論文の概要: Collaborative Multiobjective Evolutionary Algorithms in search of better Pareto Fronts. An application to trading systems

• arxiv url: http://arxiv.org/abs/2211.02451v1
• Date: Fri, 4 Nov 2022 13:37:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-07 16:18:33.041416
• Title: Collaborative Multiobjective Evolutionary Algorithms in search of better Pareto Fronts. An application to trading systems
• Title（参考訳）: より優れたパレートフロント探索のための協調多目的進化アルゴリズム 取引システムへの応用
• Authors: Francisco J. Soltero and Pablo Fern\'andez-Blanco and J. Ignacio Hidalgo
• Abstract要約: 本稿では,時系列データを解析するためのパラメータをリアルタイムに最適化することに焦点を当てる。 特に,技術指標および財務指標のパラメータを最適化し,グルコース時系列などの他の応用を提案する。
• 参考スコア（独自算出の注目度）: 0.4014524824655106
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Technical indicators use graphic representations of data sets by applying various mathematical formulas to financial time series of prices. These formulas comprise a set of rules and parameters whose values are not necessarily known and depend on many factors: the market in which it operates, the size of the time window, and others. This paper focuses on the real-time optimization of the parameters applied for analyzing time series of data. In particular, we optimize the parameters of technical and financial indicators and propose other applications, such as glucose time series. We propose the combination of several Multi-objective Evolutionary Algorithms (MOEAs). Unlike other approaches, this paper applies a set of different MOEAs, collaborating to construct a global Pareto Set of solutions. Solutions for financial problems seek high returns with minimal risk. The optimization process is continuous and occurs at the same frequency as the investment time interval. This technique permits the application of non-dominated solutions obtained with different MOEAs simultaneously. Experimental results show that this technique increases the returns of the commonly used Buy \& Hold strategy and other multi-objective strategies, even for daily operations.
• Abstract（参考訳）: 技術的な指標は、様々な数学的公式を金融時系列の価格に応用してデータセットのグラフィック表現を使用する。 これらの公式は、必ずしも値が知られておらず、それが動作する市場、時間窓のサイズなど、多くの要因に依存する一連のルールとパラメータで構成されている。 本稿では,時系列データの解析に用いるパラメータのリアルタイム最適化について述べる。 特に,技術指標および財務指標のパラメータを最適化し,グルコース時系列などの他の応用を提案する。 複数の多目的進化アルゴリズム(MOEA)の組み合わせを提案する。 他のアプローチとは異なり、本論文では、グローバルなPareto集合の構築に協力して、異なるMOEAの集合を適用する。 金融問題の解決策は最小限のリスクで高いリターンを求める。 最適化プロセスは連続しており、投資時間間隔と同じ周波数で実行される。 この技術は、異なるMOEAで同時に得られる非支配的解の応用を可能にする。 実験結果から,この手法は日常業務においても,一般的なBuy \& Hold戦略や他の多目的戦略のリターンを増大させることが示された。

