Login for students

Login for employees

Publication detail

Profitability analysis of artificial intelligence methods and technical indicators in the forex exchange
Authors: Marek Jaroslav | Pozdílková Alena | Obolecký Jan
Year: 2020
Type of publication: článek ve sborníku
Name of source: 19th Conference on Applied Mathematics, APLIMAT 2020 Proceedings
Publisher name: Slovenská technická univezita v Bratislave
Place: Bratislava
Page from-to: 897–906
Titles:
Language Name Abstract Keywords
cze Analýza ziskovosti metod umělé inteligence a technických ukazatelů na forexové burze Pro algoritmické obchodování bylo navrženo mnoho metod. Tento článek bude věnován predikci chování měnových párů na burze Forex. K předpovědi budoucnosti forexových měnových párů bude použito několik metod umělé inteligence a statistické analýzy. Přijmeme myšlenku transformace okna časových řad do spektrální roviny a poté analyzujeme shluky pomocí hierarchického shlukování, Kohonenových map a evolučních algoritmů. Dále použijeme radikálně odlišný přístup k analýze časových řad v časové doméně: fuzzy časové řady a genetický algoritmus. V numerické studii porovnáme úspěšnost algoritmů umělé inteligence a vícerozměrné statistické analýzy s úspěšností technických indikátorů MACD a ROC. Měnové páry; umělá inteligence; shluková analýza; fuzzy časové řady a genetický algoritmus; periodogram; technické indik8torz; charakteristiky ziskovosti
eng Profitability analysis of artificial intelligence methods and technical indicators in the forex exchange For algorithmic trading many methods have been suggested. This article will be devoted to predicting the behavior of currency pairs on the Forex exchange. Several methods of artificial intelligence and statistical analysis will be used to predict the future of forex currency pairs. We adopt the idea of transforming the window of time series into the spectral plane, and then analyzing the clusters using hierarchical clustering, Kohonen maps and evolutionary algorithms. Next, we will use a radically different approach to time series analysis in the time domain: fuzzy time series and genetic algorithm. In the numerical study we will compare the success of artificial intelligence algorithms and multivariate statistical analysis with the success of technical indicators MACD and ROC. Currency pairs; artificial intelligence; cluster analysis; fuzzy time series and genetic algorithm; periodogram; technical indicators; profitability characteristics

Department

Map

en.mapy.cz

Services

Popular Links

© 2023 University of Pardubice, Studentská 95, 532 10 Pardubice 2
Phone: +420 466 036 111, 466 036 112, 466 036 113
Webmaster, RSS
Data box ID: f5vj9hu
Accessibility Statement
CC BY-NC-ND 4.0Creative CommonsAttributionNonCommercialNoDerivatives