Rede Neural Artificial e Agilidade ☆
A coleta e a análise de dados são agora parte e parcela de praticamente todas as pesquisas realizadas em economia, política, tecnologia e medicina. À medida que as operações e os cálculos melhoram em consonância com as tecnologias emergentes, agora é possível realizar modelagem matemática direta com base em critérios básicos, utilizando essas tecnologias. “Redes Neurais Artificiais e Agilidade” é uma área significativa de aplicação, tornando esta modelagem uma realidade viável. Como as redes neurais artificiais modelam o cérebro humano, elas são capazes de fornecer soluções razoáveis rapidamente para problemas que não podem ser resolvidos pela programação clássica. Portanto, seu uso é generalizado e alcançou resultados de sucesso. Este estudo examina a inteligência artificial, técnicas de inteligência artificial, redes neurais artificiais, bem como sua estrutura básica e agilidade.
Revisão por pares sob a responsabilidade da Universidade de Istambul.
Incorporação de análise técnica em sistemas de negociação baseados em redes neurais
. as suposições subjacentes a essa hipótese mostram-se irrealistas em muitos casos [3] e, em particular, a maioria das abordagens adotadas para testar a hipótese foi baseada em modelagem linear de séries temporais = - = [4] - = -. Assim, como afirmam [4], dados e tempo suficientes, um método adequado de aprendizagem não paramétrica pode ser capaz de descobrir relacionamentos não-lineares mais complexos através do aprendizado de ex.
Eficácia do Uso da Influência Intermercado Quantificada para Prever Negociação.
. Influência Intermarket, Redes Neurais, Otimização 1 Introdução A rentabilidade da negociação no mercado de ações está diretamente relacionada à previsão de sinais de negociação. A maioria dos estudos anteriores (= - = Chenoweth et al., 1996 - = -; Fernando et al., 2000; Vanstone, 2006; Wood e Dasgupta, 1996; Yao et al., 1999) focaram na classificação de futuros valores em duas categorias (para cima ou para baixo), que são considerados para comprar e vender si.
título desconhecido.
. t e variáveis de saída. Como resultado, tem havido um crescente interesse na aplicação de redes neurais para capturar futuros comportamentos de estoque; see = - = [25,2,7,8,48,11,30,38,37] - = - para o trabalho anterior sobre as previsões de ações do S & amp; P 500. Embora exista atualmente um grande número de artigos que abordam as previsibilidades do retorno do mercado de ações, a maioria dos estudos se baseia em vários.
Modelo de previsão do índice global de ações por rede neural efetiva de tempo estocástico.
Neste artigo, nós investigamos as propriedades estatísticas das flutuações do Índice de Ações Chinês, e estudamos as propriedades estatísticas de HSI, DJI, IXIC e SP500 por comparação. De acordo com a teoria das redes neurais artificiais, uma função efetiva de tempo estocástico é introduzida no modelo de previsão dos índices no presente trabalho, o que fornece uma rede neural melhorada - o modelo de rede neural efetiva de tempo estocástico. Neste modelo, uma técnica promissora de mineração de dados em aprendizado de máquina foi proposta para revelar as relações preditivas de inúmeras variáveis econômicas e financeiras. Supomos que os investidores decidam suas posições de investimento analisando os dados históricos no mercado de ações, e os dados históricos recebem pesos dependendo de seu tempo, em detalhes, quanto mais próximo o tempo dos dados históricos é até o presente, maior o impacto os dados têm no modelo preditivo e também introduzimos o movimento Browniano para fazer com que o modelo tenha o efeito de movimento aleatório enquanto mantém a tendência original. Na última parte do artigo, testamos o desempenho de previsão do modelo usando diferentes parâmetros de volatilidade e mostramos alguns resultados da análise para as flutuações dos índices de ações globais usando o modelo.
Escolha uma opção para localizar / acessar este artigo:
Verifique se você tem acesso através de suas credenciais de login ou sua instituição.
