CN105046566A - 基于风控的量化趋势交易决策系统及方法 - Google Patents

基于风控的量化趋势交易决策系统及方法 Download PDF

Info

Publication number
CN105046566A
CN105046566A CN201510540191.5A CN201510540191A CN105046566A CN 105046566 A CN105046566 A CN 105046566A CN 201510540191 A CN201510540191 A CN 201510540191A CN 105046566 A CN105046566 A CN 105046566A
Authority
CN
China
Prior art keywords
transaction
value
risk
price
decision
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201510540191.5A
Other languages
English (en)
Inventor
苗青
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201510540191.5A priority Critical patent/CN105046566A/zh
Priority to PCT/CN2015/092745 priority patent/WO2017035930A1/zh
Priority to US15/755,769 priority patent/US20180322574A1/en
Publication of CN105046566A publication Critical patent/CN105046566A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/06Asset management; Financial planning or analysis

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Human Resources & Organizations (AREA)
  • Game Theory and Decision Science (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明提供一种基于风控的量化趋势交易决策系统,所述决策系统将投资风险量化,计算出买、卖、止盈、止损操作点,本发明还包括一种决策方法,所述决策方法在概率分析基础上提供交易指令,在风险控制前提下对所述交易指令进行试错,对错误指令提供止损值,强制平仓,对正确指令提供止盈值,提供量化交易或主观交易。通过量化交易模型,在盈利情况下,可主观交易以博取最佳收益;亏损情况下,严格按量化决策系统执行,将交易风险控至最小;量化明确了可操作的最小涨跌周期,有助于选择获利或止损的最佳了结时点。

Description

基于风控的量化趋势交易决策系统及方法
技术领域
本发明属于交易决策领域,具体涉及一种基于风控的量化趋势交易决策系统和方法。
背景技术
量化投资是最近几十年来在国际金融投资界兴起的一个新方法,发展势头迅猛,和基本面分析、技术面分析并称为三大主流分析方法。后两者可以看作是传统的证券分析理论,而量化投资则是结合了现代数学概率统计理论和金融数据分析工程,利用高速的计算机数据处理能力来实现的一种全新的分析方式,是现代化的分析方法。
和传统的分析方法相比,量化交易决策系统的的最大特点是定量化和精确化,有明确的买、卖时点,交易行为更多的是基于计算机对价格走势及相关因素的分析,而非人的主观判断,进而避免由于人的情绪波动、贪婪或恐惧、甚至迷信预言、轻信所谓内幕消息对交易决策的影响。
目前的量化交易系统大致分两类,一种是高频交易模式,这种模式极度依赖计算机的高速处理能力和交易商的交易接口处理能力,在价格的随机变动中博取微利机会,积少成多,实现盈利,但问题是成功99次,有一次交易失败,亏损敞口扩大,即可能回吐全部利润或致大幅亏损,且高频交易所带来的高额手续费,对投资者也是不小的损失。第二种是量化趋势交易,因在趋势中会存在随机反向波动,大多系统把研究的出发点放在尽可能多的采集、分析影响价格的各项数据,即可能找到一个几乎确认的决策点,以预测价格下一步的趋势。但这样的结果,一是增加了不必要的数据处理内容和时间,延误决策时机,待机会确定时往往市场已没有机会;二是影响价格走势的数据因素选取过多、处理量大,造成参数需要不断修正、调整,而这种修正又是一种基于主观的经验值,偏离了量化交易决策的客观性,进而影响到投资实效。
量化分析有众多优于传统分析方法的好处,但也不是可以取代传统分析或主观分析,能解决一切交易决策问题,这是一个很大的认识误区。因为没有完美的交易算法,价格趋势是走出来的,不是预测来的,数学模型在临界值附近会频发许多失误信号,即数据噪点,这些信号有必要通过人的主观干预进行取舍,但这种干预必须非常简单、明确,而非参数的不断调整。所以,依赖量化模型进行完全的程序化交易效果也不理想,但如何清晰、明确的界定何时使用量化交易决策、何时运用主观分析方法,就成为实际投资交易决策中一个很大的难点。
因此,虽然目前有各种各样的交易决策分析方法,但由于研发理念、实现技术的认知偏差,真正能做到盘中即时明确给出买卖时点、既客观控制交易风险、又主观获取合理最大收益、并实现可持续稳定盈利的量化交易决策方案并不多,以致投资者缺乏辅助交易工具、轻信传言、盲目交易、亏损连连。
发明内容
为了解决上述问题,本发明提供一种基于风控的量化趋势交易决策系统,所述决策系统将投资风险量化,计算出买、卖、止盈、止损操作点;
进一步地,所述决策系统包括输入模块、处理模块、决策模块和输出模块,所述处理模块包括风控计算单元和交易计算单元,所述处理模块一端连接输入模块,另一端通过所述决策模块连接所述输出模块;
进一步地,所述风控计算单元包括风控模型:
Risk=Co·T·V·Ra·Pr
其中:Co为交易成本价;
T为交易成功后的趋势持续周期;
V为交易成功后持有期的风险值;
Ra为交易成功后持有期内价格波动幅度;
Pr为交易成功后持有期的止盈值;
进一步地,所述风控单元通过风控模型进行模拟交易,交易成功后,所述输入模块向所述风控模型中输入交易成本价、交易成功后的趋势持续周期、交易成功后持有期的风险值、交易成功后持有期内价格波动幅度、交易成功后持有期的止盈值,所述风控模型计算获得该交易的风险值Risk;
所述交易计算单元包括交易模型:
Trade=C·Ma·R·P
其中:C为价格收盘价;
Ma为收盘价均线;
R为收盘价随机波动值;
P为价格趋势形成概率;
进一步地,交易成功后,所述输入模块向所述交易模型中输入收盘价、收盘价均线、收盘价随机波动值、价格趋势形成概率,所述交易模型计算投资者允许交易的买卖时点,所述Trade值为允许交易的实时价格;
进一步地,所述决策模块包括指令单元,所述指令单元根据交易模型中的Trade算法获取交易的时间及交易价格;
进一步地,所述决策模块包括指令单元,所述指令单元根据交易模型中的Trade算法的计算结果获取买卖时点,即交易时间和交易价格;
进一步地,所述指令单元根据交易模型中计算的Trade值确定允许交易的价格,将该价格输入所述风控模型中,通过所述风控模型进行试错计算,即Risk值的计算方法,进一步确定交易时间及交易价格,Risk值为负值,价格触发止损值,发出止损指令,Risk值为正值,进入量化交易,获得合理止盈收益或主观交易,以争取最佳止盈收益;
进一步地,所述决策模块输入端分别连接所述风控计算单元和所述交易计算单元,所述决策模块输出端连接所述输出模块;
进一步地,所述决策系统基于交易平台实现量化趋势交易,所述输入模块连接远端交易平台,获取交易成本价、交易成功后的趋势持续周期、交易成功后持有期的风险值、交易成功后持有期内价格波动幅度、交易成功后持有期的止盈值数据,所述输出模块与远端交易平台连接,将所述决策模块输出的交易指令传达给远端交易平台进行交易;
进一步地,所述决策系统各模块及单元之间的连接方式为通讯连接;
进一步地,一种决策方法,基于权利要求1-5之一的决策系统,所述决策方法在概率分析基础上提供交易指令,在风险控制前提下对所述交易指令进行试错,对错误指令提供止损值,强制平仓,对正确指令提供止盈值,提供量化交易或主观交易;
进一步地,所述决策方法包括:
S1:根据收盘价、收盘价均线、收盘价随机波动值、价格趋势形成概率的计算结果,Trade=C·Ma·R·P,确定投资者可以交易的买卖时点,发出交易指令;
