Моделювання системи інтелектуального прогнозування торгів на фондових біржах

Автор(и)

DOI:

https://doi.org/10.31861/sisiot2023.2.02002

Ключові слова:

моделі, фондові біржі, торговельна стратегія, алгоритми штучних нейронних мереж, системи інтелектуального прогнозування

Анотація

У статті виділено причини змін котирування цін фінансових активів на фондових біржах. Змодельовано процес ситуації, коли трейдер фіксує період утримання своєї торгової позиції. Вона визначає періоди купівлі-продажу і враховуючи, що високочастотна біржова торгівля на надкоротких інтервалах виявляє низьку прибутковість введено важливу умову, що дозволяє біржовому трейдеру вільно відкривати та закривати торгові позиції протягом всього періоду купівлі-продажу із врахуванням запропонованих обмежень. Запропоновано моделювання стратегії трейдера по здійсненню торгових дій, що спрямовані на максимізацію прибутку. З урахуванням обмежень, пов'язаних із ліквідністю, та кількісних обмежень для торгових заявок запропоновано визначення оптимальної стратегії високочастотної торгівлі для купівлі-продажу трейдера, що можна сформулювати як завдання мінімізації витрат на торгові ордери. На основі кількості доступних біржових торгових заявок і значень відносно відповідної торгової заявки в конкретні моменти з метою визначення оптимальної стратегії високочастотної торгівлі для купівлі-продажу трейдера можна зводити до вирішення простої задачі мінімізації витрат при заданих умовах обмеження ліквідності для кожної торгової заявки, завершення торговельного портфеля без активних позицій до закінчення періоду та загальної кількості біржових угод з купівлі-продажу. Описано ключові фази в побудові структури, на якій базується сама стратегія торгівлі на біржі. Встановлено необхідність визначення, які саме дані будуть введені в алгоритм штучної нейромережі на основі вхідних даних та визначення, який алгоритм буде використовуватись для конкретної задачі. Спроектовано структуру програмного забезпечення моделі системи інтелектуального прогнозування торгів на фондових біржах. У комплексі автоматизованої торгівельної системи включено розробку графічного відображення котирувань та інструмент для візуального аналізу. При цьому інформація про перевірені торговельні стратегії може бути збережена в базі даних, що доступна для додавання та видалення трейдерами в розробленій інтелектуальній системі прогнозування торгів на фондових біржах.

Завантажити

Дані для завантаження поки недоступні.

Біографії авторів

  • Дмитро Угрин, Чернівецький національний університет імені Юрія Федьковича

    Закінчив Чернівецький національний університет імені Юрія Федьковича, Чернівці. Наразі є доктором технічних наук, доцентом Чернівецького національного університету імені Юрія Федьковича. Має понад 150 публікацій. Наукові інтереси: інтелектуальний аналіз даних, інформаційні технології підтримки прийняття рішень, системи ройового інтелекту, галузеві геоінформаційні системи.

  • Юрій Ушенко, Чернівецький національний університет імені Юрія Федьковича

    Професор, кафедра комп'ютерних наук, Чернівецький національний університет, Чернівці, Україна. Наукові інтереси: Інтелектуальний аналіз даних, комп'ютерний зір та розпізнавання образів, оптика та фотоніка, біофізика.

  • Мирослав Ковальчук, Чернівецький національний університет імені Юрія Федьковича

    Кандидат фізико-математичних наук, доцент, доцент кафедри комп'ютерних наук Чернівецького національного університету імені Юрія Федьковича. Наукові інтереси: нейронні мережі, проектування інформаційних систем, організація баз даних.

  • Денис Білобрицький

    Студент, кафедра комп'ютерних наук, Чернівецький національний університет, Чернівці, Україна. Наукові інтереси: Інтелектуальний аналіз даних, штучний інтелект, машинне навчання та аналіз.

Посилання

Y. Touzani and K. Douzi, "An LSTM and GRU based trading strategy adapted to the Moroccan market - Journal of Big Data", SpringerOpen, [Online]. Available: https://journalofbigdata.springeropen.com/articles/10.1186/s40537-021-00512-z.

