دانلود مقاله انگلیسی رایگان:ترکیب تجزیه و تحلیل مؤلفه های اصلی ، تبدیل موجک گسسته و XGBoost برای تجارت در بازارهای مالی - 2019
بلافاصله پس از پرداخت دانلود کنید
دانلود مقاله انگلیسی سیستم های خبره رایگان
  • Combining Principal Component Analysis, Discrete Wavelet Transform and XGBoost to trade in the financial markets Combining Principal Component Analysis, Discrete Wavelet Transform and XGBoost to trade in the financial markets
    Combining Principal Component Analysis, Discrete Wavelet Transform and XGBoost to trade in the financial markets

    سال انتشار:

    2019


    عنوان انگلیسی مقاله:

    Combining Principal Component Analysis, Discrete Wavelet Transform and XGBoost to trade in the financial markets


    ترجمه فارسی عنوان مقاله:

    ترکیب تجزیه و تحلیل مؤلفه های اصلی ، تبدیل موجک گسسته و XGBoost برای تجارت در بازارهای مالی


    منبع:

    Sciencedirect - Elsevier - Expert Systems With Applications, 125 (2019) 181-194: doi:10:1016/j:eswa:2019:01:083


    نویسنده:

    João Nobre, RuiFerreira Neves


    چکیده انگلیسی:

    When investing in financial markets it is crucial to determine a trading signal that can provide the in- vestor with the best entry and exit points of the financial market, however this is a difficult task and has become a very popular research topic in the financial area. This paper presents an expert system in the financial area that combines Principal Component Analysis (PCA), Discrete Wavelet Transform (DWT), Extreme Gradient Boosting (XGBoost) and a Multi-Objective Optimization Genetic Algorithm (MOO-GA) in order to achieve high returns with a low level of risk. PCA is used to reduce the dimensionality of the financial input data set and the DWT is used to perform a noise reduction to every feature. The re- sultant data set is then fed to an XGBoost binary classifier that has its hyperparameters optimized by a MOO-GA. The importance of the PCA is analyzed and the results obtained show that it greatly improves the performance of the system. In order to improve even more the results obtained in the system using PCA, the PCA and the DWT are then applied together in one system and the results obtained show that this system is capable of outperforming the Buy and Hold (B&H) strategy in three of the five analyzed financial markets, achieving an average rate of return of 49.26% in the portfolio, while the B&H achieves on average 32.41%.
    Keywords: Financial markets | Principal Component Analysis (PCA) | Discrete Wavelet Transform (DWT) | Extreme Gradient Boosting (XGBoost) | Multi-Objective Optimization Genetic | Algorithm (MOO-GA)


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 14
    حجم فایل: 1961 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی