Zeszyty Naukowe Uniwersytetu Szczecińskiego. Studia Informatica
Aktualnie: Studia Informatica Pomerania
Metody ewolucyjne w analizie zmian kursu akcji spółek giełdowych
DOI: 10.18276/si.2015.36-03
Cytuj
Pełny tekst jest dostępny
| ISSN: | 0867-1753 |
| eISSN: | 2300-410X |
| Autorzy: |
Grzegorz
Wojarnik
Uniwersytet Szczeciński, Wydział Nauk Ekonomicznych i Zarządzania, Instytut Informatyki w Zarządzaniu |
| Słowa kluczowe: | algorytmy genetyczne giełda papierów wartościowych analiza techniczna |
| Data wydania numeru / monografii: | 2015 |
| Liczba stron: | 12 (39-50) |
| OAI-PMH: | Metadane |
| |
Abstrakt
Metody ewolucyjne są jedną z dróg rozwoju sztucznej inteligencji, która czerpiąc z teorii doboru naturalnego, pozwala na rozwiązywanie złożonych problemów, trudnych do rozwiązania tradycyjnymi metodami ekonometrycznymi, statystycznymi lub przy pomocy badań operacyjnych.Jedną z podstawowych metod ewolucyjnych są algorytmy genetyczne, które były wielokrotnie wykorzystane do rozwiązywania różnorodnych problemów związanych z inwestowaniem na rynku papierów wartościowych. Dlatego celem artykułu jest systematyka doświadczeń związanych z wykorzystaniem algorytmów genetycznych w anali zie zmian kursu akcji spółek giełdowych oraz podsumowanie osiągnięć w tym zakresie.Jednocześnie artykuł będzie stanowił próbę przedstawienia warunków brzegowych oraz klas problemów z obszaru giełdy papierów wartościowych, najbardziej dogodnych i nadających się do wykorzystania metod ewolucyjnych ze szczególnym uwzględnieniem algorytmów genetycznych.
Podgląd PDF
Bibliografia
- Asadi S., Hadavandi E., Mehmanpazir F., Masoud Nakhostin M. (2012), Hybridization of evolutionary Levenberg–Marquardt neural networks and data pre-processing for stock market prediction, „Knowledge-Based Systems”, no. 35, s. 245–258.
- Cheng C.H., Chen T.L., Ying Wei L. (2010), A hybrid model based on rough sets theory and genetic algorithms for stock price forecasting, „Information Sciences”, no. 180, s. 1610–1629.
- Chang Chien Y.W., Chen Y.L. (2010), Mining associative classification rules with stock trading data-A GA-based method, „Knowledge-Based System”, no. 23, s. 605–614.
- Hua Y., Feng B., Zhang X., Ngai E.W.T., Liu M. (2015), Stock trading rule discovery with an evolutionary trend following model, „Expert Systems with Applications”, no. 42, s. 212–222.
- Kim K., Han I. (2000), Genetic algorithms approach to feature discretization in artificial neural networks for prediction of stock index, „Expert System with Application”, no. 19, s. 125–132.
- Kim H.J., Shin K.S. (2007), A hybrid approach based on neural networks and genetic algorithms for detecting temporal patterns in stock markets, „Applied Soft Computing”, no. 7, s. 569–576.
- Nu´n˜ez-Letamendia L. (2007), Fitting the control parameters of a genetic algorithm: An application to technical trading systems design, „European Journal of Operational Research”, no. 179, s. 847–868.
- Orito Y., Yamamoto H., Yamazaki G. (2003), Index fund selections with genetic algorithms and heuristic classifications, „Computers & Industrial Engineering”, no. 45, s. 97–109.
- Sortino F.A., Price L.N. (1994), Performance Measurement in a Downside Risk Framework, „The Journal of Investing”, vol. 3, no. 3, s. 59–64.
- Wojarnik G. (2013), Ewolucyjny system analizy danych w warunkach braku metod zindywidualizowanych (rozprawa habilitacyjna), Uniwersytet Szczeciński, Szczecin.
- Wojarnik G. (2009), The searching procedure for parameters control working of genetic algorithm, „Polish Journal of Environmental Studies”, vol. 18, no. 3B, s. 398–402.
- Yeh I.C., Lien C.H., Tsai Y.C. (2011), Evaluation approach to stock trading system using evolutionary computation, „Expert Systems with Applications”, no. 38, s. 794–803.