processamento de dados, duas redes neurais especializadas para a predição de retorno e uma base de regras para a integração de predição. O objetivo deste estudo é explorar se incluir conhecimento adicional para uma filtragem de dados mais sofisticada e a integração de retorno leva a novas melhorias no sistema. O novo sistema está usando um indicador técnico bem conhecido para dividir os dados e um indicador adicional para reduzir o número de negócios não lucrativos. Várias combinações de sistemas são exploradas e testadas durante um período comercial de cinco anos. O sistema mais promissor gerou uma taxa de retorno anual (ARR) de 15,99% com 54 negócios. Isso se compara favoravelmente ao ARR para a estratégia de compra e retenção (11,05%) e os melhores resultados obtidos usando o sistema sem conhecimento de análise técnica embutido (13,35% com 126 negociações). Pesquisa patrocinada na parte b.
Artigos sugeridos.
Para enviar um pedido de atualização ou retirada deste documento, envie uma Solicitação de atualização / correção / remoção.

Incorporando Análise Técnica em Sistemas de Negociação Baseados em Rede Neural.
Frases-chave extraídas.
Estatisticas.
Consulte nossas FAQ para obter informações adicionais.
Semantic Scholar identifica citações onde a publicação citada tem um impacto significativo na citada publicação, facilitando a compreensão de como as publicações se baseiam e se relacionam.
Saiba mais sobre como identificamos citações influentes aqui.
Com uma média de 5 citações por ano nos últimos 3 anos.
Saiba mais sobre como calculamos essa métrica nas nossas FAQ.

Redes neurais.
[1] Redes Neurais Transfuráveis ​​e Recorrentes e Programas Genéticos para Previsão de Mercado de Valores e Horas, P. C.McCluskey, 1993.
[2] Agrupamento do Mapa Auto-Organizador, Juha Vesanto, 2000.
[3] O Pacote do Programa de Quantização de Vector de Aprendizagem, T. Kohonen, 1996.
[4] Um modelo de rede neural para Gold Market, P. J.McCann, B. L.Kalman, 1993.
[5] Seleção de Risco de Previsão e Arquitetura para Redes Neurais, J. Moody, 1994.
[6] Previsão econômica: desafios e soluções de rede neural, J. Moody, 1995.
[7] Redes Neurais em Economia: Antecedentes, Aplicações e Novos Desenvolvimentos, R. Herbrich et. al., 1999.
[8] Incorporando Conhecimento Prévio sobre Mercados Financeiros Através da Aprendizagem Múltipla Neural, K. Bartlmae et. al., 1995.
[9] Redes Neurais para Processamento de Série Temporal, G. Dorffner, 1996.
[10] Previsão de preço de estoque usando redes neurais, F. W.Op't Landt, MSc. tese, 1997.
[11] Rprop - Descrição e Detalhes de Implementação, M. Riedmiller, 1994.
[12] O Pacote do Programa de Mapa Auto-Organizador, T. Kohonen, 1996.
[13] Na Análise de Seqüências Padronizadas por Mapas Auto-Organizadores, J. Kangas, 1994.
[14] Análise de Dependência e Modelagem de Redes Neurais de Taxas de Câmbio, I. Pi, 1993.
[15] Previsão da Obra do Tesouro dos Estados Unidos com 30 anos com um Sistema de Redes Neurais, W. Cheng et al., 1996.
[16] Alocação de ativos ótimos usando programação dinâmica adaptativa, R. Neunejer, 1995.
[17] Uma Abordagem Não-Paramétrica para Preços e Segmentos de Derivação de Cobertura via Learning Networks, J. M.Hutchinson et. al., 1994.
[18] Estudo Comparativo da Previsão da Tendência de Estoque Usando o Retardo do Tempo, Redes Neurais Recorrentes e Probabilísticas, Danil V. Prokhorov, 1998.
[19] Previsão de mercados financeiros usando redes neurais: uma análise de métodos e precisão, J. Kutsurelis, 1998.
[20] Sobre o desenvolvimento de um sistema de previsão financeira: armadilhas e possibilidades, Stefan Zemke.
[21] Um estudo de caso sobre o uso de redes neurais para realizar previsões técnicas sobre FOREX, J. Yao e C. Tan, 1999.
[22] Um estudo comparativo sobre Redes Neurais Recorrentes e Correntes Recorrentes na Previsão da Série do Tempo usando Graduation Descent Learning, M. Hallas, G. Dorffner, 1997.
