Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "trading strategy" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    On upper gain bound for trading strategy based on cointegration
    Autorzy:
    Łochowski, Rafał
    Powiązania:
    https://bibliotekanauki.pl/articles/453916.pdf
    Data publikacji:
    2010
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Katedra Ekonometrii i Statystyki
    Tematy:
    cointegration
    AR(1) process
    Ornstein-Uhlenbeck process
    trading strategy
    Opis:
    A long-run trading strategy based on cointegration relationship between prices of two commodities is considered. A linear combination of the prices is assumed to be a stationary AR(1) process. In some range of parameters, AR(1) process is obtained by discrete sampling of Ornstein-Uhlenbeck process. This allows to calculate approximate number of transactions in long run trade horizon and obtain approximate upper bound for possible gain.
    Źródło:
    Metody Ilościowe w Badaniach Ekonomicznych; 2010, 11, 1; 110-117
    2082-792X
    Pojawia się w:
    Metody Ilościowe w Badaniach Ekonomicznych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of ensemble gradient boosting decision trees to forecast stock price on WSE
    Autorzy:
    Dadej, Mateusz
    Powiązania:
    https://bibliotekanauki.pl/articles/518035.pdf
    Data publikacji:
    2019
    Wydawca:
    Uniwersytet Gdański. Wydział Ekonomiczny
    Tematy:
    equity investments
    artificial intelligence
    machine learning
    algorithmic trading strategy
    gradient boosting
    Opis:
    The main purpose of this article is to apply machine learning model based on ensemble of gradient boosted decision trees to forecast direction of share prices of Bank Handlowy S.A listed on WSE. In the introduction, the author presented the context of machine learning and its application in forecasting stock prices. Afterwards, the author describes the process of building classification model which uses XGboost framework from data preprocessing to model evaluation. The input features of the model were technical analysis indicators, like stochastic oscillators or moving averages. Output of the model was a direction of stock price after one week. The accuracy of the model based on testing dataset is 72%. The author also performed a simulation, based on the model. The simulation was made with the Monte Carlo method which stochastic process had a Laplace distribution. During interpretation, at the end, the author pointed limitations of model and algorithmic trading strategy evaluation techniques based on backtest.
    Celem niniejszego artykułu jest wykorzystanie modelu z dziedziny uczenia maszynowego opartego na algorytmie zespołu wzmocnionych gradientowo drzew decyzyjnych do prognozowania kierunku zmian kursu akcji Banku Handlowego S.A. notowanego na GPW. We wstępie został przedstawiony kontekst uczenia maszynowego oraz wykorzystania go do prognozowania cen akcji. Następnie, przedstawiono proces tworzenia modelu klasyfikacyjnego wykorzystujący strukturę XGboost od etapu przetwarzania danych do jego ewaluacji. Danymi wejściowymi modelu były wskaźniki wykorzystywane w analizie technicznej, m.in. oscylatory stochastyczne oraz średnie ruchome, natomiast danymi wyjściowymi były kierunki zmian kursu na przestrzeni następnego tygodnia. Skuteczność modelu na danych testowych wyniosła 72%. Na końcu przeprowadzono symulacje portfela inwestycyjnego, podejmującego decyzje o transakcjach na podstawie wcześniej stworzonego modelu, wykorzystując metodę Monte Carlo w której dynamika procesów stochastycznych miała rozkład Laplace’a. Przy interpretacji wyników portfela inwestycyjnego wskazano ograniczenia ewaluacji modelu i strategii inwestycyjnej opartej o backtest.
    Źródło:
    Zeszyty Studenckie Wydziału Ekonomicznego „Nasze Studia”; 2019, 9; 265-275
    1731-6707
    Pojawia się w:
    Zeszyty Studenckie Wydziału Ekonomicznego „Nasze Studia”
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Portfolio management of a small RES utility with a structural vector autoregressive model of electricity markets in Germany
    Autorzy:
    Maciejowska, Katarzyna
    Powiązania:
    https://bibliotekanauki.pl/articles/2204084.pdf
    Data publikacji:
    2022
    Wydawca:
    Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
    Tematy:
    intraday electricity market
    day-ahead electricity market
    structural vector autoregressive model
    probabilistic forecasting
    trading strategy
    Opis:
    Electricity producers and traders are exposed to various risks, among which price and volume risk play very important roles. This research considers portfolio-building strategies that enable the proportion of electricity traded in different electricity markets (day-ahead and intraday) to be chosen dynamically. Two types of approaches are considered: a simple strategy, which assumes that these proportions are fixed, and a data-driven strategy, in which the ratios fluctuate. To explore the market information, a structural vector autoregressive model is applied, which allows one to estimate the relationship between the variables of interest and simulate their future distribution. The approach is evaluated using data from the electricity market in Germany. The outcomes indicate that data-driven strategies increase revenue and reduce trading risk. These financial gains may encourage energy traders to apply advanced statistical methods in their portfolio-building process.