Incorporação de análise técnica em sistemas de negociação baseados em redes neurais
Recentemente, propusemos um sistema comercial promissor para o índice S & amp; P 500, que consiste em um componente de seleção de recursos e um filtro simples para pré-processamento de dados, duas redes neurais especializadas para previsão de retorno e uma base de regras para integração de previsão. O objetivo deste estudo é explorar se incluir conhecimento adicional para filtragem de dados mais sofisticada e integração de retorno leva a melhorias adicionais no sistema. O novo sistema está usando um indicador técnico bem conhecido para dividir os dados e um indicador adicional para reduzir o número de negociações não lucrativas. Diversas combinações de sistemas são exploradas e testadas ao longo de um período de cinco anos. O sistema mais promissor rendeu uma taxa de retorno anual (ARR) de 15,99% com 54 negociações. Isso se compara favoravelmente ao ARR para a estratégia buy and hold (11,05%) e os melhores resultados obtidos usando o sistema sem conhecimento de análise técnica embutida (13,35% com 126 negócios). Pesquisa patrocinada em parte b ..
Desculpe, não podemos fornecer o texto completo, mas você pode encontrá-lo nos seguintes locais: citeseerx. ist. psu. edu/v. (link externo) ftp://ftp. eecs. wsu. edu/pub/pap. (link externo)
Artigos sugeridos.
Para enviar uma solicitação de atualização ou remoção para este documento, envie uma solicitação de atualização / correção / remoção.
Momento
"Estratégias de valor funcionam, em geral, mas são mais fortes entre ações de baixo momento (perdedor) e mais fracas entre ações de alto momento. A estratégia de momento funciona, em geral, mas é particularmente forte entre ações de baixo valor (caras). "
"Maiores retornos anormais podem ser alcançados aplicando-se uma estratégia de momentum de ganhos a ações com baixa dispersão."
"Primeiro, uma vez que se passa das ações mais pequenas, a rentabilidade das estratégias de momentum diminui acentuadamente com o tamanho da empresa. Segundo, mantendo o tamanho fixo, as estratégias funcionam melhor entre as ações com baixa cobertura de analistas. Finalmente, o efeito da cobertura do analista é maior." ações que são perdedores passados do que para vencedores passados ".
Redes neurais.
[1] Rede Neuronal e Recorrente e Programas Genéticos para o Mercado de Ações e Previsão de Séries Temporais, P. C. McCluskey, 1993.
[2] Agrupamento do Mapa Auto-Organizador, Juha Vesanto, 2000.
[3] O Pacote do Programa de Quantificação Vetorial em Aprendizagem, T. Kohonen, 1996.
[4] Um modelo de rede neural para o mercado de ouro, P. J. McCann, B. L. Kalman, 1993.
[5] Risco de Previsão e Seleção de Arquitetura para Redes Neurais, J. Moody, 1994.
[6] Previsão Econômica: Desafios e Soluções de Redes Neurais, J. Moody, 1995.
[7] Redes Neurais em Economia: Antecedentes, Aplicações e Novos Desenvolvimentos, R. Herbrich et al., 1999.
[8] Incorporando Conhecimento Prévio sobre Mercados Financeiros Através da Aprendizagem Multitarefa Neural, K. Bartlmae et. al., 1995.
[9] Redes Neurais para Processamento de Séries Temporais, G. Dorffner, 1996.
[10] Previsão de Preço de Ações Usando Redes Neurais, F. W.Op't Landt, MSc. tese, 1997.
[11] Rprop - Descrição e Detalhes de Implementação, M. Riedmiller, 1994.
[12] O Pacote do Programa de Mapa Auto-Organizacional, T. Kohonen, 1996.
[13] Sobre a Análise de Seqüências de Padrões por Mapas Auto-Organizáveis, J. Kangas, 1994.
[14] Análise de Dependência e Modelagem de Redes Neurais de Taxas de Câmbio, I. Pi, 1993.
[15] Previsão da Obrigação do Tesouro dos EUA a 30 anos com um Sistema de Redes Neurais, W. Cheng et. al., 1996.
[16] Alocação Ótima de Ativos usando Programação Dinâmica Adaptativa, R. Neunejer, 1995.
[17] Uma abordagem não paramétrica para precificação e cobertura de valores mobiliários derivativos via Learning Networks, J. M.Hutchinson et. al., 1994.
[18] Estudo Comparativo da Predição de Tendência de Estoque Utilizando Redes Neurais de Atraso de Tempo, Recorrente e Probabilístico, Danil V. Prokhorov, 1998.
[19] Previsão de Mercados Financeiros usando Redes Neurais: uma Análise de Métodos e Precisão, J. Kutsurelis, 1998.
[20] Sobre o desenvolvimento de um sistema de previsão financeira: armadilhas e possibilidades, Stefan Zemke.
