Zastosowanie wybranych wskaźników analizy technicznej w algorytmicznym systemie transakcyjnym

• Autorzy: Krzysztof Kaczmarek , Sylwester Gołda

Warianty tytułu

The Use of Selected Indicators of Technical Analysis in Algorithmic Transaction System

• Języki publikacji: PL

Abstrakty

Rozwój technik teleinformatycznych, w tym powszechny dostęp do internetu, otworzył inwestorom indywidualnym dostęp do rynku walutowego. Obecnie brokerzy rynku Forex udostępniają nowoczesne i rozbudowane platformy transakcyjne zawierające wiele praktycznych narzędzi, np. moduły umożliwiające handel w trybie automatycznym za pośrednictwem własnych strategii transakcyjnych. W artykule przedstawiono algorytm oraz wyniki badań skuteczności automatycznego systemu transakcyjnego opracowanego do funkcjonowania na rynku walutowym Forex. Zaproponowane podejście jest oparte na analizie wskazań poszczególnych wyselekcjonowanych wskaźników analizy technicznej z zastosowaniem metod logiki rozmytej. Optymalizację oraz testy skonstruowanej strategii transakcyjnej przeprowadzono na archiwalnych danych notowań wybranych par walutowych. (abstrakt oryginalny)

EN

The development of information and communication technologies in the universal access to the Internet has opened investors individual access to the FX market. Currently, Forex brokers provide a modern and powerful trading platforms, containing many practical tools including modules for trade in automatic mode via their own trading strategies. The paper presents the algorithm and results of the effectiveness of automated transaction system developed to operate on the currency market Forex. The proposed approach is based on an analysis of the indications of each selected indicators of technical analysis using methods of fuzzy logic. Optimization and testing constructed trading strategy conducted on archival data records selected currency pairs. (original abstract)

Słowa kluczowe

PL

Analiza techniczna; Logika rozmyta; Systemy transakcyjne; Optymalizacja

EN

Technical analysis; Fuzzy logic; Transaction systems; Optimalization

• Czasopismo: Zeszyty Naukowe Uniwersytetu Szczecińskiego. Finanse, Rynki Finansowe, Ubezpieczenia
• Rocznik: 2015
• Numer: nr 75 Rynek kapitałowy: skuteczne inwestowanie
• Strony: 205--220

Twórcy

autor

Krzysztof Kaczmarek

• Politechnika Częstochowska

autor

Sylwester Gołda

• Politechnika Częstochowska

Bibliografia

• Baba N., Kozaki M. (1992), An intelligent forecasting system of stock price using neural networks, Proceedings of IJCNN '92, s. 317-377.
• Czekaj J., Dresler Z. (1998), Zarządzanie finansami przedsiębiorstw. Podstawy teorii, Wydawnictwo Naukowe PWN, Warszawa.
• Dymova L., Sevastjanov P., Bartosiewicz P. (2010), A new approach to the rulebase evidential reasoning: Stock trading expert system application, "Expert Systems with Applications", vol. 37, s. 5564-5576.
• Kaczmarek K. (2010), System wspomagający pracę tradera. Porównanie warunków handlu elektronicznego na rynku polskim z warunkami handlu na rynku amerykańskim, Zeszyty Naukowe Uniwersytetu Szczecińskiego nr 612, Finanse, Rynki Finansowe, Ubezpieczenia nr 28, Szczecin, s. 381-394.
• Kaczmarek K. (2011), Zastosowanie syntezy logiki rozmytej i teorii Dempstera-Shafera w systemie transakcyjnym, "Metody Informatyki Stosowanej", nr 3(28), s. 77-90.
• Kaczmarek K. (2012), Opracowanie automatycznego systemu transakcyjnego na podstawie syntezy logiki rozmytej i teorii Dempstera-Shafera z uwzględnieniem dwóch źródeł świadectw, w: Metody matematyczne, ekonomiczne i komputerowe w finansach i ubezpieczeniach 2010 (2012), red. S. Barczak, D. Iskra, Wydawnictwo Uniwersytetu Ekonomicznego w Katowicach, Katowice, s. 153-174.
• Kuo R.J., Chen C.H., Hwang Y.C. (2001), An intelligent stock trading decision support system through integration of genetic algorithm based fuzzy neural network and artificial neural network, "Fuzzy Sets and Systems", vol. 118, s. 21-45.
• Mahfoud S., Mani G. (1996), Financial forecasting using genetic algorithms, "Applications of Artificial Intelligence", vol. 10, s. 543-566.
• Mehta K., Bhattacharyy S. (2004), Adequacy of training data for evolutionary mining of trading rules, "Decision Support Systems", vol. 37, s. 461-474.
• Pawlak Z. (1982), Rough sets, "International Journal of Information and Computer Science", vol. 11, s. 145-172.
• Sevastjanov P. (2007), Numerical methods for interval and fuzzy number comparison based on the probabilistic approach and Dempster-Shafer theory, "Information Sciences", vol. 177, s. 4645-4661.
• Sevastjanov P., Figat P. (2007), Aggregation of aggregating modes in MCDM: Synthesis of Type 2 and Level 2 fuzzy sets, "Omega" 35, s. 505-523.
• Sevastjanov P., Dymova L. (2009), Synthesis of fuzzy logic and Dempster-Shafer theory for the simulation of the decision-making process in stock trading systems, "Mathematics and Computers in Simulation", vol. 80, s. 506-521.
• Sevastjanov P., Dymova L., Kaczmarek K. (2012), A stock trading expert system based on the rule-base evidential reasoning using Level 2 Quotes, "Expert Systems with Applications", s. 7150-7157.
• Shen L., Loh H.T. (2004), Applying rough sets to market timing decisions, "Decision Support Systems", vol. 37, s. 583-597.
• Tsumoto S. (2003), Automated extraction of hierarchical decision rules from clinical databases using rough set model, "Expert Systems with Applications", vol. 24, s. 189-197.
• Wang Y.F. (2003), Mining stock price using fuzzy rough set system, "Expert Systems with Applications", vol. 24, s. 13-23.
• Zadeh L.A. (1965), Fuzzy sets, "Information and Control", vol. 8, s. 338-358.
• Zimmerman, H.-J. (1987), Fuzzy Sets, Decision-Making, and Expert Systems, International Series in Management Science Operations Research, vol. 10, Kluwer Academic Publishers.

Identyfikatory

DOI

10.18276/frfu.2015.75-17