Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Learning Convolutional Ranking-Score Function by Query Preference Regularization Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

Evolving Technical Trading Strategies Using Genetic Algorithms: A Case About Pakistan Stock Exchange

verfasst von : Basit Tanvir Khan, Noman Javed, Ambreen Hanif, Muhammad Adil Raja

Erschienen in: Intelligent Data Engineering and Automated Learning – IDEAL 2017

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Finding optimum trading strategies that maximize profit has been a human desire since the inception of the first stock market. Many techniques have been employed ever since to accomplish this goal without sacrificing much computational power and time. In this paper, Genetic Algorithms (GAs) are used to achieve the aforementioned objectives. The performances of trading strategies devised by the GA are compared with the performance of the infamous Buy and Hold (B&H) Strategy. The stocks on which the performances are compared belong to Pakistan Stock Exchange (PSX). The strategies generated by GA outperform the B&H strategies on these stocks.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Fuzzy 2D-LDA Face Recognition Based on Sub-image
Nächstes Kapitel A Hybrid Evolutionary Algorithm based on Adaptive Mutation and Crossover for Collaborative Learning Team Formation in Higher Education
Literatur
1.
Fama, E.F.: Efficient capital markets: a review of theory and empirical work. J. Finan. 25, 383–417 (1970)CrossRef
2.
Fama, E.F.: Efficient capital markets: Ii. J. Finan. 46, 1575–1617 (1991)CrossRef
3.
Fama, E.F.: Random walks in stock-market prices. Finan. Anal. J. 21, 55–59 (1965)CrossRef
4.
Kim, N., Mangi, F.: What’s next for Asia’s best-performing stock market? (2016)
5.
Pimenta, A., Guimarães, F.G., Carrano, E.G., Nametala, C.A.L., Takahashi, R.H.: Goldminer: a genetic programming based algorithm applied to Brazilian stock market. In: 2014 IEEE Symposium on Computational Intelligence and Data Mining (CIDM), pp. 397–402. IEEE (2014)
6.
Murphy, J.J.: Technical Analysis of the Financial Markets: A Comprehensive Guide to Trading Methods and Applications. Penguin, New York (1999)
7.
Neely, C.J., Weller, P.A.: Intraday technical trading in the foreign exchange market. J. Int. Money Finan. 22, 223–237 (2003)CrossRef
8.
Cohen, J.B., Zinbarg, E.D., Zeikel, A.: Investment analysis and portfolio management. homewood, ill.: Richard d. irwin (1967)
9.
Leigh, W., Frohlich, C.J., Hornik, S., Purvis, R.L., Roberts, T.L.: Trading with a stock chart heuristic. IEEE Trans. Syst. Man Cybern. Part A Syst. Hum. 38, 93–104 (2008)CrossRef
10.
Kraus, O.Z., Grys, B.T., Ba, J., Chong, Y., Frey, B.J., Boone, C., Andrews, B.J.: Automated analysis of high-content microscopy data with deep learning. Mol. Syst. Biol. 13, 924 (2017)CrossRef
11.
Fernández-Blanco, P., Bodas-Sagi, D.J., Soltero, F.J., Hidalgo, J.I.: Technical market indicators optimization using evolutionary algorithms. In: Proceedings of the 10th Annual Conference Companion on Genetic and Evolutionary Computation, pp. 1851–1858. ACM (2008)
12.
Esfahanipour, A., Mousavi, S.: A genetic programming model to generate risk-adjusted technical trading rules in stock markets. Expert Syst. Appl. 38, 8438–8445 (2011)CrossRef
13.
Gorgulho, A., Neves, R., Horta, N.: Applying a GA kernel on optimizing technical analysis rules for stock picking and portfolio composition. Expert Syst. Appl. 38, 14072–14085 (2011)
14.
Gorgulho, A., Neves, R., Horta, N.: Using gas to balance technical indicators on stock picking for financial portfolio composition. In: Proceedings of the 11th Annual Conference Companion on Genetic and Evolutionary Computation Conference: Late Breaking Papers, pp. 2041–2046. ACM (2009)
15.
Wagman, L.: Stock portfolio evaluation: an application of genetic-programming-based technical analysis. Genet. Algorithms Genet. Program. Stanford 2003, 213–220 (2003)
16.
Yan, W., Clack, C.D.: Evolving robust GP solutions for hedge fund stock selection in emerging markets. Soft Comput. 15, 37–50 (2011)CrossRef
17.
Kimoto, T., Asakawa, K., Yoda, M., Takeoka, M.: Stock market prediction system with modular neural networks. In: 1990 IJCNN International Joint Conference on Neural Networks, pp. 1–6. IEEE (1990)
18.
Iba, H., Nikolaev, N.: Genetic programming polynomial models of financial data series. In: Proceedings of the 2000 Congress on Evolutionary Computation, vol. 2, pp. 1459–1466. IEEE (2000)
19.
Kaboudan, M.A.: Genetic programming prediction of stock prices. Comput. Econ. 16, 207–236 (2000)CrossRefMATH
20.
Goldberg, D.E.: Genetic Algorithms in Search, Optimization and Machine Learning, 1st edn. Addison-Wesley Longman Publishing Co. Inc., Boston (1989)MATH
21.
Xue, B., Zhang, M., Browne, W.N., Yao, X.: A survey on evolutionary computation approaches to feature selection. IEEE Trans. Evol. Comput. 20, 606–626 (2016)CrossRef
Metadaten
Titel
Evolving Technical Trading Strategies Using Genetic Algorithms: A Case About Pakistan Stock Exchange
verfasst von
Basit Tanvir Khan
Noman Javed
Ambreen Hanif
Muhammad Adil Raja
Copyright-Jahr
2017
Buch
Intelligent Data Engineering and Automated Learning – IDEAL 2017

Print ISBN: 978-3-319-68934-0

Electronic ISBN: 978-3-319-68935-7

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-68935-7_37

Premium Partner

    Bildnachweise