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:
Probabilistic Nearest Neighbor Query in Traffic-Aware Spatial Networks Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

Online Prediction for Forex with an Optimized Experts Selection Model

verfasst von : Jia Zhu, Jing Yang, Jing Xiao, Changqin Huang, Gansen Zhao, Yong Tang

Erschienen in: Web Technologies and Applications

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

Online prediction is a process to repeatedly predict the next element from a sequence of given previous elements. It has a broad range of applications on various areas, such as medical and finance. The biggest challenge of online prediction is sequence data does not have explicit features, which means it is difficult to remain good predictions. One of popular solution is to make prediction with expert advice, and the challenge is to pick the right experts with minimum cumulative loss. In this article, we use forex prediction as a case study, and propose a model that can select a good set of forex experts by learning a set of previous observed sequences. To achieve better performance, our model not only considers the average mistakes made by experts but also takes the average profit earn by experts into account. We demonstrate the merits of our model on a real major currency pairs data set.

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 Forecasting Career Choice for College Students Based on Campus Big Data
Nächstes Kapitel Fast Rare Category Detection Using Nearest Centroid Neighborhood
Fußnoten
Literatur
1.
Duskin, O., Feitelson, D.G.: Distinguishing humans from robots in web search logs: preliminary results using query rates and intervals. In: Proceedings of the 2009 Workshop on Web Search Click Data, WSCD 2009, pp. 15–19 (2009)
2.
Kadous, M.W., Sammut, C.: Classification of multivariate time series and structured data using constructive induction. In: Proceedings of the IEEE ISI PAISI, PACCF, and SOCO International Workshops on Intelligence and Security Informatics, PAISI, PACCF and SOCO 2008, pp. 179–261 (2006)
3.
Liu, X., Zhang, P., Zeng, D.: Sequence matching for suspicious activity detection in anti-money laundering. In: Yang, C.C., Chen, H., Chau, M., Chang, K., Lang, S.-D., Chen, P.S., Hsieh, R., Zeng, D., Wang, F.-Y., Carley, K.M., Mao, W., Zhan, J. (eds.) ISI Workshops 2008. LNCS, vol. 5075, pp. 50–61. Springer, Heidelberg (2008)CrossRef
4.
Tan, P.N., Kumar, V.: Discovery of web robot sessions based on their navigational patterns. Data Min. Knowl. Discov. 6, 9–35 (2002)MathSciNetCrossRef
5.
Hutter, M.: On the foundations of universal sequence prediction. In: Cai, J.-Y., Cooper, S.B., Li, A. (eds.) TAMC 2006. LNCS, vol. 3959, pp. 408–420. Springer, Heidelberg (2006)CrossRef
6.
Kajan, L., Kertesz-Farkas, A., Franklin, D., Ivanova, N., Kocsor, A., Pongor, S.: Application of a simple likelihood ratio approximant to protein sequence classification. Bioinformatic 2865–2869 (2006)
7.
Wang, J., Zhao, P., Hoi, S.C.H.: Cost-sensitive online classification. In: ICDM, pp. 1140–1145 (2012)
8.
Wang, J., Zhao, P., Hoi, S.C.H., Jin, R.: Online feature selection and its applications. IEEE Trans. Knowl. Data Eng., 1–14 (2013)
9.
10.
Littlestone, N.: Learning quickly when irrelevant attributes abound: a new linear threshold algorithm. Mach. Learn. 2, 285–318 (1988)
11.
Rosenblatt, F.: The perceptron: a probabilistic model for information storage and organization in the brain. Psychol. Rev. 65, 386–408 (1958)MathSciNetCrossRef
12.
13.
Blum, A.: Separating distribution-free and mistake-bound learning models over the boolean domain. SIAM J. Comput. 23(5), 990–1000 (1994)MathSciNetCrossRef
14.
Lewis, D.D.: Naive (bayes) at forty: the independence assumption in information retrieval. In: The 10th European Conference on Machine Learning, ECML 1998, pp. 4–15 (1998)
15.
Yakhnenko, O., Silvescu, A., Honavar, V.: Discriminatively trained markov model for sequence classification. In: Proceedings of the Fifth IEEE International Conference on Data Mining, ICDM 2005, pp. 498–505 (2005)
16.
Eban, E., Globerson, A., Shalev-Shwartz, S., Birnbaum, A.: Learning the exerts for online sequence prediction. In: ICML, pp. 1–8 (2012)
17.
Cesa-Bianchia, N., Freund, Y., Helmbold, D.P., Haussler, D., Schapire, R.E., Warmuth, M.K.: How to use expert advice. In: Annual ACM Symposium on Theory of Computeing, pp. 382–391 (1993)
18.
Foster, D.P., Vohra, R.V.: A randomeization rule for selecting forecasts. Oper. Res. 41, 704–709 (1993)CrossRefMATH
19.
Abernethy, J., Bartlett, P.L., Rakhlin, A.: Multitask learning with expert advice. In: Bshouty, N.H., Gentile, C. (eds.) COLT. LNCS (LNAI), vol. 4539, pp. 484–498. Springer, Heidelberg (2007)CrossRef
20.
Avidan, S.: Ensemble tracking. IEEE Trans. Pattern Anal. Mach. Intell. 29(2), 261–270 (2007)CrossRef
21.
Yu, C.N., Joachims, T.: Learning structural svms with latent variables. In: ICML, 1169–1176 (2009)
22.
Ron, D., Singer, Y., Tishby, N.: The power of amnesia: learning probabilistic automata with variable memory length. Mach. Learn. 25, 117–149 (1996)CrossRefMATH
23.
Zhao, P., Hoi, S., Zhuang, J.: Active learning with expert advice. In: Proceedings of the Twenty-Ninth Conference on Uncertainty in Artificial Intelligence, pp. 1–10 (2013)
24.
Vapnik, V.: The Nature of Statistical Learning Theory. Information Science and Statistics. Springer, New York (2000)CrossRefMATH
Metadaten
Titel
Online Prediction for Forex with an Optimized Experts Selection Model
verfasst von
Jia Zhu
Jing Yang
Jing Xiao
Changqin Huang
Gansen Zhao
Yong Tang
Copyright-Jahr
2016
Buch
Web Technologies and Applications

Print ISBN: 978-3-319-45813-7

Electronic ISBN: 978-3-319-45814-4

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-3-319-45814-4_30