[23] Uma Estratégia de Seleção de Função Explícita para Modelos Preditivos do Índice S & P 500, T. Chenoweth et. al., 1996.
[24] Previsão de Incrementos de Preços Usando uma Rede Neural Artificial, F. Castiglione, 2000.
[25] Um sistema de previsão não linear de componentes múltiplos para o índice S & P 500, T. Chenoweth e Z. Obradovic, 1996.
[26] Treinando redes neurais além da distância euclidiana, redes de neurônios multi-objetivos usando o treinamento evolutivo, 1999.
[27] Sistema de Previsão Híbrido Baseado em Padrões e Redes Neurais, A. Singh e J. Fieldsend, 2000.
[28] Um Guia de Rede Neural Artificial com Exemplo de Aplicações Financeiras em Previsões de Distúrbios Financeiros e Foreighn Exchange Hybrid Trading System, C. Tan, 1997.
[29] Um Sistema de Negociação Financeira Híbrido Incorporando a Teoria do Caos, Inteligência Estatística e Artificial / Soft Computing methods, C. Tan, 1999.
[30] Previsão de séries temporais e redes neurais, N. davey et. al., 1997.
[31] Previsão de taxas de câmbio com redes neurais, Jingtao Yao, Hean-Lee Poh, Teo Jasic, 1996.
[32] Uma rede neural restrita Kalman Filter for Price Estimation in High Frequency Financial Data, P. J.Bolland e J. T.Connor, 1997.
[33] Uma Abordagem de Seleção de Modelo para Previsão Macroeconômica em Tempo Real Usando Modelos Lineares e Redes Neurais Artificiais, N. R.Swanson e H. White, 1995.
Otimização geral.
[1] Otimização Matemática, Projeto de Educação em Ciência Computacional, 1995.
[2] Um novo método derivado e vinculado para otimização global, K. Madsen e S. Zertchaninov, 1998.
Otimização heurística.
[1] Sobre a dureza do Quadratic Assignment Problem com meta-heurísticas, Eric Angel, Vassilis Zissimopoulos, 1997.
[2] Uma comparação de heurísticas de pesquisa estocástica para otimização de portfólio, R. Freedman e R. DiGiorgio, 1993.
Otimização neural.
[1] agrupamento de Dempster-Shafer usando a teoria de campo de spin de Potts, M. Bengtsson, J. Schubert, 2001.
[2] Redes Neurais para Problemas de Otimização com Restrições de Desigualdade - The Knapsack Problem, M. Ohlsson et. al, 1992.
[3] Teoremas médios de limite de campo para CDMASystems, Tim Holliday.
[4] Otimização Combinatória com Redes Neurais Artificiais de Feedback, C. Peterson, 1995.
[5] Otimização Neural, C. Peterson, 1998.
[6] Uma abordagem de campo médio eficiente para o problema do conjunto de cobertura, M. Olsls et. al, 1999.
Algorítmos genéticos.
[1] A ajuda da Computação Evolutiva em Projetos de Redes Neurais Artificiais na Previsão de Série de Tempo Financeiro, Shu-Heng Chen, Chun-Fen Lu, 1999.
[2] Algoritmos evolutivos para o projeto e treinamento de rede neuronal, J. Branke, 1995.
[3] Redes Neurais de Artificial em Evolução, X. Yao, 1999.
[4] Evolução das regras de negociação para o mercado FX ou como ganhar dinheiro com GP, H. Jonsson et. al., 1997.
[5] The Hitch-Hiker's Guide to Evolutionary Computing, J. Heitkotter et. al., 1999.
[6] Visão geral de algoritmos genéticos, F. Busetti, 2000 [7] Tomada de decisão de investimento usando FGP: um estudo de caso, J. Li e E. Tsang, 1999.
[7] Tomada de decisão de investimento usando FGP: um estudo de caso, J. Li e P. K.Tsang, 1999.
[8] Usando Algoritmos Genéticos para otimização robusta em Aplicações Financeiras, O. V.Pictet et. al., 1995.
[9] A Importância da Simplicidade e Validação na Programação Genética para Mineração de Dados em Dados Financeiros, J. D.Thomas e K. Sycara, 1999.
[10] Usando Algoritmos Genéticos para Definição de Ações iniciais Portfoliom R. Vieira e R. Wazlawick, 1995.
