Subscribe to the gold package and get unlimited access to Shamra Academy
Register a new userDeveloping an Optimal Financial Trading System Using Artificial Intelligent Techniques
تطوير نظام أمثليّ للتداول المالي باستخدام تقنيات الذكاء الصُنعي
1892
0 24
0
(
0
)
Created by
Shamra Editor
Ask ChatGPT about the research
تم في هذا البحث دمج تقنيتين من تقنيات الذكاء الصنعي، و هما خوارزمية أمثلية مستعمرة النمل (ACO) و الخوارزمية الجينية (GA) لتحقيق أمثلية نظام التعلم المُعزّز العودي لتداول الأسهم. و يعتمد نظام التداول المقترح على خوارزمية أمثلية مستعمرة النمل و الخوارزمية الجينية لاختيار مجموعة مثالية من المؤشرات الأساسية و الفنية لتحسين أداء التداول.
In this paper, it has merged two techniques of the artificial intelligent, they are the ants colony optimization algorithm and the genetic algorithm, to The recurrent reinforcement learning trading system optimization. The proposed trading system is based on an ant colony optimization algorithm and the genetic algorithm to select an optimal group of technical indicators, and fundamental indicators.
Artificial intelligence review:
Research summary
تتناول هذه الدراسة تطوير نظام تداول مالي باستخدام تقنيات الذكاء الاصطناعي، حيث تم دمج خوارزمية أمثلية مستعمرة النمل (ACO) والخوارزمية الجينية (GA) مع نظام التعلّم المُعزّز العودي (RRL) لتحسين أداء التداول. تم اختبار النظام المقترح باستخدام بيانات سوق دمشق للأوراق المالية، وأظهرت النتائج تحسنًا في أداء التداول من خلال زيادة عدد الشركات ذات نسبة Sharpe الموجبة وتحقيق قيم أفضل لنسبتي Treynor و Jensen. يعتمد النظام على اختيار مجموعة مثالية من المؤشرات الفنية والأساسية لتحسين أداء التداول، مما يعزز الربحية والاستقرار مقارنة بأنظمة التداول السابقة RRL و GA-RRL.
Critical review
دراسة نقدية: تعتبر هذه الدراسة خطوة مهمة نحو تحسين أنظمة التداول المالي باستخدام تقنيات الذكاء الاصطناعي، إلا أن هناك بعض النقاط التي يمكن النظر فيها لتحسين البحث. أولاً، قد يكون من المفيد توسيع نطاق البيانات المستخدمة لتشمل أسواق مالية أخرى لضمان تعميم النتائج. ثانيًا، يمكن النظر في دمج تقنيات ذكاء اصطناعي أخرى مثل خوارزمية النحل أو أسراب الطيور لتحسين اختيار المؤشرات. أخيرًا، يمكن تحسين الدراسة من خلال تحليل تأثير العوامل الاقتصادية والسياسية على أداء النظام المقترح، مما يضيف بعدًا إضافيًا لفهم أداء النظام في ظروف مختلفة.
Questions related to the research
-
ما هي التقنيات المستخدمة في تطوير نظام التداول المقترح؟
تم استخدام خوارزمية أمثلية مستعمرة النمل (ACO) والخوارزمية الجينية (GA) مع نظام التعلّم المُعزّز العودي (RRL) لتطوير نظام التداول المقترح.
-
ما هي البيانات التي تم استخدامها لاختبار النظام المقترح؟
تم استخدام البيانات اليومية لسوق دمشق للأوراق المالية لاختبار النظام المقترح.
-
ما هي المؤشرات المستخدمة لتحسين أداء التداول في النظام المقترح؟
تم استخدام مجموعة من المؤشرات الفنية والأساسية التي تم اختيارها باستخدام خوارزميات ACO و GA لتحسين أداء التداول.
-
ما هي النتائج الرئيسية التي توصلت إليها الدراسة؟
أظهرت النتائج تحسنًا في أداء التداول من خلال زيادة عدد الشركات ذات نسبة Sharpe الموجبة وتحقيق قيم أفضل لنسبتي Treynor و Jensen، مما يعزز الربحية والاستقرار مقارنة بأنظمة التداول السابقة.
References used
J. Moody and M. Saffell, “Reinforcement Learning for Trading Systems and Portfolios,” Kdd, pp. 279–283, 1998
G. Molina, “Stock Trading with Recurrent Reinforcement Learning ( RRL ),” Direct
J. Cumming and L. Dickens, “An Investigation into the Use of Reinforcement Learning Techniques within the Algorithmic Trading Domain,” 2015
rate research
Read More
The Research Aims:
Syrian organizations keep large amounts of information and data about their
personnel in their IT systems. This information, however, is often left unutilized or
may be analyzed through statistical methods. In this study, DM is
considered a
solution for analyzing HR data and explore knowledge from data stored in some
Syrian organization through two major stages:
Stage A: Using results of Semi-Annual performance evaluation process to build
prototype showed in (Fig. 6) to accomplish two tasks:
1. Building a models to predict appropriate job function for an employee
through majority principle and using high accuracy result to increase the
number of training data and make it self-learning model.
2. Choose most important attributes that used in classify methods to use it in
personnel selection and recruitment.
Stage B: Using data of Time & Attendance to analysis personnel activity through
clustering methods and building many meaningful groups.
This research tackles autolanding a power-off fixed-wing Unmanned Aerial Vehicle (UAV) on a
level or uphill landing strip with limited dimensions. New approaches to path planning, guidance,
and control are proposed for the final approach and landin
g stages. These approaches address
mid-sized UAVs assuming that the aircraft has only standard control surfaces, i.e. the elevator,
the rudder, and the ailerons. This problem has not been covered by the existing flight control
literature.
In this research we introduce
a regularization based feature selection algorithm to benefit from
sparsity and feature grouping properties and incorporate it into the
medical image classification task. Using this group sparsity (GS)
method, the wh
ole group of features are either selected or removed.
The basic idea in GS is to delete features that do not affect the
retrieval process, instead of keeping them and giving these features
small weights. Therefore, GS improves system by increasing
accuracy of the results, plus reducing space and time requirements
needed by the system.
The word "massive data" spread in 2017 and became the most common in the industry of advanced technology, it uses automated learning that allows computers to analyze past data and predict future data widely in familiar places. Non-automated learning
professionals can use it too. To study the analytical method of statistical Automatic learning, it is necessary to identify the concept of artificial intelligence and its main classification and analytical techniques included and represent in automatic learning and deep learning. Automatic learning has developed thanks to some breakthroughs in artificial intelligence. It is an awareness of the efficient teaching of computers in addition to the invention of the Internet. Neural networks have an important role to play in teaching computers, such as humans, where they use data they can access to make decisions. There are many algorithms for learning about automatic learning. In our study, we demonstrate the methods and applications of automated statistical analysis, such as regression analysis, decision tree, middle method k and association analysis.
This paper presents a method for finding online adaptive optimal
controllers for continuous-time linear systems without knowing the
system dynamical matrices. The proposed method employs one of
Intelligent Operations Research Techniques, this tech
nique is the
adaptive dynamic programming, to iteratively solve the algebraic
Riccati equation using the online information of state and input,
without requiring the a priori knowledge of the system dynamics. In
addition, all iterations can be conducted by using repeatedly the
same state and input information on some fixed time intervals. A
practical online algorithm is developed in this paper, and is applied
to the controller design for a turbocharged diesel engine with
exhaust gas recirculation.
Log in to be able to interact and post comments
comments
Fetching comments
Sign in to be able to follow your search criteria
