Using Volume Weighted Support Vector Machines with walk forward testing and feature selection for the purpose of creating stock trading strategy

Żbikowski, Kamil

doi:10.1016/j.eswa.2014.10.001

Cited by 100 publications

(42 citation statements)

References 20 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Technical analysis creates its decisions based on historical prices, assuming that historical behaviours have an effect on the future evolution of stock market returns. In technical analysis it is common to use indicators (Patel, Shah, Thakkar, & Kotecha, 2015, Liu, 2015Zbikowski, 2015), that are generated by applying more or less compound formulas to historical returns. Subsequently, investors explore market behavior using technical analysis to anticipate future market trends.…”

Section: Previous Studiesmentioning

confidence: 99%

The Impact of Technical Analysis on Stock Returns in an Emerging Capital Markets (ECM’s) Country: Theoretical and Empirical Study

Masry¹

2017

IJEF

View full text Add to dashboard Cite

Technical analysis, even if deliberated by some as purely conjecture, is still generally acknowledged as additional information to main brokerage companies. There are existent two reasons for the achievement of technical analysis and why its success is still debated: (1) stock return predictability stems from efficient markets that can be analysed by time-varying equilibrium returns, and (2) stock return predictability forms from prices wandering apart from their fundamental valuations. Fundamentally, both explanations show some kind of overall market inefficiency where investors are capable of exploiting. Therefore, technical analysis derived its importance from its ability to train investors to take investment decision based on historical trends of securities prices. To help find answers to the issues raised and to structure the study, the following general research question is set: is it possible for technical analysis to achieve abnormal returns in an Emerging Capital Markets (ECM's) country, more specifically, the Egyptian Stock Exchange? If yes, hence it could be possibly used to help individual investors to take effective investment decision. By means of theoretical and empirical investigation, this study provides significant evidences that technical analysis achieved abnormal returns in inefficiency periods. This study suggests that simple trading rules, more specifically; the simple moving average beat the standard buy-and-hold strategy for the Egyptian stock exchange.

show abstract

Section: Previous Studiesmentioning

confidence: 99%

The Impact of Technical Analysis on Stock Returns in an Emerging Capital Markets (ECM’s) Country: Theoretical and Empirical Study

Masry¹

2017

IJEF

View full text Add to dashboard Cite

show abstract

“…The idea of Volume Weighted SVM was introduced in [5] and further investigated in [8]. It is based on the simple, yet powerful, assumption that latest quotations should have a greater impact while building a prediction model.…”

Section: Volume Weighted Support Vector Machinesmentioning

confidence: 99%

“…In [8], the formula 5 was used in combination with several technical indicators. The list of indicators used as an input for VW-SVM for the purpose of the experiment presented in this paper is enlisted in Table 1.…”

Section: Volume Weighted Support Vector Machinesmentioning

confidence: 99%

Application of Machine Learning Algorithms for Bitcoin Automated Trading

Żbikowski

2016

Studies in Big Data

Self Cite

View full text Add to dashboard Cite

The aim of this paper is to compare and analyze different approaches to the problem of automated trading on the Bitcoin market. We compare simple technical analysis method with more complex machine learning models. Experimental results showed that the performance of tested algorithms is promising and that Bitcoin market is still in its youth, and further market opportunities can be found. To the best of our knowledge, this is the first work that tries to investigate applying machine learning methods for the purpose of creating trading strategies on the Bitcoin market.

show abstract

“…Dėl to mokslininkai vis dažniau bando sukurti automatinius sprendimo priėmimo modelius, įtraukiančius lanksčiuosius skaičiavimo (angl. soft computing) metodus (Geva, Zahavi 2014), tokius kaip dirbtinis neuronų tinklas ir neraiškioji logika, dėl jų sugebėjimo įvertinti netiesinius ir dinamiš-kus laiko eilučių šablonus Zbikowski 2015). Be dirbtinio neuronų tinklo, modeliai įtraukia ir kitus metodus, dažniausia tai yra techninė ar fundamentalioji analizė, slankiųjų vidurkių sistemos ir įvairūs techniniai rodikliai, optimizavimo metodai, regresiniai modeliai, genetiniai algoritmai ir kt., kurie pasirenkami priklausomai nuo norimo rezultato.…”