Lógica difusa.
[1] Previsão financeira dinâmica com associações Fuzzy induzidas automaticamente, Y. Romahi e Q. Shen, 2000.
Fractals e caos.
[1] Fractals and Intrinsic Time - A Challenge to Econometrics, U. A.Muller et. al., 1995.
[2] Aplicação interdisciplinar de métodos não-lineares de séries temporais, T. Schreiber, 1998.
[3] Kolmogorov Entropy da Time Series usando Information-Theoretic Functionals, M. palus, 1997.
[4] séries temporais caóticas. Parte I: Estimativa de algumas propriedades invariantes no espaço estadual, D. Kugiumtzis et. al., 1995.
[5] Série temporal caótica. Parte II: Identificação e Previsão do Sistema, B. Lillekjendlie, 1995.
[6] Testes de não-linearidade usando Redundâncias: aspectos quantitativos e qualitativos, M. Palus, 1995.
[7] Multifractality in Asset Returns: Teoria e Evidência, L. Calvet e A. Fisher, 2001.
[8] Caos determinista nas taxas de câmbio ?, M. Bask, 1996.
[9] A Langevin Approach to Stock Market Fluctuations and Crashes, J. P.Bouchad e R. Cont, 1998.
[10] Distribuição de escala e Distribuições de probabilidade para séries temporárias financeiras, M. Brachet, et. al., 1997.
[11] Grandes desvios e distribuição de mudanças de preços, L. Calvet, A. Fisher e B. Mandelbrot, 1997.
[12] Escala em dados do mercado de ações: Leis estáveis ​​e além, R. Cont, M. Potters e JP. Bouchaud, 1997.
[13] A Distribuição dos Retornos da Taxa de Câmbio Extremária Foreigh em Conjuntos de Dados Extremamente Lasrge, M. Dacorogna, et. al., 1995.
[14] Previsão da ocorrência de eventos raros, M. Dacorogna, 1998.
[15] Crashes como pontos críticos, A. Johansen et. al., 1998.
[16] Modelagem do mercado de ações antes de grandes bloqueios, A. Johansen et. al., 1998.
[17] Multifractality aparente em séries temporárias financeiras, J. P.Bouchaud, et. al., 1999.
[18] Existe Caos na economia mundial? Um teste usando regressão não paramétrica, M. Shintanim e O. Linton, 2000.
Recozimento simulado.
[1] Re-Recozimento Simulado Muito Rápido, L. Ingber, 1989.
[2] Algoritmo genético e re-recozimento simulado muito rápido: a Comparison, L. Ingber et. al., 1992.
[3] Recozimento Simulado: Prática versus Teoria, L. Ingber, 1993.
[4] Recozimento Simulado Adaptativo (ASA): Lessons Learned, L. Ingber, 1995.
[5] Mecânica Estatística dos Mercados Financeiros (SMFM), L. Ingber, 1999.
[6] Mercados comerciais com Momenta canônica e recozimento simulado adaptativo, L. Ingber, 1999.
[7] Otimização de Trading Physics Models of Markets, L. Ingber at. al,
Pesquisa Taboo.
[1] Taboo Search, F. Glover e M. Laguna, 1999.
Teoria do jogo.
[1] Aplicações Financeiras da Game Theory, F. Allen, S. Morris, 1998.
Simulações de agentes múltiplos.
[1] Um modelo de mercado artificial de um mercado cambial, K. Izumi, Ph. D. tese, 1999.
[2] Preços de ativos sob expectativas endógenas em um mercado de ações artificial, W. Brian et al., 1996.
[3] A Artificial Stock Market, R. G.Palmer et. al., 1999.
[4] Pesquisa Cooperativa Multiagente de Seleção de Carteira, D. C.Parkes e B. A.Huberman, 1999.
[5] Vida econômica artificial: um modelo simples de um mercado de ações, R. G.Palmer et. al., 1993.
[6] Fenômenos Emergentes em um Mercado de Câmbio: Análise Baseada em uma Abordagem do Mercado Artificial, K. Izumi e K. Ueda, 1998.
Simulações de Monte Carlo.
[1] Abordagens Quasi-Monte Carlo ao Preço da Opção, J. Birge, 1996.
[2] Eficiente Monte Carlo Preços das opções de cesta, P. Bellizzari, 1998.
[3] Preços de Monte Carlo.
