Online moving average reversion no Brasil

Estratégia reversa média da reversão para a seleção on-line da carteira. Sete CH Hoi b. Doyen Sahoo b. Zhi-Yong Liu ca Economia e Faculdade de Administração, Universidade de Wuhan, Wuhan 430072, PR China. b Escola de Sistemas de Informação, Singapore Management University, 178902 , Singapore. c Instituto de Automação, Academia Chinesa de Ciências, Pequim 100080, PR China. Received 17 de dezembro de 2017 Revisão 24 de janeiro de 2017 Aceito em 28 de janeiro de 2017 Disponível on-line 2 de fevereiro de 2017.Online seleção de carteira, um problema fundamental em finanças computacionais, Tem atraído interesse crescente de inteligência artificial e comunidades de aprendizagem de máquina nos últimos anos Evidências empíricas mostram que os preços altos e baixos de estoque são temporários e os preços de ações são prováveis ​​seguir o fenômeno de reversão médio Embora as estratégias existentes de reversão média são mostradas para alcançar bom desempenho empírico em Muitos conjuntos de dados reais, eles freqüentemente fazem a suposição de reversão de média de período único, que nem sempre é satisfeita, leadin G ao mau desempenho em determinados conjuntos de dados reais Para superar esta limitação, propõe-se uma reversão média de vários períodos ou a chamada MARR de Reversão Mínima e uma nova estratégia de seleção on-line de carteira denominada On-Line Moving Average Reversion OLMAR, que Explora o MAR através de técnicas de aprendizagem de máquina on-line eficientes e escaláveis. De nossos resultados empíricos em mercados reais, descobrimos que OLMAR pode superar os inconvenientes dos algoritmos de reversão de média existentes e alcançar resultados significativamente melhores, especialmente nos conjuntos de dados onde os algoritmos de reversão de média existentes falharam. Seu desempenho empírico superior, OLMAR também é executado extremamente rápido, apoiando ainda mais a sua aplicabilidade prática para uma ampla gama de aplicações Finalmente, nós fizemos todos os conjuntos de dados e códigos de fonte deste trabalho publicamente disponíveis em nosso website. Portfolio projeto de projeto..Man reversão. Moving média reversão. Tabela 3 Algoritmo 2 Algoritmo 3. cs arXiv 1206 4626put Er Science Computação Engenharia, Finanças, e Science. Title On-Line Portfolio Seleção com Moving Average Reversão. As evidências empíricas mostram que os preços altos e baixos das ações são temporários e os parentes dos preços das ações provavelmente seguirão o fenômeno da reversão média. As estratégias de reversão da média são mostradas para alcançar um bom desempenho empírico em muitos conjuntos de dados reais, que muitas vezes fazem o período único reversão assunção, que nem sempre é satisfeito em alguns conjuntos de dados reais, levando a um mau desempenho quando a suposição não prende Para superar a limitação , Este artigo propõe uma reversão de média de período múltiplo, ou a chamada Margem de Reversão Média Móvel MAR, e uma nova estratégia de seleção on-line de portfólio chamada On-Line Moving Average Reversion OLMAR, que explora o MAR aplicando poderosas técnicas de aprendizado on-line. Resultados, verificamos que OLMAR pode superar a desvantagem dos algoritmos de reversão Resultados especialmente melhores nos conjuntos de dados onde os algoritmos de reversão de média existentes falharam Além do desempenho de negociação superior, OLMAR também é executado extremamente rápido, apoiando ainda mais a sua aplicabilidade prática a uma ampla gama de aplicações. Moving estratégia de reversão média para seleção de portfólio on-line . RESUMO Nós investigamos como e quando diversificar capital sobre ativos, ou seja, o problema de seleção de carteira, a partir de uma perspectiva de processamento de sinal. Para isso, construímos portfólios que alcançam o crescimento ótimo esperado em dois mercados de ativos discretos Sob custos proporcionais de transação A seguir, estendemos nossa análise para cobrir mercados com mais de duas ações. O mercado é modelado por uma seqüência de vetores relativos de preços com distribuições discretas arbitrárias, que também podem ser usadas para aproximar uma ampla classe de distribuições contínuas. Em seguida, demonstramos que sob o quadro de reequilíbrio de limiar, o conjunto de carteiras realizáveis ​​forma elegantemente uma cadeia de Markov irredutivel sob condições técnicas suaves. Nós avaliamos a correspondente distribuição estacionária de Esta cadeia de Markov, que fornece uma Como um problema financeiro amplamente conhecido, também resolvemos o problema de seleção de carteira ótima em termos discretos Se que as distribuições discretas subjacentes dos vetores relativos aos preços são desconhecidas, fornecemos um estimador de máxima verossimilhança que também é incorporado na estrutura de otimização em nossas simulações. Artigo Oct 2017.N Denizcan Vanli Sait Tunc Mehmet Um Donmez Suleyman S Kozat.