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 "algorithmic trading" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-8 z 8
    Tytuł:
    High-Frequency Trading of agricultural commodities as a source of additional income in agriculture
    High Frequency Trading w handlu towarami pochodzenia rolniczego jako źródło dodatkowego dochodu w rolnictwie
    Autorzy:
    Sporysz, M.
    Godula, Ł.
    Tabor, S.
    Kuboń, M.
    Szczuka, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/94019.pdf
    Data publikacji:
    2014
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    statistical arbitrage
    High Frequency Trading
    commodity stock exchange
    algorithmic trading
    arbitraż statystyczny
    giełda towarowa
    handel algorytmiczny
    Opis:
    The paper verifies usefulness of the high frequency trading model developed by Marco Avellaneda and Sasha Stoikov, used in simulation of turnover with futures contract securities of one of agricultural commodities on the selected commodity stock exchange. Accuracy of provided signals of purchase and sale signals was verified on authentic quotations – the futures contract for coffee prices of the London Stock Exchange. Results of ten subsequent session days was analysed in detail. Quality of the assumed investment algorithm was determined with the use of stock exchange ratios: Information Ratio and Maximum Drawdown. A short discussion was conducted, which compared a standard investing method and the analysed model of algorithmic trading. In conclusion, all most important statements and conclusions were made, which confirmed usefulness of the HFT model developed by Marco Avellaneda and Sasha Stoikov for turnover of futures contract securities for agricultural commodities.
    W pracy sprawdzono przydatność modelu szybkiego kupna i sprzedaży (High Frequency Trading) Marco Avellanedy i Sashy Stoikov'a, użytego w symulacji obrotu walorami kontraktu terminowego na towar pochodzenia rolniczego na wybranej giełdzie towarowej. Zbadano trafność podawanych sygnałów transakcji kupna i sprzedaży na autentycznych notowaniach - kontrakt terminowy na ceny kawy londyńskiej giełdy papierów wartościowych (London Stock Exchange). Szczegółowo zanalizowano wyniki dziesięciu kolejnych dni sesyjnych. Jakość przyjętego algorytmu inwestycyjnego określono za pomocą wskaźników giełdowych: Information Ratio oraz Maximum Drawdown. Przeprowadzono krótką dyskusję porównującą standardową metodę inwestowania oraz analizowany model handlu algorytmicznego. Na zakończenie zebrano najważniejsze stwierdzenia i wyciągnięto wnioski potwierdzające przydatność modelu HFT Marco Avellanedy i Sashy Stoikov'a do obrotu walorami kontraktów terminowych na towary pochodzenia rolniczego o dużej płynności oraz możliwość jego praktycznego zastosowania.
    Źródło:
    Agricultural Engineering; 2014, 18, 4; 221-231
    2083-1587
    Pojawia się w:
    Agricultural Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Automatyczny handel na rynkach towarowych
    Automated trading in commodity markets
    Autorzy:
    Piaskowska, Monika
    Powiązania:
    https://bibliotekanauki.pl/articles/692792.pdf
    Data publikacji:
    2017
    Wydawca:
    Uniwersytet im. Adama Mickiewicza w Poznaniu
    Tematy:
    commodity market
    automated trading
    algorithmic trading
    rynek towarowy
    automatyczny handel
    algorytmiczny handel
    Opis:
    In the paper we analyse structural changes in commodity markets, their financialisation and consequently growing automation. The main factors which foster the development of algorithmic trading are explained and the common methods and strategies used in trading processes and required investments in technology reviewed.
    Artykuł przedstawia analizę zmian strukturalnych na rynkach towarowych, ich finansyzację, a w konsekwencji zwiększoną automatyzację. Autorka omówiła główne czynniki sprzyjające rozwojowi algorytmicznego handlu, jak również dokonała przeglądu stosowanych metod i strategii optymalizujących proces handlowy i wymagających inwestycji w rozwój technologii.
    Źródło:
    Ruch Prawniczy, Ekonomiczny i Socjologiczny; 2017, 79, 1; 251-264
    0035-9629
    2543-9170
    Pojawia się w:
    Ruch Prawniczy, Ekonomiczny i Socjologiczny
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie drapieżnych strategii w handlu o wysokiej częstotliwości
    Autorzy:
    Lenczewski Martins, Carlos Jorge
    Powiązania:
    https://bibliotekanauki.pl/articles/610061.pdf
    Data publikacji:
    2017
    Wydawca:
    Uniwersytet Marii Curie-Skłodowskiej. Wydawnictwo Uniwersytetu Marii Curie-Skłodowskiej
    Tematy:
    High-Frequency Trading
    predatory strategies
    algorithmic trading
    handel o wysokiej częstotliwości
    strategie drapieżne
    handel algorytmiczny
    Opis:
    The development of High-Frequency Trading since the 1990s has been so dynamic, that one may say it certainly will be present in every country, sooner or later. Most of the research dedicated to High-Frequency Trading is dedicated to show how detrimental it may be to the financial system, other present business models and integration with other entities of the financial market, some try to research how profitable this type of trading may be, and finally some research is dedicated to the risk analysis – although these papers are very limited. This paper is aimed to expand the topic of business models by showing selected strategies of High-Frequency Trading. This is very important since these strategies may be also implemented in conditions of lower liquidity and have a direct influence on the stability of large institutions.