[4] Testando os Modelos de Processos de Preços de Estoque Usando o Método da Cadeia de Monte Carlo Markov, W. Chen, 1998.
[5] Geração do caminho para simulação quase simática de Monte Mortgage Backed Securities, F. Akersson e J. Lehoczky, 2000.
[6] Aplicações de Monte Carlo / Quasi-Monte Carlo Métodos em Finanças: Preço da opção, Y. Lai e J. Spanier, 1999.
[7] Redução de variância de Monte Carlo e estimadores aleatórios de Quasi-Monte Carlo para modelos de volatilidade estocástica em finanças, H. Ben Ameur et. al., 1999.
[8] Calibração de Modelos de Volatilidade Estocástica, X. Ge e C. Ji, 2000 de Markov Chain.
Análise de séries temporais.
[1] Time Series Analysis, E. Bradley, 1999.
[2] Previsão de séries temporárias financeiras usando sistemas de reconhecimento de padrões de memória distorcido e longo, S. Singh e J. Fieldsend, 2000.
[3] Preços de opções de moeda estrangeira e de moeda cruzada sob GARCH, J. Duan et. al., 1999.
[4] Método Fuzzy do vizinho mais próximo para a Previsão da Série do Tempo, S. Singh, 1998.
[5] Redes Neurais para o Processamento de séries temporais, G. Dorffner, 1997.
[6] Detectando a não-linearidade em séries temporais multivariantes, M. Palus, 1996.
[7] Estimativa de Previsibilidade: Método de Redundância e Dados Subrogados, M. Palus et al., 1995.
[8] Da não linearidade à previsibilidade, M. Palus e D. Novotna, 1997.
[9] Mineração de Dados da Série de Tempo: Identificando Padrões Temporais para Caracterização e Previsão de Eventos de Série de Tempo, R. J.Povinelli, 1999.
[10] Previsão Dynamic Time-Series usando Aproximação Local, S. Singh e P. McAtackney, 1998.
[11] Um Sistema de Modelagem e Reconhecimento de Padrão de Memória Longa para Previsão Financeira da Série do Tempo, S. Singh, 1999.
[12] Previsão Ruidosa da Série do Tempo usando Técnicas de Reconhecimento de Padrões, S. Singh, 2000.
[13] Série temporal para macroeconomia e finanças, J. Cochrane, 1997.
[14] Série temporal Bayesiana: Modelos Financeiros e Análise Espectral, Y. Chen, 1997.
[15] Modelagem ARCH Multivariada de Memória Longa para Taxas de Câmbio de Alta Freqüência, G. Teyssiere, 1998.
[16] Mudanças Estruturais no Modelo Autoregressivo do Vector Cointegrated, P. R.Hansen, 2000.
Estrutura do termo.
[1] Estimativa da Estrutura do Termo: Uma Abordagem da Norma Implícita. Preços de opções negativas - um quebra-cabeça ou apenas um ruído? I. D.Ioffe et. al., 2000.
[2] Restrições de arbitragem e modelos de fatores múltiplos da estrutura de prazo das taxas de juros, R. Stapleton, 1994.
[3] Usando árvores de taxas de juros de Hull-White, J. Hull e A. White, 1996.
[4] Aversão ao risco variável no tempo, inflação inesperada e dinâmica da estrutura do termo, M. Brandt e K. Wang, 1999.
[5] O viés no teste convencional da teoria das expectativas: resolução das anomalias no final muito curto da estrutura do termo, D. L.Thornton, 2000.
[6] A Teoria das Expectativas e a Fundação do Fed: Outro olhar sobre a evidência, C. J.M. Kool e D. L.Thornton, 2000.
[7] Previsões da inflação do agente derivado da estrutura do prazo das taxas de juros, C. Ragan, 1995.
[8] A Informação na Estrutura do Termo das Taxas de Juros: Novos Resultados para a Alemanha, G. Bero e C. Torricelli, 1998.
Seleção de portfólio.
[1] Consumo dinâmico e escolha de portfólio com volatilidade estocástica em mercados incompletos, G. Chacko e L. Viceira, 1999.
[2] Rastreamento de índices: Algoritmos genéticos para seleção de portfólio de investimentos, J. Shapcott, 1992.
[3] Algoritmos heurísticos para o problema de seleção de portfólio com lotes mínimos de transações, R. Mansini e M. G.Speranza, 1999.
