یک سیستم معاملاتی مبتنی بر شبکه عصبی بر اساس پارامترهای تحلیل فنی بهینه شده تکاملی

یک سیستم معاملاتی مبتنی بر شبکه عصبی بر اساس پارامترهای تحلیل فنی بهینه شده تکاملی

A Deep Neural-Network Based Stock Trading System Based on Evolutionary Optimized Technical Analysis Parameters

سال نشر:

2017

نویسندگان:

Omer Berat Sezer, Murat Ozbayoglu, Erdogan Dogdu

تعداد صفحه فارسی/انگلیسی:

8

کلمات کلیدی:

دانشگاه

TOBB University of Economics and Technology, Department of Computer Engineering, Ankara, 06560, Turkey

نشریه

ScienceDirect

چکیده مقاله

ABSTRACT

In this study, we propose a stock trading system based on optimized technical analysis parameters for creating buy-sell points using genetic algorithms. The model is developed utilizing Apache Spark big data platform. The optimized parameters are then passed to a deep MLP neural network for buy-sell-hold predictions. Dow 30 stocks are chosen for model validation. Each Dow stock is trained separately using daily close prices between 1996-2016 and tested between 2007-2016. The results indicate that optimizing the technical indicator parameters not only enhances the stock trading performance but also provides a model that might be used as an alternative to Buy and Hold and other standard technical analysis models.

دانلود مقاله

دریافت لینک دانلود برای دریافت فایل مدنظر نام و ایمیل خود را در فرم زیر وارد کنید تا لینک دانلود برای شما ارسال شود  حتما آدرس ایمیل خود را به صورت صحیح وارد کنید .

مقاله های مرتبط

No Post found