関連論文リスト

• Composing Ensembles of Instrument-Model Pairs for Optimizing Profitability in Algorithmic Trading [0.0]
  本稿では,短期的な物価変動を予測することの難しさに対処するため,金融商品の日価方向予測システムについて述べる。 戦略は幅広い金融商品や時間枠で実証され、ベンチマークよりも20%改善された。
  論文  参考訳（メタデータ） (2024-11-06T18:17:26Z)
• Hedge Fund Portfolio Construction Using PolyModel Theory and iTransformer [1.4061979259370274]
  ヘッジファンドポートフォリオ構築のためのPolyModel理論を実装した。 我々は,長期アルファ,長期比,SVaRなどの定量的尺度を作成する。 また、最新のディープラーニング技術(iTransformer)を使って、上昇傾向を捉えています。
  論文  参考訳（メタデータ） (2024-08-06T17:55:58Z)
• Portfolio Selection via Topological Data Analysis [2.3901301169141056]
  本稿では、共通株式の投資ポートフォリオを構築するための2段階の方法を提案する。 この方法は時系列表現の生成とその後のクラスタリングを含む。 実験の結果,提案システムは他の手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-08-15T09:36:43Z)
• Socio-cognitive Optimization of Time-delay Control Problems using Evolutionary Metaheuristics [89.24951036534168]
  メタヒューリスティックス(Metaheuristics)は、古典的なアプローチでは解決できない難解な問題を解くために使用される普遍的な最適化アルゴリズムである。 本稿では,キャストに基づく新しい社会認知メタヒューリスティックの構築を目標とし,このアルゴリズムのいくつかのバージョンを時間遅延システムモデルの最適化に適用する。
  論文  参考訳（メタデータ） (2022-10-23T22:21:10Z)
• Optimal Event Monitoring through Internet Mashup over Multivariate Time Series [77.34726150561087]
  このフレームワークは、モデル定義、クエリ、パラメータ学習、モデル評価、データ監視、決定レコメンデーション、Webポータルのサービスをサポートする。 さらに、MTSAデータモデルとクエリ言語を拡張して、学習、監視、レコメンデーションのサービスにおいて、この種の問題をサポートする。
  論文  参考訳（メタデータ） (2022-10-18T16:56:17Z)
• Learning Proximal Operators to Discover Multiple Optima [66.98045013486794]
  非家族問題における近位演算子を学習するためのエンドツーエンド手法を提案する。 本手法は,弱い目的と穏やかな条件下では,世界規模で収束することを示す。
  論文  参考訳（メタデータ） (2022-01-28T05:53:28Z)
• Recent Advances in Reinforcement Learning in Finance [3.0079490585515343]
  データ量の増加による金融業界の急激な変化は、データ処理やデータ分析に関する技術に革命をもたらした。 強化学習(RL)による新たな発展は、大量の財務データをフル活用することができる。
  論文  参考訳（メタデータ） (2021-12-08T19:55:26Z)
• ARISE: ApeRIodic SEmi-parametric Process for Efficient Markets without Periodogram and Gaussianity Assumptions [91.3755431537592]
  我々は、効率的な市場を調査するためのApeRI-miodic(ARISE)プロセスを提案する。 ARISEプロセスは、いくつかの既知のプロセスの無限サムとして定式化され、周期スペクトル推定を用いる。 実際に,実世界の市場の効率性を明らかにするために,ARISE関数を適用した。
  論文  参考訳（メタデータ） (2021-11-08T03:36:06Z)
• Batched Data-Driven Evolutionary Multi-Objective Optimization Based on Manifold Interpolation [6.560512252982714]
  バッチ化されたデータ駆動型進化的多目的最適化を実現するためのフレームワークを提案する。 オフザシェルフ進化的多目的最適化アルゴリズムがプラグイン方式で適用できるのは、非常に一般的である。 提案するフレームワークは, より高速な収束と各種PF形状に対する強いレジリエンスを特徴とする。
  論文  参考訳（メタデータ） (2021-09-12T23:54:26Z)
• Portfolio Search and Optimization for General Strategy Game-Playing [58.896302717975445]
  ローリングホライズン進化アルゴリズムに基づく最適化とアクション選択のための新しいアルゴリズムを提案する。 エージェントのパラメータとポートフォリオセットの最適化について,N-tuple Bandit Evolutionary Algorithmを用いて検討する。 エージェントの性能分析により,提案手法はすべてのゲームモードによく一般化し,他のポートフォリオ手法よりも優れることが示された。
  論文  参考訳（メタデータ） (2021-04-21T09:28:28Z)
• Dynamic Federated Learning [57.14673504239551]
  フェデレートラーニング(Federated Learning)は、マルチエージェント環境における集中的なコーディネーション戦略の包括的用語として登場した。 我々は、各イテレーションにおいて、利用可能なエージェントのランダムなサブセットがそのデータに基づいてローカル更新を実行する、フェデレートされた学習モデルを考える。 集約最適化問題に対する真の最小化器上の非定常ランダムウォークモデルの下で、アーキテクチャの性能は、各エージェントにおけるデータ変動率、各エージェントにおけるモデル変動率、アルゴリズムの学習率に逆比例する追跡項の3つの要因によって決定されることを示す。
  論文  参考訳（メタデータ） (2020-02-20T15:00:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。