[4] Melhorando o desempenho do portfólio usando estratégias de opções. Por que bater o mercado é fácil. F-S. Lhabitant, 1998.
[5] Escolha ideal da carteira sob Aversão à perda, A. Berkelaar e R. Kouwenberg, 2000.
[6] Carteiras universais com e sem custos de transação, A. Blum e A. Kalai, 1997.
[7] Seleção de portfólio com medidas de risco de desvantagem.
[8] Universal Portfolios, T. M.Cover, 1996.
[9] Portfolio Advice for a Multifactor World, J. H.Cochrane, 2000.
[10] Seleção de portfólio on-line usando atualizações multiplicativas, D. P.Helmbold, 1998.
[11] Problema de seleção de portfólio com função de risco de tipo MiniMax, K. L.Teo e X. Q.Yang, 1999.
[12] Seleção de cenários e modelos de programação estocástica para gerenciamento de responsabilidade de ativos, R. Kouwenberg, 1998.
[13] Seleção de portfólio dinâmico ideal: Formulação de variância média de vários períodos, D. Li et. al., 1998.
[14] Sobre o Poder Explicativo dos Modelos de Preços de Ativos dentro e dentro de Portfolios, R. Kan, 1999.
[15] Investimento Otimizado em Mercados Financeiros Incompletos, W. Schachermayer, 2000.
Otimização de portfólio.
[1] Heuristics for Cardinality Otimização da carteira restrita, T. J.Chang et. al., 1999.
[2] Abordagens heurísticas para otimização da carteira, M. Gilli e E. Kellezi, 2000.
[3] Estratégia de cobertura ideal para um problema de investimento de carteira com restrições adicionais, N. Dokuchaev e K. Teo, 1999.
[4] Óptimas Carteiras para LogarithmicUtility, T. Goll e J. Kallsen, 2000.
[5] Seguro dinâmico da carteira: uma abordagem de programação estocástica, R. Kouwenberg e T. Vorts, 1998.
[6] Links de Dualidade entre Otimização de Carteira e Preços de Derivação, J. Kallsen, 1999.
[7] Carteiras Ótimas para Processos de Levitação Exponencial, J. Kallsen, 1999.
[8] Estendendo o Modelo de Otimização de Carteira MAD para Incorporar Aversão ao Risco de Downside, W. Michalowski, 1998.
[9] Análise de portfólio usando minimização do risco de queda, D. M.Ros et. al., 1998.
[10] A Monte carlo Método para Óptimas Portfolios, J. Detemple et. al, 2000.
[11] Otimização prática da carteira, K. V.Fernando, 2000.
[12] Modelos de programação estocástica para otimização de portfólio com títulos hipotecários, R. McKendall, 1993.
[13] Domando seu otimizador: um guia através das armadilhas da otimização da diferença média, S. L.Lummer, et. al., 1994.
[1] CAPM internacional com regime Switching GARCH Parameters, L. Cappiello e T. A.Fearnly, 2000.
[2] Os Títulos de Renda Fixa também mostram efeitos assimétricos em Second Momets condicionais, L. Cappiello, 2000.
[3] Diversificação Internacional Óptima: Teoria e Prática da Perspectiva do Investidor Suíço, F. Helinkink, 2000.
[4] Modelo de preços de ativos de capital e mudanças na volatilidade, A. O.Santos, 1998.
[5] Novos fatos em finanças, J. H.Cochrane, 2000.
[6] Explicando o mau desempenho dos modelos de preços de ativos baseados no consumo, J. Campbell e J. H.Cochrane, 2000.
[7] Covariabilidade, Multivariabilidade e Flexibilidade: CAPM Condicional e Premia de Risco de Variação de Tempo, G. Lim et. al., 1998.
Estimativa da volatilidade.
[1] Os retornos de taxa de câmbio padronizados pela volatilidade alcançada são (quase) Gaussian T. Andersen et. al., 1999.
[2] Rumo a uma Teoria da Volatilidade Trading, P. Carr e D. Madan, 1998.
[3] Previsão de volatilidade S & P 100: o conteúdo de informações incrementadas das volatilidades implícitas e rendimentos do índice de alta freqüência, B. J.Blair et. al., 2000.
[4] Derivados sobre Volatilidade: Algumas Soluções Simples Baseadas em Observables, S. L.Hestib e S. Nandi, 2000.