S2:Risk=Co·T·V·Ra·Pr,根据交易成本价、持续周期、持有期风险值、持有期价格波动幅度、持有期止盈值得计算,即时得到该交易的风险值Risk;
S3:判断Risk值,Risk值为负值,进入S4;Risk值为正值,进入S5;
S4:价格触发止损值,发出止损指令;
S5:量化交易,获得合理止盈收益或主观交易,以争取最佳止盈收益。
本发明决策系统的有益效果有以下几点:
1、通过量化交易模型,给出精确的买、卖、止盈、止损操作点,避免主观交易的不确定性和情绪化影响;
2、有效控制交易失败风险,捕捉趋势性机会非高频交易,动态跟踪止盈,获取合理的投资收益;可持续、稳定盈利;
3、明确主观交易与量化交易的运用界限,即:在盈利情况下,可主观交易以博取最佳收益;亏损情况下,严格按量化决策系统执行,避免侥幸心理造成损失扩大;
4、量化明确了可操作的最小涨跌周期,有助于选择获利或止损的最佳了结时点,即:盈利时有助于选择最佳获利时点;亏损时避免主观观望,错过最佳止损时机。
附图说明
图1为本发明决策系统的系统模块图;
图2为本发明决策方法的操作流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细描述。应当理解,此处所描述的具体实施例仅用于解释本发明,并不用于限定本发明。
相反,本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步,为了使公众对本发明有更好的了解,在下文对本发明的细节描述中,详尽描述了一些特定的细节部分。
如图1所示,图1为一种基于风控的量化趋势交易决策系统的系统模块图,图2为本发明决策模块3进行决策判断的流程图。
所述系统包括输入模块1,处理模块2、决策模块3和输出模块4。
所述输入模块1与所述处理模块2相连。
所述处理模块2包括风控计算单元21和交易计算单元22。
所述风控计算单元21包括风控模型:Risk=Co·T·V·Ra·Pr
其中:Co为交易成本价;
T为交易成功后的趋势持续周期;
V为交易成功后持有期的风险值;
Ra为交易成功后持有期内价格波动幅度;
Pr为交易成功后持有期的止盈值;
所述输入模块1连接所述风控计算单元21,交易成功后,所述输入模块1从远端交易平台5获取数据,并向所述风控模型发送交易成本价、交易成功后的持续周期、交易成功后的持有期风险值、交易成功后的持有期价格波动幅度、交易成功后的持有期止盈值实时数据,所述止盈值为盈利最大值,所述风控模型计算获得该交易的风险值Risk。
所述交易计算单元22包括交易模型:Trade=C·Ma·R·P
其中:C为收盘价;
Ma为收盘价均线;
R为收盘价随机波动值;
P为价格趋势形成概率;
所述输入模块1连接所述交易计算单元22,交易成功后,所述输入模块1从远端交易平台5获取数据,向所述交易模型中输入收盘价、收盘价均线、收盘价随机波动值、价格趋势形成概率实时数据,所述交易模型计算出投资者可以交易的买卖时点,即可以交易的时间以及交易金额。
所述决策模块3输入端分别连接所述风控计算单元21和所述交易计算单元22,所述决策模块3输出端连接所述输出模块4,所述决策模块3包括指令单元31,所述指令单元31根据交易模型中的Trade算法获取实时可交易的时间以及交易价格,所述指令单元31根据风控模型中计算的Risk值的判断,进一步确定交易时间及交易价格,以达到在试错的情况下,控制失误风险,完成交易事件,Risk值为负值时,当交易价格达到止损值时,发出止损指令,Risk为正值时,则风控模型会跟踪价格走势,通过计算持有期价格波动幅度,实时生成止盈值Pr,实际价格触发止盈值后,系统发出止盈信号,确保交易取得合理盈利;同时,在Risk为正值的情况下,也可依照投资者经验,进行主观卖出交易。
所述输出模块3一端连接所述指令单元31,接收来所述决策模块3发出的交易指令,另一端连接远端交易平台5,执行交易行为。
所述各模块与各单元之间为通讯连接。
所述输入模块1从远端交易平台5获取交易实时信息,整理并发送给处理模块2,处理模块2将交易实时信息代入交易模型和风控模型,利用Trade算法算出买卖时点,例如,在交易前,收盘价为18元,收盘价均线为综合前面时间计算的平均收盘价,收盘价均线为17.5元,收盘价随机波动值为20%-28%,价格趋势形成概率为25%,则本次可交易的价格为17.5x18x20%x25%-17.5x18x28%x25%,即可交易的价格在15.75-22.05元,为与在此价格买卖期间,进行执行试错指令,利用Risk算法,算出实时风险值,Risk=Risk=Co·T·V·Ra·Pr,交易成本价为18元,交易成功后的趋势持续周期为1天/周期,交易成功后持有期的风险值为80%,交易成功后持有期内价格波动幅度为上述15.75-22.05元,交易成功后持有期的止盈值在15.71-18=-2.29元和22.05-18=4.05元区间内,因此在价格为18元钱之前Risk值为负值,进行强制平仓,若Risk值为正值,则提供两种选择,可以在止盈点交易,也可以根据个人经验判断。
所述输出模块3在执行完交易后,输入模块3再次从远端交易平台5获取信息,以此循环,时刻让交易处于决策系统内。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解,在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。