J. Kuepper, "Day trading: The basics and how to get started", Investopedia, [Online]. Available: https://www.investopedia.com/articles/trading/05/011705.asp .

N. V. Bugas and Y. O. Panchenko, "Analysis of factors influencing the formation of the assortment", The journal "Effective Economy" - a scientific professional publication on economics, [Online]. Available: http://www.economy.nayka.com.ua/?op=1&z=2482.

V. V. Lypchuk, "Marketing analysis", Library of Ukrainian textbooks, [Online]. Available: https://westudents.com.ua/knigi/281-marketingoviy-analz-lipchuk-vv.html.

W. E. Buffett, "Tilson funds", Tilson Funds, [Online]. Available: https://tilsonfunds.com/superinvestors.php.

L. E. Greiner, "Evolution and revolution as organizations grow", Harvard Business Review, [Online]. Available: https://hbr.org/1998/05/evolution-and-revolution-as-organizations-grow.

L. Bachelier, "Théorie de la spéculation", Numdam, [Online]. Available: http://www.numdam.org/item/ ASENS_1900_3_17__21_0/.

E. Sun, T. Kruse, and M. Yu, "High-frequency trading, liquidity, and execution cost" Ann. Operations Res., vol. 223, no. 1, pp. 403-432, 2013.

A. Smith, "Fast money: The battle against the high frequency traders", The Guardian, [Online]. Available: https://www.theguardian.com/business/2014/jun/07/inside-murky-world-high-frequency-trading.

O. Filipova, "Learning vue.js 2", Packt Subscription | Advance your knowledge in tech, [Online]. Available: https://subscription.packtpub.com/book/web-development/9781786469946/2/ch02lvl1sec18/mvvm-architectural-pattern.

F. Abergel, A. Anane, A. Chakraborti, A. Jedidi, and I. Muni Toke, "Limit Order Books", Cambridge: Cambridge University Press, 2016.

O. Velychko and L. Velychko, "Logistical modelling of managerial decisions in social and marketing business systems", J. Int. Stud., vol. 10, no. 3, pp. 206-219, 2017.

M. Kearns, A. Kulesza, and Y. Nevmyvaka, "Empirical limitations on high-frequency trading profitability", Journal of Trading, vol. 5, no. 4, pp. 50-62, 2010.

A. A. Kyrylenko and A. V. Lo, "Moore's Law vs. Murphy's Law: Algorithmic trading and its discontent", Journal of Economic Perspectives, vol. 27, no. 2, pp. 51-72, 2013.

T. Hendershott, C. Jones, and A. Menkveld, "Does Algorithmic Trading Improve Liquidity?" The Journal of Finance, vol. 66, no. 1, pp. 1-31, 2011.

A. Chakraborti, I. Toke, M. Patriarca, and F. Abergel, "Econophysics: Empirical Facts and Agent-Based Models", Quantitative Finance, vol. 11, no. 7, pp. 1013-1041, 2011.

M. M. Koshevyi, "Current aspects of knowledge-intensive industries and knowledge-intensive sectors of the economy | Efficient economy №11 2011", The journal "Effective Economy" - a scientific professional publication on economics, [Online]. Available: http://www.economy.nayka.com.ua/?op=1&z=1179.

Y. Touzani and K. Douzi, "An LSTM and GRU based trading strategy adapted to the Moroccan market - Journal of Big Data", SpringerOpen, [Online]. Available: https://journalofbigdata.springeropen.com/articles/10.1186/s40537-021-00512-z.

B. Zheng, E. Moulines, and F. Abergel, "Price Jump Prediction in Limit Order Book," J. Math. Finance, vol. 3, no. 2, pp. 242-255, 2013.

Завантаження


Переглядів анотації: 144

Опубліковано

2023-12-30

Номер

Розділ

Статті

Як цитувати

[1]
Д. Угрин, Ю. Ушенко, М. Ковальчук, and Д. Білобрицький, “Моделювання системи інтелектуального прогнозування торгів на фондових біржах”, SISIOT, vol. 1, no. 2, p. 02002, Dec. 2023, doi: 10.31861/sisiot2023.2.02002.

Схожі статті

Ви також можете розпочати розширений пошук схожих статей для цієї статті.