[5] Consequências para preços de opções de uma longa memória em volatilidade, S. J.Taylor, 2000.
[6] Volatilidades da taxa a prazo, volatilidades da taxa SWAP e a implementação do modelo de mercado LIBOR, J. Hull e A. White, 1999.
[7] Características não-lineares da Volatilidade FX Realizada, J. Maheu e T. McCurdy, 2001.
[8] Dinâmica da volatilidade na mistura dependente da duração, J. Maheu e T. McCurdy, 2000.
[9] Identificando Bull e Bear Markets em Retos de Estoque, J. maheu e T. McCurdy, 2000.
[10] Modelagem e Previsão de Volatilidade Realizada, T. Andersen et. al., 2001.
[11] A Volatilidade Realizada do FTSE-100 Futures Prices, N. Areal e S. Taylor, 2000.
[12] A dinâmica da volatilidade estocástica: evidência dos mercados subjacentes e opcionais, C. S.Jones, 2000.
[13] Hedging Dinâmico em um Mercado Volátil, T. F.Coleman et. al., 1999.
[14] Árvores Trinomiais Implícitas da Volatilidade Sorriso, E. Derman et al., 1996.
[15] Expectativas Hipótesis do termo Estrutura da Volatilidade Implícita: Re-exame, S. Bounoun et. al., 1999.
[16] The Price of a Smile: Hedging and Spanning in Option Markets, A. Buraschi e J. jackwerth, 2000.
[17] Inclinação de volatilidade de inclinação e índice de estoque Skewness e Kurtosis Implícito pelos preços de opções de índice S & P500, C. J.Corrado e t. Su, 1997.
[18] A Distribuição da Volatilidade de Retorno de Estoque, T. G.Andersen et. al., 2000.
[19] Modelagem e Previsão de Volatilidade Realizada, T. G.Andersen et. al., 2001.
[20] A Distribuição da Volatilidade da Taxa de Câmbio, T. G.Andersen et. al., 1999.
[21] Previsão de volatilidade S & P 100: o conteúdo de informação incremental das volatilidades implícitas e rendimentos do índice de alta freqüência, B. J.Blair et. al., 2000.
[22] Previsão da Variabilidade dos Retornos do Índice de Estoque com Modelos de Volatilidade Estocástica e Volatilidade Implícita, E. Hol e S. L.Koopman, 2000.
[23] Modelos GARCH estruturados de árvores, F. Audrino e P. Buhlmann, 2000.
[24] Modelos GARCH não paramétricos, P. Buhlmann e A. J.McNeil, 1999.
Avaliação de risco.
[1] Implicações econômicas de usar um modelo de VaR médio para seleção de portfólio: uma comparação com a análise de variância média, G. J.Alexander, A. M.Baptista, 2000.
[2] Valor em risco: uma abordagem de regime de comutação multivariada, M. Billio, L. Pelizzon, 2000.
[3] Os Dez Grandes Desafios da Gestão de Riscos, C. Batlin e B. Schachter, 2000.
[4] Modelos de valor em risco para carteiras de obrigações holandesas, P. J.G. Vlaar, 1999.
[5] Valor-em-Risco não linear, M. Britten-Jones e S. M.Schaefer, 1999.
[6] Atribuição de ativos em um quadro de valor em risco, R. Huisman et. al, 1999.
[7] Avaliação de modelos de valor em risco usando dados históricos, D. Hendricks, 1996.
[8] Um método simplificado para calcular o risco de crédito das carteiras de empréstimos, A. Ieda et. al., 2000.
[9] Valor em risco usando distribuições hiperbólicas, C. Bauer, 2000.
[10] Risco de mercado: uma introdução ao conceito & amp; Análise de Value-at-Risk, J. Frain e C. Meegan, 1996.
[11] Usando o Valor em Risco para Controlar a Tomada de Riscos: Quão Errado Você Pode, X. Ju e N. D.Pearson, 1998.
[12] Otimização do Risco de Crédito com Critério Condicional de Valor em Risco, F. Andersson e S. Uryasev, 1999.
[13] Modelo integrado de carteira de risco de mercado e crédito, I. Iscoe et. al., 1999.
[14] Avaliando a Precisão VaR, K. Dowd, 2000.
[15] Medição do risco de mercado DAX: uma abordagem de mistura de volatilidade da rede neural, K. Bartlmae, F. A.Rauscher, 2000.