    Źródło:
    Operations Research and Decisions; 2022, 32, 4; 75--90
    2081-8858
    2391-6060
    Pojawia się w:
    Operations Research and Decisions
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    ON AN UPPER GAIN BOUND FOR STRATEGIES WITH CONSTANT AND PROPORTIONAL NUMBER OF ASSETS TRADED
    Autorzy:
    Łochowski, Rafał
    Powiązania:
    https://bibliotekanauki.pl/articles/453150.pdf
    Data publikacji:
    2013
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Katedra Ekonometrii i Statystyki
    Tematy:
    trading strategy
    transaction costs
    truncated variation
    AR(1) process
    Wiener process
    Ornstein-Uhlenbeck process
    random walk
    the Black-Scholes model
    Opis:
    We introduce general formulas for the upper bound of gain obtained from any finite-time trading strategy in discrete and continuous time models. We consider strategies with constant number of assets traded and strategies with proportional number of assets traded. Unfortunately, the estimates obtained in the discrete case become trivial in the continuous case, hence we introduce transaction costs. This leads to the interesting estimates in terms of the so called truncated variation of the price series. We apply the obtained estimates in specific cases of financial time series.
    Źródło:
    Metody Ilościowe w Badaniach Ekonomicznych; 2013, 14, 2; 29-38
    2082-792X
    Pojawia się w:
    Metody Ilościowe w Badaniach Ekonomicznych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Machine Learning Methods in Algorithmic Trading Strategy Optimization – Design and Time Efficiency
    Autorzy:
    Ryś, Przemysław
    Ślepaczuk, Robert
    Powiązania:
    https://bibliotekanauki.pl/articles/1356900.pdf
    Data publikacji:
    2019-08-09
    Wydawca:
    Uniwersytet Warszawski. Wydział Nauk Ekonomicznych
    Tematy:
    Algorithmic trading
    investment strategy
    machine learning
    optimization
    differential evolutionary method
    cross-validation
    overfitting
    Opis:
    The main aim of this paper was to formulate and analyse the machine learning methods, fitted to the strategy parameters optimization specificity. The most important problems are the sensitivity of a strategy performance to little parameter changes and numerous local extrema distributed over the solution space in an irregular way. The methods were designed for the purpose of significant shortening of the computation time, without a substantial loss of strategy quality. The efficiency of methods was compared for three different pairs of assets in case of moving averages crossover system. The problem was presented for three sets of two assets’ portfolios. In the first case, a strategy was trading on the SPX and DAX index futures; in the second, on the AAPL and MSFT stocks; and finally, in the third case, on the HGF and CBF commodities futures. The methods operated on the in-sample data, containing 16 years of daily prices between 1998 and 2013 and was validated on the out-of-sample period between 2014 and 2017. The major hypothesis verified in this paper is that machine learning methods select strategies with evaluation criterion near the highest one, but in significantly lower execution time than the brute force method (Exhaustive Search).
    Źródło:
    Central European Economic Journal; 2018, 5, 52; 206 - 229
    2543-6821
    Pojawia się w:
    Central European Economic Journal
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Robustness of Support Vector Machines in Algorithmic Trading on Cryptocurrency Market
    Autorzy:
    Ślepaczuk, Robert
    Zenkova, Maryna
    Powiązania:
    https://bibliotekanauki.pl/articles/1356913.pdf
    Data publikacji:
    2019-08-07
    Wydawca:
    Uniwersytet Warszawski. Wydział Nauk Ekonomicznych
    Tematy:
    Machine learning
    support vector machines
    investment algorithm
    algorithmic trading
    strategy
    optimization
    cross-validation
    overfitting
    cryptocurrency market
    technical analysis
    meta parameters
    Opis:
    This study investigates the profitability of an algorithmic trading strategy based on training SVM model to identify cryptocurrencies with high or low predicted returns. A tail set is defined to be a group of coins whose volatility-adjusted returns are in the highest or the lowest quintile. Each cryptocurrency is represented by a set of six technical features. SVM is trained on historical tail sets and tested on the current data. The classifier is chosen to be a nonlinear support vector machine. The portfolio is formed by ranking coins using the SVM output. The highest ranked coins are used for long positions to be included in the portfolio for one reallocation period. The following metrics were used to estimate the portfolio profitability: %ARC (the annualized rate of change), %ASD (the annualized standard deviation of daily returns), MDD (the maximum drawdown coefficient), IR1, IR2 (the information ratio coefficients). The performance of the SVM portfolio is compared to the performance of the four benchmark strategies based on the values of the information ratio coefficient IR1, which quantifies the risk-weighted gain. The question of how sensitive the portfolio performance is to the parameters set in the SVM model is also addressed in this study.
    Źródło:
    Central European Economic Journal; 2018, 5, 52; 186 - 205
    2543-6821
    Pojawia się w:
    Central European Economic Journal
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies