مطالعه بر روی آنالیز طیف منفرد به عنوان یک نوسان ساز فنی جدید برای طراحی قوانین معاملاتی

ارتباط بین تجزیه و تحلیل طیف منفرد (SSA) و حرکات بازار کوتاه مدت بررسی شده است. از آنجایی که SSA یک رویکرد ناپارامتریک است، مناسب برای تجزیه سری های زمانی عمومی به اجزای معنی دار، مانند روند، نوسانات و نویز، به عنوان یک شاخص فنی جدید از نوع نوسان گر پیشنهاد شده است که جایگزین شاخص های رایج می شود. قوانین تجارت فنی جدید (TTRs) برای نشان دادن مزایا از نظر آشکار شدن حرکات بازار، برای برخی از شاخص های عمده سهام جهانی طراحی و اعمال می شوند. عملکرد با توجه به معیارهای مختلف تنظیم ریسک ارزیابی می شود و نتایج تجربی نشان می دهد که SSA-TTRs ممکن است از برخی نوسان گرهای فنی محبوب و همچنین استراتژی خرید و نگه داری بهتر عمل کند.

ارتباط توسط Wei-Xing Zhou

منابع

• 1. S. B. Achelis, Technical Analysis from A to Z, 2nd edn.(McGraw-Hill, 2000). Google Scholar
• 2. G. Appel، تجزیه و تحلیل فنی: ابزارهای قدرت برای سرمایه گذاران فعال (FT Press، 2006). Google Scholar
• 3. W. Brock، J. Lakonishok و B. LeBaron، قوانین ساده تجاری فنی و ویژگی های تصادفی بازده سهام، J. Finance، 47 (5) (1992) 1731-1764. Crossref، ISI، Google Scholar
• 4. J.-C. چن، یی. یک آمارمکانیک. Appl. 492 (2018) 1664-1678. Crossref، Google Scholar
• 5. T. T.-L. چونگ و W.-K. Ng، تجزیه و تحلیل فنی و بورس لندن: آزمایش قوانین macd و rsi با استفاده از ft30، Appl. اقتصادLett. 15 (14) (2008) 1111-1114. Crossref، Google Scholar
• 6. T. T.-L. چونگ، W.-K. Ng و V. K.-S. لیو، بررسی مجدد عملکرد نوسانگرهای macd و rsi، J. Risk Finance. مدیریت کنید. 7 (1) (2014) 1-12. Crossref، Google Scholar
• 7. G. Cohen and E. Cabiri، آیا نوسان سازهای فنی می توانند از استراتژی خرید و نگهداری بهتر عمل کنند؟Appl. اقتصاد47 (30) (2015) 3189-3197. Google Scholar
• 8. R. W. Colby, The Encyclopedia of Technical Market Indicators (McGraw-Hill Professional, 2012). Google Scholar
• 9. Y. Deng، F. Bao، Y. Kong، Z. Ren و Q. Dai، یادگیری تقویت مستقیم عمیق برای نمایش سیگنال مالی و تجارت، IEEE Trans. شبکه عصبیسیستم یادگیری28 (3) (2017) 653-664. Crossref، Google Scholar
• 10. N. Devpura ، P. K. Narayan و S. S. Sharma ، آیا پیش بینی بازده سهام متغیر است؟J. int. مالی. بازارها ، Inst. پول ، 52 (2018) 152-172. Crossref ، Google Scholar
• 11. E. F. Fama ، بازارهای سرمایه کارآمد: مروری بر تئوری و کار تجربی ، J. دارایی ، 25 (2) (1970) 383-417. Crossref ، ISI ، Google Scholar
• 12. E. F. Fama ، بازارهای سرمایه کارآمد: II ، J. Finance ، 46 (5) (1991) 1575-1617. Crossref ، ISI ، Google Scholar
• 13. N. Golyandina و A. A. Zhigljavsky ، تجزیه و تحلیل طیف مفرد برای سری زمانی (خلاصه Springer در آمار ، 2013). Crossref ، Google Scholar