Claims (10)

1.一种基于风控的量化趋势交易决策系统,其特征在于,所述决策系统将投资风险量化,计算出买、卖、止盈、止损操作点。
2.根据权利要求2所述的决策系统,其特征在于,所述决策系统包括输入模块、处理模块、决策模块和输出模块,所述处理模块包括风控计算单元和交易计算单元,所述处理模块一端连接输入模块,另一端通过所述决策模块连接所述输出模块。
3.根据权利要求2所述的决策系统,其特征在于,所述风控计算单元包括风控模型:
Risk=Co·T·V·Ra·Pr
其中:Co为交易成本价;
T为交易成功后的趋势持续周期;
V为交易成功后持有期的风险值;
Ra为交易成功后持有期内价格波动幅度;
Pr为交易成功后持有期的止盈值;
所述风控单元通过风控模型进行模拟交易,交易成功后,所述输入模块向所述风控模型中输入交易成本价、交易成功后的趋势持续周期、交易成功后持有期的风险值、交易成功后持有期内价格波动幅度、交易成功后持有期的止盈值,所述风控模型计算获得该交易的风险值Risk;
所述交易计算单元包括交易模型:
Trade=C·Ma·R·P
其中:C为收盘价;
Ma为收盘价均线;
R为收盘价随机波动值;
P为价格趋势形成概率;
交易成功后,所述输入模块向所述交易模型中输入收盘价、收盘价均线、收盘价随机波动值、价格趋势形成概率,所述交易模型计算投资者允许交易的买卖时点,所述Trade值为允许交易的实时价格。
4.根据权利要求2所述决策系统,其特征在于,所述决策模块包括指令单元,所述指令单元根据交易模型中的Trade算法的计算结果获取买卖时点,即交易时间和交易价格。
5.根据权利要求4所述的决策系统,其特征在于,所述指令单元根据交易模型中计算的Trade值确定允许交易的价格,将该价格输入所述风控模型中,通过所述风控模型进行试错计算,即Risk值的计算方法,进一步确定交易时间及交易价格,Risk值为负值,价格触发止损值,发出止损指令,Risk值为正值,进入量化交易,获得合理止盈收益或主观交易,以争取最佳止盈收益。
6.根据权利要求3所述的决策系统,其特征在于,所述决策模块输入端分别连接所述风控计算单元和所述交易计算单元,所述决策模块输出端连接所述输出模块。
7.根据权利要求1所述的决策系统,其特征在于,所述决策系统基于交易平台实现量化趋势交易,所述输入模块连接远端交易平台,获取所述交易成本价、交易成功后的趋势持续周期、交易成功后持有期的风险值、交易成功后持有期内价格波动幅度、交易成功后持有期的止盈值的数据,所述输出模块与远端交易平台连接,将所述决策模块输出的交易指令传达给远端交易平台进行交易。
8.根据权利要求1所述的决策系统,其特征在于,所述决策系统各模块及单元之间的连接方式为通讯连接。
9.一种决策方法,基于权利要求1-5之一的决策系统,其特征在于,所述决策方法在概率分析基础上提供交易指令,在风险控制前提下对所述交易指令进行试错,对错误指令提供止损值,强制平仓,对正确指令提供止盈值,提供量化交易或主观交易。
10.根据权利要求9所述的决策方法,其特征在于,所述决策方法包括:
S1:根据收盘价、收盘价均线、收盘价随机波动值、价格趋势形成概率的计算结果,Trade=C·Ma·R·P,确定投资者可以交易的买卖时点,发出交易指令;
S2:Risk=Co·T·V·Ra·Pr,根据交易成本价、持续周期、持有期风险值、持有期价格波动幅度、持有期止盈值计算得到该交易的风险值Risk;
S3:判断Risk值,Risk值为负值,进入S4;Risk值为正值,进入S5;
S4:价格触发止损值,发出止损指令;
S5:量化交易,获得合理止盈收益或主观交易,以争取最佳止盈收益。
CN201510540191.5A 2015-08-28 2015-08-28 基于风控的量化趋势交易决策系统及方法 Pending CN105046566A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201510540191.5A CN105046566A (zh) 2015-08-28 2015-08-28 基于风控的量化趋势交易决策系统及方法
PCT/CN2015/092745 WO2017035930A1 (zh) 2015-08-28 2015-10-23 基于风控的量化趋势交易决策系统及方法
US15/755,769 US20180322574A1 (en) 2015-08-28 2015-10-23 Risk-control-based quantitative trend transaction decision-making system and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510540191.5A CN105046566A (zh) 2015-08-28 2015-08-28 基于风控的量化趋势交易决策系统及方法

Publications (1)

Publication Number Publication Date
CN105046566A true CN105046566A (zh) 2015-11-11

Family

ID=54453089

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510540191.5A Pending CN105046566A (zh) 2015-08-28 2015-08-28 基于风控的量化趋势交易决策系统及方法

Country Status (3)

