Otimização de enxames de partículas de Bollinger Bands Lee, J. S. Lee, S. Chang, S. Ahn, B. H. Uma comparação de ga e pso para avaliação de retorno em excesso nos mercados de ações. Em: Mira, J. lvarez, J. R. (eds.) IWINAC 2005, Parte II. LNCS, vol. 3562, pp. 221230. Springer, Heidelberg (2005) Lento, C. Gradojevic, N. A rentabilidade das regras técnicas de negociação: uma abordagem de sinal combinado. Journal of Applied Business Research 23 (1), 1327 (2007) Lento, C. Gradojevic, N. Wright, C. Conteúdo de informações de investimento em Bandas de Bollinger Letras de economia financeira aplicada 3 (4), 263267 (2007) CrossRef Leung, J. Chong, T. Uma comparação empírica dos envelopes médios móveis e das Bandas de Bollinger. Applied Economics Letters 10 (6), 339341 (2003) CrossRef Moody, J. Wu, L. Liao, Y. Saffell, M. Funções de desempenho e aprendizagem de reforço para sistemas de negociação e carteiras. Applied Financial Economics Letters 17, 441470 (1998) Shi, Y. Eberhart, R. Um otimizador de enxame de partículas modificadas. Em: Procedimentos da Conferência Internacional IEEE de 1998 sobre Computação Evolutiva, IEEE World Congress on Computional Intelligence, pp. 6973 (1998) Williams, O. Otimização empírica de bandas de Bollinger para rentabilidade. Tópico de mestrado, Universidade Simon Fraser (2006) Sobre este capítulo Título Otimização de enxames de partículas de bandas de Bollinger Título do livro Swarm Intelligence Book Subtitle 7ª Conferência internacional, ANTS 2010, Bruxelas, Bélgica, 8 a 10 de setembro de 2010. Proceedings Pages pp 504-511 Copyright 2010 DOI 10.1007 978-3-642-15461-450 ISBN 978-3-642-15460-7 ISBN 978-3-642-15461-4 Título da série Notas de aula na série de informática Série Volume 6234 ISSN 0302-9743 Editora Springer Berlin Heidelberg Proprietário de direitos autorais Springer-Verlag Berlin Heidelberg Links adicionais sobre este livro Tópicos Inteligência Artificial (incluindo Robótica) Análise de Algoritmos e Computação de Complexidade de Problemas por Dispositivos abstratos Redes de Comunicação por Computador Aplicações de Sistemas de Informação (incluindo Internet) Palavras-chave de Computação Numérica otimização de enxame de partículas Bollinger Bandas Sharpe ratio Sortino ratio e otimização de parâmetros Setores da indústria Pharma Materials amp Steel Automotive Chemical Manufacturing Biot Echnology Eletrônica IT amplificador Software Telecomunicações Consumidor Artigos empacotados Engenharia aeroespacial Pacotes de livros eletrônicos Editoras de informática Marco Dorigo (16) Mauro Birattari (17) Gianni A. Di Caro (18) Ren Doursat (19) Andries P. Engelbrecht (20) Dario Floreano (21 ) Luca Maria Gambardella (22) Roderich Gro (23) Erol ahin (24) Hiroki Sayama (25) Thomas Sttzle (26) Editor Afiliados 16. IRIDIA, CoDE, Universit Libre de Bruxelles 17. IRIDIA, CoDE, Universit Libre de Bruxelles 18 Instituto Dalla Molle de Inteligência Artificial (IDSIA) 19. Instituto de Sistemas Complexos, Paris-Ile-de-France, CREA, Ecole Polytechnique amp CNRS 20. Departamento de Ciência da Computação, Universidade de Pretória 21. EPFL, Laboratório de Sistemas Inteligentes 22. Istituto Dalle Molle di Studi SullIntelligenza Artificiale (IDSIA) 23. Departamento de Controle Automático e Engenharia de Sistemas, The University of Sheffield 24. Laboratório de Pesquisa KOVAN. Departamento de Engenharia Informática, Universidade Técnica do Oriente Médio 25. Departamento de Bioengenharia, Universidade de Binghamton, Universidade Estadual de Nova York 26. IRIDIA, CoDE, Universit Libre de Bruxelles Autores Matthew Butler (27) Dimitar Kazakov (27) Afiliações de autor 27. Faculdade de Ciência da Computação, Grupo de Inteligência Artificial, Universidade de York, Reino Unido Continue lendo. Para ver o resto deste conteúdo, siga o link do download de PDF acima. Exclua todos os sistemas que exigem otimização (e, portanto, dependentes de dados) Tanto longas quanto curtas, e todas as posições serão fechadas na última barra. Taxa de juros da margem: 5, taxa de taxa de juros do mercado monetário: 3. Requisitos de margem: longo 100, curto 150. Capital inicial: 10000. Comissão: 1 por transação para entrada e saída. Use preços de mercado realistas com base no mercado aberto para comprar vender vender curto comprar para cobrir. 1. Dow Jones Industrial Average, de 1928-10-01 a 2008-12-05.160 EOD. 2. Índice SampP 500, de 1950-01-03 a 2008-12-05. EOD. Consulte outros resultados de testes nos 4 melhores sistemas. 3. Nasdaq Composite Index, de 1971-02-05 a 2008-12-05.160 EOD. 4. SKF, de 2007-02-01 a 2008-12-05 5. SDS, de 2007-07-13 a 2008-12-05 Consulte outros resultados de testes para obter mais detalhes. 6. UltraETF: SSOSDSSKFUYG, de 2007 a 2008-12-05 Consulte outros resultados de testes para obter mais detalhes. 7. QQQQ barras de 5 minutos de 2006-11-13 a 2008-11-10 (728 dias) Gráfico de desempenho: pode-se ver que, o enorme lucro é corroído por comissões igualmente enormes. Resumo de pp :: CCI (modificado) à esquerda e pp :: Rotação do pivô direito. Mude para a barra de 15 minutos: mude para a barra de 60 min.
Oscilador estocástico O oscilador estocástico é calculado usando a seguinte fórmula: C o preço de fechamento mais recente L14 o menor das 14 sessões de negociação anteriores H14 o preço mais alto negociado durante o mesmo período de 14 dias K a taxa de mercado atual para o par de moedas D 3 - média móvel média de K A teoria geral que serve de base para esse indicador é que, em um mercado tendendo para cima, os preços fecharão perto do alto, e em um mercado tendendo para baixo, os preços fecham perto da baixa. Os sinais de transação são criados quando o K atravessa uma média móvel de três períodos, que é chamado de D. O oscilador estocástico foi desenvolvido no final da década de 1950 por George Lane. Conforme projetado por Lane, o oscilador estocástico apresenta a localização do preço de fechamento de um estoque em relação ao alto e baixo alcance do preço de uma ação durante um período de tempo, geralmente um período de 14 dias. Lane, ao longo de inúmeras entrevistas, disse que o oscil
Comments
Post a Comment