[21] Um estudo de caso sobre o uso de redes neurais para realizar previsões técnicas no FOREX, J. Yao e C. Tan, 1999.
[22] Um Estudo Comparativo sobre Redes Neurais Reforçadas e Recorrentes na Predição de Séries Temporais usando Aprendizagem por Descendência de Gradientes, M. Hallas, G. Dorffner, 1997.
[23] Uma Estratégia de Seleção de Recurso Explícito para Modelos Preditivos do S & amp; P 500 Index, T. Chenoweth et. al., 1996.
[24] Incrementos de preços de previsão usando uma rede neural artificial, F. Castiglione, 2000.
[25] Um sistema de previsão não linear multi-componente para o S & amp; P 500 Index, T. Chenoweth e Z. Obradovic, 1996.
[26] Treinando Redes Neurais Além da Distância Euclidiana, Redes Neuronais Multi-Objetivas usando Treinamento Evolutivo, 1999.
[27] Pattern Matching e Redes Neurais baseadas no Hybrid Forecasting System, A. Singh e J. Fieldsend, 2000.
[28] Um Primer de Rede Neural Artificial com Exemplo de Aplicações Financeiras em Previsões de Dificuldades Financeiras e Foreighn Exchange Hybrid Trading System, C. Tan, 1997.
[29] Um Sistema de Negociação Financeira Híbrida Incorporando a Teoria do Caos, Métodos Estatísticos e de Inteligência Artificial / Soft Computing, C. Tan, 1999.
[30] Predição de Séries Temporais e Redes Neurais, N. davey et. al., 1997.
[31] Previsão de Taxas de Câmbio Estrangeiro com Redes Neurais, Jingtao Yao, Hean-Lee Poh, Teo Jasic, 1996.
[32] Um filtro de Kalman de rede neural limitada para estimativa de preço em dados financeiros de alta frequência, P. J. Collins and J. T. Connor, 1997.
[33] Uma Abordagem de Seleção de Modelo para Previsão Macroeconômica em Tempo Real Usando Modelos Lineares e Redes Neurais Artificiais, N. R.Swanson e H. White, 1995.
Otimização geral.
[1] Otimização Matemática, Projeto de Educação em Ciências da Computação, 1995.
[2] Um novo método Branch-and-Bound for Global Optimization, K. Madsen e S. Zertchaninov, 1998.
Otimização heurística.
[1] Sobre a dureza do problema de atribuição quadrática com meta-heurísticas, Eric Angel, Vassilis Zissimopoulos, 1997.
[2] Uma Comparação de Heurística de Pesquisa Estocástica para Otimização de Portfólio, R. Freedman e R. DiGiorgio, 1993.
Otimização Neural.
[1] Agrupamento de Dempster-Shafer usando teoria de campo de média de spin de Potts M. Bengtsson, J. Schubert, 2001.
[2] Redes Neurais para Problemas de Otimização com Restrições de Desigualdade - o Problema da Mochila, M. Ohlsson et. al, 1992.
[3] Teoremas de Limite Médio de Campo para o CDMASystems, Tim Holliday.
[4] Otimização Combinatória com Redes Neurais Artificiais de Feedback, C. Peterson, 1995.
[5] Otimização Neural, C. Peterson, 1998.
[6] Uma Abordagem de Campo Média Eficiente para o Problema de Cobertura de Conjuntos, M. Ohlsson et. al, 1999.
Algorítmos genéticos.
[1] A Computação Evolutiva Ajudaria nos Projetos de Redes Neurais Artificiais na Previsão de Séries Temporais Financeiras, Shu-Heng Chen, Chun-Fen Lu, 1999.
[2] Algoritmos Evolucionários para Projeto e Treinamento de Redes Neurais, J. Branke, 1995.
[3] Evolução Artificial Neural Networks, X. Yao, 1999.
[4] Evolução das Regras de Negociação para o Mercado FX ou Como Ganhar Dinheiro com GP, H. Jonsson et. al., 1997.
[5] O Guia do Hitch-Hiker para Computação Evolutiva, J. Heitkotter et. al., 1999.
[6] Resumo de Algoritmos Genéticos, F. Busetti, 2000 [7] Tomada de Decisão de Investimento Usando FGP: Um Estudo de Caso, J. Li e E. Tsang, 1999.
[7] Tomada de Decisões de Investimento Usando o FGP: Um Estudo de Caso, J. Li and P. K.Tsang, 1999.