Section: Prielaidos Investavimo Sprendimų Priėmimo Modeliams Kurtiunclassified

Comparative Analysis of Investment Decision Models

Kekytė

Stasytytė

2017

Science - Future of Lithuania

View full text Add to dashboard Cite

2017 © Straipsnio autoriai. Leidėjas VGTU leidykla "Technika". Šis straipsnis yra atvirosios prieigos straipsnis, turintis Kūrybinių bendrijų (Creative Commons) licenciją (CC BY-NC 4.0), kuri leidžia neribotą straipsnio ar jo dalių panaudą su privaloma sąlyga nurodyti autorių ir pirminį šaltinį. Straipsnis ar jo dalys negali būti naudojami komerciniams tikslams. ISSN 2029-2341 / eISSN 2029-2252 De Oliveira et al. 2013). Taigi pagrindinė mokslinė problema, kuri bus sprendžiama šiame straipsnyje, yra informacijos ir kriterijų trūkumas, pagal kuriuos investuotojas ar rinkos tyrinėtojas rinktųsi investavimo modelį. Kadangi yra daug įvai-rių modelių bei sprendimų paramos sistemų, kyla sunkumų norint išsirinkti tinkamiausią dinamiškai rinkai ir didelėms duomenų apimtims analizuoti. Modelių palyginimas pagal jų privalumus, trūkumus, taikomus metodus ir rezultatus galėtų būti svarus indėlis sprendžiant įvardytą mokslinę problemą. MOKSLAS -LIETUVOS ATEITIS SCIENCE -FUTURE OF LITHUANIATradicinių inovacijų augimo požiūriu inovacijos finan sų srityje padeda gerinti įvairių banko paslaugų kokybę, palengvinti rizikos valdymą, išpildyti rinką ir galiausiai padidinti išteklių paskirstymo efektyvumą (Berger 2003;Houston et al. 2010). Lerner ir Tufano (2011) teigia, kad finansinės naujovės teigiamai veikia finansų sektoriaus stiprėjimą, taip pat ir ekonominį augimą. Taigi aukštesnis finansinių inovacijų lygis skatina spartesnį atskirų pramonės sektorių ir visos šalies ekonominį augimą bei suteikia daugiau galimybių didinti plėtros efektyvumą (Beck et al. 2016).Per pastaruosius kelis dešimtmečius finansinių duomenų analizė, padedanti prognozuoti akcijų kainas, prekybos vietas ir investicinius portfelius, tapo labai populiari mokslinių tyrimų tema (Wu et al. 2014 Santrauka. Sparti finansų rinkų plėtra lemia naujus iššūkius tiek investuotojams, tiek investavimo problematiką nagrinėjantiems mokslininkams. Kyla būtinybė sukurti inovatyvius, šiuolaikines finansų rinkų sąlygas atitinkančius investicijų portfelio sudarymo ir valdymo sprendimus. Finansų rinkos sulaukia ypatingo dėmesio, atliekami įvairūs tyrimai, įskaitant įvairių investavimo modelių formavimą, kurie apima finansinės rizikos valdymą ir investavimo sprendimų paramos sistemas. Mokslininkai pripažįsta būtinumą nagrinėti finansines problemas integruotais ir realybę atitinkančiais būdais, grindžiamais sudėtinga kiekybinės analizės technika. Taigi matematinio modeliavimo vaidmuo finansų sektoriuje tampa labai svarbus. Straipsnyje nagrinėjami įvairūs investavimo sprendimų priėmimo modeliai, apimantys prognozavimą, optimizavimą, stochastinius procesus, dirbtinį intelektą ir kt., kurie tampa reikšmingo-mis priemonėmis priimant investicinius sprendimus.reikšminiai žodžiai: investavimas, sprendimų priėmimo modeliai, akcijų rinka, portfelis, duomenų analizė, prognozavimas. ĮvadasFinansų rinkos palengvina tarptautinę prekybą, sujungia ir suteikia informacijos apie organizacijų bei ekonomikos ateities perspektyvas, yra ekonomikos augimą skatinanti priemonė . Tačiau šiuolaikinėje finan...

show abstract

Using Volume Weighted Support Vector Machines with walk forward testing and feature selection for the purpose of creating stock trading strategy

Cited by 100 publications

References 20 publications

The Impact of Technical Analysis on Stock Returns in an Emerging Capital Markets (ECM’s) Country: Theoretical and Empirical Study

The Impact of Technical Analysis on Stock Returns in an Emerging Capital Markets (ECM’s) Country: Theoretical and Empirical Study

Application of Machine Learning Algorithms for Bitcoin Automated Trading

Comparative Analysis of Investment Decision Models

Contact Info

Product

Resources

About