[16] Value-at-Risk (VaR), S. Benninga e Z. Wiener, 1998.
[17] Gestão do risco de mercado nos bancos, 1996.
[18] Value-at-Risk e Extreme Returns, J. Danielsson et. al., 2000.
[19] Tomando VaR para Pieces, M. Garman, 1997.
[20] Otimização do Valor condicional em risco, R. T. Rockafellar e S. Uryasev, 1999.
[21] Uma Visão Geral do Valor em Risco (1), D. Duffie e J. Pan, 1997.
[22] Cálculos VaR para Derivados (2), D. Duffie e J. Pan, 1997.
[23] Apêndices (3), D. Duffie e J. Pan, 1997.
[24] Comportamento extremo de modelos de difusão em finanças, M. Borkovec, 1998.
[25] Análise do Valor-em-Risco e estimativa do Índice de cauda dos mínimos quadrados, R. W.J van den Goorbergh, 1999.
[26] Atribuição de Patrimônio Líquido e Seleção de Carteira em Seguros: Modelo de Carteira Simplificada, E. Taflin, 2000.
[27] Como medir o risco, G. Ch. Pflug, 1997.
[28] Filtragem de Simulação Histórica. Back-test Analysis, G. Barone-Adesi, 2000.
[29] Valor condicional em risco: Algoritmos e aplicações de otimização, S. Uryasev, 2000.
[30] Técnicas VaR não paramétricas. Mitos e Realidades, G. Barone-Adesi, 2000.
[31] Valor em risco quando as mudanças diárias nas variáveis ​​de mercado não são normalmente distribuídas, J. Hull e A. White, 1997.
[32] Incorporando atualização de volatilidade no método de simulação histórica para Value-in-Risk, J. Hull e A. White, 1998.
[33] Problemas Horizontais e Eventos Extremos na Gestão de Riscos Financeiros, P. F.Christoffersen et. al., 1998.
[34] Otimização de portfólio com objetivo e restrições condicionais de valor em risco, J. Palmquist at. al., 1999.
[35] Análise de Valor em Risco de um Swap Leveraged, S. Srivastava, 1998.
[36] Rastreamento de Erro e Valor em Risco, 1997.
[37] Distribuições de valor em risco e mistura, 1998.
[38] Valor em risco: sobre a estabilidade e previsão da variância-Covariância Matriz, J. Engek e M. Gizycki, 1999.
[39] Referências de D. Duffie e J. Pan, 1997.
[40] Monte Carlo dentro de um dia, J. Cardenas et. al., 1999.
[41] Um quadro de análise para a alocação de capital do banco, N. Baud et. al, 2000.
[42] VaR e o Unreal World, R. Hoppe, 1998.
[43] Teoria do Valor Extremo em Finanças e Ensurance, P. Embrechts, 1999.
[44] Desenvolvendo cenários para futuras perdas extremas usando o modelo POT, A. J.McNeil e T. Saladin, 1998.
[45] Teoria do Valor Extremo como uma Ferramenta de Gerenciamento de Riscos, P. Embrechts et. al., 1996.
[46] Análise de Valor em Risco de Retenção de Estoque. Simulações históricas, técnica de variância ou estimativa do índice de cauda, ​​R. van den Goorbergh e P. Vlaar, 1999.
[47] Encontrando portfólios ótimos com restrições no valor em risco, A. A.Gaivoronski e G. Pflug, 1998.
Descompactando a Carteira de Valor em Risco: Uma Análise Geral, W. G.Hallerbach, 1999.
[49] Valor em risco na gestão de carteira, P. Gugi et al., 1999.
[50] Estimando o valor em risco com uma medida de precisão combinando a estimativa do núcleo com simulações históricas, J. S.Butler e B. Schachter, 1997.
[51] Risco de Valor em Risco e Derivados, E. Falkenstein, 1997.
[52] Medindo o risco com a teoria do valor extremo, R. L.Smith, 1998.
[53] Confiabilidade das estimativas de valor de risco baseadas em redes neurais, R. Prinzler, 1999.
[54] Value-at-Risk para gerentes de ativos, C. L.Culp et. al., 1999.
[55] Valor analítico em risco com saltos e risco de crédito, D. Duffie e J. Pan, 1999.
[56] Seleção de portfólio com risco de queda reduzido, D. W.Jasen et. al., 2000.