• 14. N. Golyandina ، V. Nekrutkin and A. A. Zhigljavsky ، تجزیه و تحلیل ساختار سری زمانی: SSA و تکنیک های مرتبط (چاپمن و هال/CRC ، 2001). Crossref ، Google Scholar
• 15. W. Hardle ، H. Liitkepohl و R. Chen ، مروری بر تجزیه و تحلیل سری زمانی غیر پارامتری ، Int. آماروحی 65 (1) (1997) 49-72. Crossref ، Google Scholar
• 16. T. Harris and H. Yuan ، فیلتر و تفسیرهای فرکانس تجزیه و تحلیل طیف مفرد ، Physica D ، 239 (2010) 1958-1967. Crossref ، ISI ، Google Scholar
• 17. Y. Hu ، K. Liu ، X. Zhang ، L. Su ، E. Ngai and M. Liu ، کاربرد محاسبات تکاملی برای کشف قانون در تجارت الگوریتمی سهام: یک بررسی ادبیات ، برنامه. رایانه نرم36 (2015) 534-551. Crossref ، Google Scholar
• 18. M. Kalantari ، M. Yarmohammadi و H. Hassani ، تجزیه و تحلیل طیف مفرد بر اساس L1-NORM ، نوسان. LOIDE LETT. 15 (01) (2016) 1650009. لینک ، Google Scholar
• 19. P. J. Kaufman ، سیستم های تجاری و روش ها ، edn 5.(جان ویلی و پسران ، 2013). گوگل دانشکده
• 20. L. Kestner ، گرفتن یک دسته از عملکرد واقعی ، آینده 25 (1) (1996) 44-46. گوگل دانشکده
• 21. A. Korobeynikov ، اجرای محاسبات و فضا کارآمد SSA ، Stat. رابط 3 (2010) 357-368. Crossref ، Google Scholar
• 22. S. Lahmiri ، شاخص های تجزیه و تحلیل فنی مبتنی بر آنتروپی برای پیش بینی نوسانات بازارهای بین المللی با استفاده از ماشین های بردار پشتیبانی ، نوسان. LOIDE LETT. 13 (02) (2014) 1450013. لینک ، Google Scholar
• 23. S. Lahmiri ، مدل سازی و پیش بینی نوسانات تاریخی در بازارهای نرخ ارز ، فیزیک. A. Stat. مکانیککاربرد471 (2017) 387-395. Crossref ، ISI ، Google Scholar
• 24. S. Lahmiri ، پیش بینی قیمت سهام دقیقه ای بر اساس تجزیه و تحلیل طیف مفرد و رگرسیون بردار پشتیبانی ، Appl. ریاضی. محاسبات. 320 (2018) 444-451. Crossref ، Google Scholar
• 25. S. Lahmiri ، یک رویکرد همجوشی اطلاعات تجزیه و تحلیل فنی برای تجزیه و تحلیل قیمت سهام و مدل سازی ، نوسان. LOIDE LETT. 17 (2018) 1850007. لینک ، Google Scholar
• 26. G. C. Lane ، Stochastics Lane ، Tech. مقعدکالاهای سهام 2 (3) (1984) 80. Google Scholar
• 27. M. C. R. Leles ، A. S. Vale-Cardoso ، M. G. Moreira ، C. M. Silva ، A. Pitsillides and H. N. GuimarÃes ، خصوصیات فرکانس دامنه تجزیه و تحلیل طیف مفرد ، در سال 2016 IEEE Int. سمپپردازش سیگنال و فناوری اطلاعات (ISSPIT) ، صص 22-27 ، (2016). گوگل دانشکده
• 28. M. C. R. Leles ، L. A. Mozelli and H. N. GuimarÃes ، شاخص جدید نشانگر روند: استفاده از SSA برای طراحی قوانین تجارت ، نوسان. LOIDE LETT. 16 (2) (2017) 1750016. لینک ، Google Scholar
• 29. M. C. R. Leles ، J. P. H. Sansão ، L. A. Mozelli و H. N. GuimarÃes ، بهبود بازسازی سری زمان مبتنی بر تجزیه و تحلیل طیف مفرد: یک روش تقسیم بندی ، فرآیند سیگنال دیجیتال. 77 (2018) 63-76. پردازش سیگنال دیجیتال و نرم افزار - شماره ویژه مشترک در مورد تحقیقات قابل تکرار در پردازش سیگنال. Crossref ، Google Scholar