    Rozwój handlu o wysokiej częstotliwości, który powstał w latach 90. XX w., jest tak dynamiczny, że można stwierdzić, iż z pewnością będzie obecny w każdym kraju. Większość opracowań poświęconych handlowi o wysokiej częstotliwości można podzielić na: starające się wykazać, jak szkodliwy jest on dla systemu finansowego; opisujące modele biznesowe i współdziałanie z pozostałymi podmiotami rynku finansowego; wykazujące opłacalność handlu i podmiotów stosujących ten rodzaj handlu; poświęcone zagadnieniom zarządzania ryzykiem transakcji o wysokiej częstotliwości, chociaż ich liczba jest bardzo ograniczona. Niniejsze opracowanie ma na celu rozwijać zagadnienia związane z modelami biznesowymi, omawiając wybrane drapieżne techniki w handlu o wysokiej częstotliwości. Jest to dość istotne, ponieważ mogą one być zastosowane w warunkach o niskiej płynności oraz mogą wpływać bezpośrednio na działalność i stabilność pojedynczych, a także znaczących instytucji finansowych.
    Źródło:
    Annales Universitatis Mariae Curie-Skłodowska, sectio H – Oeconomia; 2017, 51, 4
    0459-9586
    Pojawia się w:
    Annales Universitatis Mariae Curie-Skłodowska, sectio H – Oeconomia
    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:
    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
    Tytuł:
    Algorithmic Trading and Efficiency of the Stock Market in Poland
    Autorzy:
    Jóźwicki, Rafał
    Trippner, Paweł
    Kłos, Karolina
    Powiązania:
    https://bibliotekanauki.pl/articles/1368020.pdf
    Data publikacji:
    2021-06-30
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    algorithmic trading
    market efficiency
    trading system
    investing
    technical analysis
    Opis:
    The aim of the article is to investigate the impact of algorithmic trading on the returns obtained in the context of market efficiency theory. The research hypothesis is that algorithmic trading can contribute to a better rate of return than when using passive investment strategies. Technological progress can be observed in many different aspects of our lives, including investing in capital markets where we can see changes resulting from the spread of new technologies. The methodology used in this paper consists in confronting a sample trading system based on classical technical analysis tools with a control strategy consisting in buying securities at the beginning of the test period and holding them until the end of this period. The results obtained confirm the validity of the theory of information efficiency of the capital market, as the active investment strategy based on algorithmic trading did not yield better results than the control strategy.
    Źródło:
    Finanse i Prawo Finansowe; 2021, 2, 30; 75-85
    2391-6478
    2353-5601
    Pojawia się w:
    Finanse i Prawo Finansowe
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The potential for real-time testing of high-frequency trading strategies through a developed tool during volatile market conditions
    Autorzy:
    Vaitonis, Mantas
    Korovkinas, Konstantinas
    Powiązania:
    https://bibliotekanauki.pl/articles/30148245.pdf
    Data publikacji:
    2023
    Wydawca:
    Polskie Towarzystwo Promocji Wiedzy
    Tematy:
    high frequency trading
    cryptocurrencies
    algorithmic trading
    multidimensional matrice
    parallelization
    simulation
    Opis:
    This study presents a method for testing high-frequency trading (HFT) for algorithms on GPUs using kernel parallelization, code vectorization, and multidimensional matrices. The research evaluates HFT strategies within algorithmic cryptocurrency trading in volatile market conditions, particularly during the COVID-19 pandemic. The study's objective is to provide an efficient and comprehensive approach to assessing the efficiency and profitability of HFT strategies. The results show that the method effectively evaluates the efficiency and profitability of HFT strategies, as demonstrated by the Sharp ratio of 2.29 and the Sortino ratio of 2.88. The authors suggest that further study on HFT testing methods could be conducted using a tool that directly connects to electronic marketplaces, enabling real-time receipt of high-frequency trading data and simulation of trade decisions. Finally, the study introduces a novel method for testing HFT algorithms on GPUs, offering promising results in assessing the efficiency and profitability of HFT strategies during volatile market conditions.
    Źródło:
    Applied Computer Science; 2023, 19, 2; 63-81
    1895-3735
    2353-6977
    Pojawia się w:
    Applied Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-8 z 8

      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