[57] Comparando Diferentes Métodos para Estimar o Valor em Risco (VaR) para Portfolios Não Lineares Atuais: Evidência Empírica, M. Coronado, 2000.
[58] Otimização da carteira baseada em valor em risco, A. V.Puelz, 1999.
[59] Uma abordagem probabilística para cenários de pior hipótese, G. Barone-Adesi et. al, 1997.
[60] Capital do Banco e Value-in-Risk, P. Jackson et. al., 1998.
[61] Risco de recuperação em retornos de estoque, A. Akgun e R. Gibson, 1999.
[62] Thory de valor extremo para medidas de risco relacionadas à cauda, ​​R. Kellezi e M. Gilli, 2000.
[63] Evolução da Incerteza do Mercado em torno de Anúncios de Ganhos, D. Isakov, C. Perignon, 2000.
[64] Novos Insights sobre Sorriso, Mispricing e Valor em Risco: o Modelo Hiperbólico, E. Eberlein e U. Keller, 1997.
Teoria do prospecto.
[1] Prospect Theory and Asset Prices, N. Barberis, M. Huang e T. Santos, 2000.
Análise técnica.
[1] Aplicação de regras de negociação simples aos preços das ações suíças. É rentável? D. Isakov e M. Hollistein, 2000.
[2] CUSUM Técnicas para Negociação Técnica em Mercado Financeiro.

Modelo de previsão do índice de estoque global por tempo estocástico rede neural efetiva.
Neste trabalho, investigamos as propriedades estatísticas das flutuações do Índice de estoque chinês e estudamos as propriedades estatísticas de HSI, DJI, IXIC e SP500 por comparação. De acordo com a teoria das redes neurais artificiais, uma função efetiva do tempo estocástico é introduzida no modelo de previsão dos índices no presente trabalho, o que proporciona uma rede neuronal melhorada - o modelo estocástico de rede neural efetiva. Neste modelo, foi proposta uma técnica promissora de mineração de dados na aprendizagem por máquinas para descobrir as relações preditivas de inúmeras variáveis ​​financeiras e econômicas. Suponhamos que os investidores decidam suas posições de investimento ao analisar os dados históricos no mercado de ações, e os dados históricos são dados pesos, dependendo do seu tempo, em detalhes, quanto mais próximo do tempo dos dados históricos é para o presente, o impacto mais forte os dados têm sobre o modelo preditivo e também introduzimos o movimento browniano para que o modelo tenha o efeito do movimento aleatório, mantendo a tendência original. Na última parte do trabalho, testamos o desempenho de previsão do modelo usando diferentes parâmetros de volatilidade e mostramos alguns resultados da análise para as flutuações dos índices de ações globais usando o modelo.
Escolha uma opção para localizar / acessar este artigo:
Verifique se você tem acesso através de suas credenciais de login ou sua instituição.

Um modelo de rede neural moderno para fazer o timing do mercado de ações com base na antiga técnica de investimento do castiçal japonês.
Este artigo apresenta um novo modelo para fazer o timing do mercado de ações com base em uma rede de neurônio feed-forward supervisionada e a análise técnica do castiçal japonês. Nesta abordagem, a rede não vai aprender as linhas de candelabros sozinhas ou em combinação, mas é apresentar um tipo de modelo de regressão cujas variáveis ​​independentes são pistas importantes e fatores dos padrões de análise técnica; e sua variável dependente é a tendência do mercado no futuro próximo. Ao definir as variáveis ​​independentes, são tomadas duas abordagens; um é baseado em dados Raw e o outro é baseado em sinal com quinze e vinte e quatro variáveis, respectivamente. Os resultados experimentais, em que os sinais estimados são comparados com eventos reais de acordo com dados diários publicados reais no Yahoo. finance, mostraram que o modelo proposto desempenha um desempenho brilhante em emissão de sinais de compra e venda enquanto a primeira abordagem parece, em certa medida, melhor do que a segunda .
Destaques da Pesquisa.
► Apresentando o conceito de "Análise Técnica Adaptativa" com excelente desempenho. ► Apresentando uma prova inovadora sobre a habilidade surpreendente das redes neurais na descoberta de relações não-lineares complexas. ► Avaliando a análise técnica do castiçal japonês como método confiável para o investimento em ações.
Escolha uma opção para localizar / acessar este artigo:
Verifique se você tem acesso através de suas credenciais de login ou sua instituição.