• 30. M. C. R. Leles ، J. P. H. Sansao ، L. A. Mozelli and H. N. GuimarÃes ، یک الگوریتم جدید در چارچوب تجزیه و تحلیل طیف مفرد: همپوشانی SSA (OV-SSA) ، 2018. برای حضور در نرم افزار X ، DOI: 10. 1016/j. softx. 2017. 1117. 11. 001. پردازش سیگنال دیجیتال و نرم افزار - شماره ویژه مشترک در مورد تحقیقات قابل تکرار در پردازش سیگنال. گوگل دانشکده
• 31. M. C. R. Leles ، A. S. Vale-Cardoso ، M. G. Moreira ، E. F. Sbruzzi ، C. L. Nascimento-Jr و H. N. GuimarÃes ، یک سیستم معاملاتی مبتنی بر تجزیه و تحلیل طیف منحنی ، 2018. برای حضور در کنفرانس XII IEEE Covention-SYSCON2018. گوگل دانشکده
• 32. A. W. Lo ، فرضیه بازارهای تطبیقی: بهره وری بازار از دیدگاه تکاملی ، J. Management Portfolio 30 (2004) 15-29 Crossref ، Google Scholar
• 33. A. W. Lo ، H. Mamaysky and J. Wang ، مبانی تجزیه و تحلیل فنی: الگوریتم های محاسباتی ، استنباط آماری و اجرای تجربی ، J. Finance 55 (4) (2000) 1705-1765. Crossref ، ISI ، Google Scholar
• 34. J. J. Murphy ، تجزیه و تحلیل فنی بازارهای مالی: یک راهنمای جامع برای روش ها و برنامه های معاملاتی (موسسه دارایی نیویورک ، 1999). گوگل دانشکده
• 35. R. T. F. Nazário ، J. L. E. Silva ، V. A. Sobreiro and H. Kimura ، یک بررسی ادبیات از تجزیه و تحلیل فنی در بازارهای سهام ، Q. Rev. Econ. مالی. 66 (2017) 115 126. Crossref ، Google Scholar
• 36. W. Shadwick و C. Keating ، یک اندازه گیری عملکرد جهانی ، J. Perform. اندازه6 (3) (2002) 59-84. گوگل دانشکده
• 37. W. F. Sharpe ، عملکرد صندوق متقابل ، J. Business 39 (1) (1966) 119-138. Crossref ، Google Scholar
• 38. A. M. Tome ، A. R. Teixeira ، N. Figueiredo ، I. M. Santos ، P. Georgieva و E. Lang ، SSA از سیگنال های زیست پزشکی: یک رویکرد سیستم های ثابت خطی ، STAT. رابط3 (2010) 345-355. Crossref ، Google Scholar
• 39. R. Vautard ، P. Yiou and M. Ghil ، تجزیه و تحلیل طیف منحصر به فرد: یک ابزار ابزار برای سیگنال های هرج و مرج کوتاه و پر سر و صدا ، Physica D ، 58 (1992) 95 126. Crossref ، ISI ، Google Scholar
• 40. L. Wang ، H. An ، X. Liu و X. Huang ، انتخاب قوانین متوسط معاملات در حال حرکت در بازار آینده نفت خام با استفاده از یک رویکرد ژنتیکی ، Appl. انرژی 162 (2016) 1608-1618. Crossref ، Google Scholar
• 41. S. Wang ، Z.-Q. جیانگ ، S.-P. لی و دبلیو. ژو ، آزمایش عملکرد قوانین تجارت فنی در بازارهای چین بر اساس آزمایش پیش بینی برتر ، فیزیکا A ، 439 (2015) 114 123. Crossref ، ISI ، Google Scholar
• 42. J. W. Wilder ، مفاهیم جدید در سیستم های معاملاتی فنی (Trend Research ، 1978). گوگل دانشکده
• 43. H. Zhu ، Z.-Q. جیانگ ، S.-P. لی و دبلیو. ژو ، سودآوری قوانین ساده تجارت فنی شاخص های بورس اوراق بهادار چینی ، Physica A ، 439 (2015) 75-84. Crossref ، ISI ، Google Scholar

از این کتابهای جدید ریاضیات برای الهام بخش و آخرین اطلاعات در حوزه تحقیقاتی خود الهام بگیرید!