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:
New Ordering-Based Pruning Metrics for Ensembles of Classifiers in Imbalanced Datasets Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

Prediction of Trend Reversals in Stock Market by Classification of Japanese Candlesticks

verfasst von : Leszek J. Chmielewski, Maciej Janowicz, Arkadiusz Orłowski

Erschienen in: Proceedings of the 9th International Conference on Computer Recognition Systems CORES 2015

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

K-means clustering algorithm has been used to classify patterns of Japanese candlesticks which accompany the approach to trend reversals in the prices of several assets registered in the Warsaw stock exchange (GPW). It has been found that the trend reversals seem to be preceded by specific combinations of candlesticks with notable frequency. Surprisingly, the same patterns appear in both “bullish” and “bearish” trend reversals. The above findings should stimulate further studies on the problem of applicability of the so-called technical analysis in the stock markets.

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 Defect Detection in Furniture Elements with the Hough Transform Applied to 3D Data
Nächstes Kapitel Tracklet-Based Viterbi Track-Before-Detect Algorithm for Line Following Robots
Literatur
1.
Murphy, J.: Technical Analysis of Financial Markets. New York Institute of Finance, New York (1999)
2.
Kaufman, P.: Trading Systems and Methods. Wiley, New York (2013)
3.
Malkiel, B.: A Random Walk Down the Wall Street. Norton, New York (1981)
4.
Fama, E., Blume, M.: Filter rules and stock-market trading. J. Bus. 39, 226–241 (1966)CrossRef
5.
Brock, W., Lakonishok, J., LeBaron, B.: Simple technical trading rules and the stochastic properties of stock returns. J. Financ. 47(5), 1731–1764 (1992)CrossRef
6.
Lo, A., MacKinley, A.: Stock market prices do not follow random walks: evidence from a simple specification test. Rev. Financ. Stud. 1, 41–66 (1988)CrossRef
7.
Lo, A., MacKinley, A.: A Non-Random Walk down Wall Street. Princeton University Press, Princeton (1999)
8.
Lo, A., Mamaysky, H., Wang, J.: Foundations of technical analysis: computational algorithms, statistical inference, and empirical implementation. J. Financ. 55(4), 1705–1765 (2000)CrossRef
9.
MacQueen, J.: Some methods for classification and analysis of multivariate observations. In: Cam, M.L., Neyman, J. (eds.) Proceeding of 5th Berkeley Symposium on Mathematical Statistics and Probability, vol. 1, pp. 281–297. University of California Press, Berkeley (1967)
10.
Steinhaus, H.: Sur la division des corps matériels en parties. Bull. Acad. Polon. Sci. 4(12), 801–804 (1957)MathSciNetMATH
11.
Lloyd, S.: Least square quantization in PCM (1957) Bell Telephone Laboratories Paper
12.
Forgy, E.: Cluster analysis of multivariate data: efficiency versus interpretability of classifications. Biometrics 21(3), 768–769 (1965)
13.
Hartigan, J.: Clustering Algorithms. Wiley, New York (1975)MATH
14.
15.
Chmielewski, L., Janowicz, M., Orłowski, A.: Clustering algorithm based on molecular dynamics with Nose-Hoover thermostat. Application to Japanese candlesticks. In: Rutkowski, L., et al., (eds.) Artificial Intelligence and Soft Computing: Proceeding of International Conference ICAISC 2015. Lecture Notes in Artificial Intelligence, vol. 9120, pp. 330–340. Springer (2015)
16.
17.
Pedregosa, F., Varoquaux, G., Gramfort, A., et al.: Scikit-learn: machine learning in python. J. Mach. Learn. Res. 12, 2825–2830 (2011)MathSciNetMATH
Metadaten
Titel
Prediction of Trend Reversals in Stock Market by Classification of Japanese Candlesticks
verfasst von
Leszek J. Chmielewski
Maciej Janowicz
Arkadiusz Orłowski
Copyright-Jahr
2016
Buch
Proceedings of the 9th International Conference on Computer Recognition Systems CORES 2015

Print ISBN: 978-3-319-26225-3

Electronic ISBN: 978-3-319-26227-7

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-3-319-26227-7_60