[8] Usando Algoritmos Genéticos para Otimização Robusta em Aplicações Financeiras, O. V.Pictet et. al., 1995.
[9] A Importância da Simplicidade e Validação na Programação Genética para Data Mining em Dados Financeiros, J. D.Thomas and K. Sycara, 1999.
[10] Usando Algoritmos Genéticos para Definição de uma Ação Inicial Portfoliom R. Vieira e R. Wazlawick, 1995.
Lógica difusa.
[1] Previsão Financeira Dinâmica com Associações Fuzzy Induzidas Automaticamente, Y. Romahi e Q. Shen, 2000.
Fractais e caos.
[1] Fractals and Intrinsic Time - Um Desafio para a Econometria, U. A.Muller et al., 1995.
[2] Aplicação Interdisciplinar de Métodos de Séries Temporais Não Lineares, T. Schreiber, 1998.
[3] Entropia de Kolmogorov de Séries Temporais usando Funcionalidades Teóricas da Informação, M. palus, 1997.
[4] Séries temporais caóticas. Parte I: Estimativa de algumas propriedades invariantes no espaço de estados, D. Kugiumtzis et al., 1995.
[5] Série Temporal Caótica. Parte II: Identificação e Predição do Sistema, B. Lillekjendlie, 1995.
[6] Teste de Não-linearidade Usando Redundâncias: Aspectos Quantitativos e Qualitativos, M. Palus, 1995.
[7] Multifractality in Asset Returns: Teoria e Evidência, L. Calvet e A. Fisher, 2001.
[8] Caos Determinista em Taxas de Câmbio ?, M. Bask, 1996.
[9] Uma abordagem Langevin às flutuações e quedas do mercado de ações, J. P. Bouchad e R. Cont, 1998.
[10] Distribuições de Transformação e Probabilidade de Escalonamento para Séries Financeiras Financeiras, M. Brachet, et al., 1997.
[11] Grandes Desvios e Distribuição de Variações de Preços, L. Calvet, A. Fisher e B. Mandelbrot, 1997.
[12] Scaling in Stock Market Data: Stable Laws and Beyond, R. Cont, M. Potters e JP. Bouchaud, 1997.
[13] A Distribuição de Taxas de Câmbio Extremal Foreigh em Extremamente Lasrge Data Sets, M. Dacorogna, et. al., 1995.
[14] Prevendo a Ocorrência de Eventos Raros, M. Dacorogna, 1998.
[15] Crashes como Pontos Críticos, A. Johansen et. al., 1998.
[16] Modelando o mercado acionário antes de grandes quedas, A. Johansen et. al., 1998.
[17] Multifractality aparente na série de tempo financeira, J. P. Bouchaud, et. al., 1999.
[18] Existe Caos na Economia Mundial? Um Teste Usando Regressão Não Paramétrica, M. Shintanim e O. Linton, 2000.
Recozimento simulado.
[1] Re-Recozimento Simulado Muito Rápido, L. Ingl, 1989.
[2] Algoritmo Genético e Re-Recozimento Simulado Muito Rápido: uma Comparação, L. Inber et al., 1992.
[3] Recozimento Simulado: Prática Versus Teoria, L. Ilber, 1993.
[4] Recozimento Simulado Adaptativo (ASA): Lessons Learned, L. Ingl, 1995.
[5] Mecânica Estatística dos Mercados Financeiros (SMFM), L. Inber, 1999.
[6] Mercados de Negociação com Momento Canônico e Simulated Annealing Adaptativo, L. Inber, 1999.
[7] Otimização dos Modelos Físicos de Mercados de Negociação, L. Inber at. al,
Pesquisa tabu.
[1] Taboo Search, F. Glover e M. Laguna, 1999.
Teoria do jogo.
[1] Aplicações Financeiras da Teoria dos Jogos, F. Allen, S. Morris, 1998.
Simulações multiagentes.
[1] Um modelo de mercado artificial de um mercado de câmbio, K. Izumi, Ph. D. tese, 1999.
[2] Precificação de Ativos sob Expectativas Endógenas em um Mercado de Ações Artificial, W. Brian et. al., 1996.
[3] Um Mercado de Ações Artificial, R. G.Palmer et al., 1999.
[4] Pesquisa Multiagente Cooperativa para Seleção de Portfólio, D. C.Parkes e B. A.Huberman, 1999.