Country Link
US (1) US20180322574A1 (zh)
CN (1) CN105046566A (zh)
WO (1) WO2017035930A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105761000A (zh) * 2016-02-17 2016-07-13 中国工商银行股份有限公司 交易数据处理及风险预警系统和方法
WO2017067370A1 (zh) * 2015-10-23 2017-04-27 文根软件创意有限公司 一种限定亏损的金融交易系统
WO2020024456A1 (zh) * 2018-08-01 2020-02-06 平安科技(深圳)有限公司 一种量化交易预测方法、装置及设备

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109509097B (zh) * 2018-11-27 2020-05-05 深圳华锐金融技术股份有限公司 异常交易行为监控方法、装置、计算机设备及存储介质
CN109785122A (zh) * 2019-01-21 2019-05-21 深圳萨摩耶互联网金融服务有限公司 资金方的风险预测方法及系统、电子设备

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AUPQ059399A0 (en) * 1999-05-27 1999-06-17 Jupiter International (Australia) Pty Ltd Method and data process system for analysing and timing buy/sell decisions for a tradeable asset investment or security
US7861185B1 (en) * 2003-12-30 2010-12-28 Trading Technologies International, Inc. System and method for dynamically determining quantity for risk management
GB0424659D0 (en) * 2004-11-08 2004-12-08 Crescent Technology Ltd Xtest:an integrated backtesting system
US20080319886A1 (en) * 2007-06-25 2008-12-25 Winans Kenneth G Winans Trend Indicator
US20090063322A1 (en) * 2007-08-27 2009-03-05 Richard Billingsley System and method for real-time automated securities trading
CN101833736A (zh) * 2010-03-30 2010-09-15 深圳市乾亨利通投资咨询有限公司 一种自动交易系统及其交易方法
JP2015528595A (ja) * 2012-08-06 2015-09-28 シーエフピーエイチ, エル.エル.シー. 複数の施設における複数の損失リスク管理
US20140172748A1 (en) * 2012-12-19 2014-06-19 Chicago Mercantile Exchange Inc. Liquidity Margin

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017067370A1 (zh) * 2015-10-23 2017-04-27 文根软件创意有限公司 一种限定亏损的金融交易系统
CN105761000A (zh) * 2016-02-17 2016-07-13 中国工商银行股份有限公司 交易数据处理及风险预警系统和方法
WO2020024456A1 (zh) * 2018-08-01 2020-02-06 平安科技(深圳)有限公司 一种量化交易预测方法、装置及设备

Also Published As

Publication number Publication date
US20180322574A1 (en) 2018-11-08
WO2017035930A1 (zh) 2017-03-09

Similar Documents

Publication Publication Date Title
CN105046566A (zh) 基于风控的量化趋势交易决策系统及方法
Wang et al. Financial market forecasting using a two-step kernel learning method for the support vector regression
CN112257928A (zh) 一种基于cnn和分位数回归的短期电力负荷概率预测方法
CN116029832A (zh) 基于深度学习的量化交易策略预测方法、装置及存储介质
Jiang Application and comparison of multiple machine learning models in finance
Aycel et al. A new moving average approach to predict the direction of stock movements in algorithmic trading
Mehta et al. Measurement of time varying volatility of Indian stock market through GARCH model
Crawford et al. Automatic high-frequency trading: An application to emerging chilean stock market
Yan et al. Enhanced Bollinger Band Stock Quantitative Trading Strategy Based on Random Forest
Alves et al. Weightless neural network for high frequency trading
Yeh et al. Newly Developed Flexible Grid Trading Model Combined ANN and SSO algorithm
Botunac et al. The effect of feature selection on the performance of long short-term memory neural network in stock market predictions
Hong et al. Research on price forecasting and trading strategy based on data insight
Zhang et al. Two parameter update schemes for recurrent reinforcement learning
Oetama et al. When Candlesticks are Different Among Forex Brokers, Can Traders Still Win?
Agung Input parameters comparison on narx neural network to increase the accuracy of stock prediction
Lyukevich et al. Cryptocurrency Market: Choice of Technical Indicators in Trading Strategies of Individual Investors
Zhou et al. Deep Reinforcement Learning with Comprehensive Reward for Stock Trading
Agarwal et al. Customer Adaptive Automated Trading System with Capital Risk Analysis using Machine Learning
Chen et al. A deep learning algorithm for stock selection based on multi-factor anomaly detection
Zhong Research on Investment Strategy Based on Catboost Model and Bollinger Band Channel
Fortin et al. Prospect theory and asset allocation
CN114493611A (zh) 一种交易策略评估处理方法及装置
Zhou Forex Automated Trading System Establishment and Optimization Analysis
Omar et al. Stock Price Trend Forecasting using Long Short Term Memory Recurrent Neural Networks

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20151111

RJ01 Rejection of invention patent application after publication