[5] Vida Econômica Artificial: Um Modelo Simples de uma Bolsa, R. G.Palmer et. al., 1993.
[6] Fenômenos Emergentes em um Mercado de Câmbio Estrangeiro: Análise Baseada em Abordagem de Mercado Artificial, K. Izumi e K. Ueda, 1998.
Simulações de Monte Carlo.
[1] Abordagens de Quasi-Monte Carlo para o Preço da Opção, J. Birge, 1996.
[2] Eficiente Monte Carlo Pricing of Basket Options, P. Bellizzari, 1998.
[3] Preços de Monte Carlo.
[4] Testando os Modelos de Processos de Preços de Ações Usando o Método da Cadeia de Monte Carlo Markov, W. Chen, 1998.
[5] Geração de Caminho para Simulação de Quase-Monte Carlo de Títulos Hipotecários, F. Akersson e J. Lehoczky, 2000.
[6] Aplicações dos Métodos Monte Carlo / Quasi-Monte Carlo em Finanças: Pricing Option, Y. Lai e J. Spanier, 1999.
[7] Redução de Variância de Estimadores Monte Carlo e Quasi-Monte Carlo Randomizados para Modelos de Volatilidade Estocástica em Finanças, H. Ben Ameur et. al., 1999.
[8] Calibração de Monte Carlo da Cadeia de Markov de Modelos de Volatilidade Estocástica, X. Ge e C. Ji, 2000.
Análise de séries temporais.
[1] Análise de Séries Temporais, E. Bradley, 1999.
[2] Previsões de Séries Temporais Financeiras usando Sistemas de Reconhecimento de Padrões de Memória Fuzzy e Longa, S. Singh e J. Fieldsend, 2000.
[3] Preços em Moeda Estrangeira e Opções de Moeda Cruzada em GARCH, J. Duan et. al., 1999.
[4] Fuzzy Nearest Neighbor Method para Previsão de Séries Temporais, S. Singh, 1998.
[5] Redes Neurais para Processamento de Séries Temporais, G. Dorffner, 1997.
[6] Detectando Não Linearidade em Séries Temporais Multivaríticas, M. Palus, 1996.
[7] Estimando a Previsibilidade: Redundância e Método dos Dados Substantivos, M. Palus et al., 1995.
[8] De Nonlinearity to Previctability, M. Palus e D. Novotna, 1997.
[9] Mineração de Dados de Séries Temporais: Identificando Padrões Temporais para Caracterização e Previsão de Eventos de Séries Temporais, R. J.Povinelli, 1999.
[10] Previsão Dinâmica de Séries Temporais Usando Aproximação Local, S. Singh e P. McAtackney, 1998.
[11] Um sistema de modelagem e reconhecimento de padrões de memória longa para previsão de séries temporais financeiras, S. Singh, 1999.
[12] Previsão de Séries Temporais Barulhentas usando Técnicas de Reconhecimento de Padrões, S. Singh, 2000.
[13] Séries Temporais para Macroeconomia e Finanças, J. Cochrane, 1997.
[14] Séries Temporais Bayesianas: Modelos Financeiros e Análise Espectral, Y. Chen, 1997.
[15] Modelagem de Longa Memória ARCH Multivariada para Taxas de Câmbio de Alta Frequência, G. Teyssiere, 1998.
[16] Mudanças Estruturais no Modelo Autorregressivo Vectorial Cointegrado, P. R. Hansen, 2000.
Estrutura do termo.
[1] Estimativa da Estrutura de Termo: Uma Abordagem da Norma Implícita. Preços de opção negativa - um quebra-cabeça ou apenas ruído? I. D. Ioffe et al., 2000.
[2] Restrições de Arbitragem e Modelos Multi-Fator da Estrutura a Termo das Taxas de Juros, R. Stapleton, 1994.
[3] Usando árvores de taxa de juros Hull-White, J. Hull e A. White, 1996.
[4] Aversão ao Risco Variável no Tempo, Inflação Inesperada e Dinâmica da Estrutura a Termo, M. Brandt e K. Wang, 1999.
[5] O Viés no Teste Convencional da Teoria das Expectativas: Resolvendo as Anomalias no Fim Muito Curto da Estrutura de Prazo, D. L.Thornton, 2000.
[6] A Teoria das Expectativas e a Fundação do Fed: Outro Olhar para a Evidência, C. J.M. Kool e D. L.Thornton, 2000.
[7] Previsão das Inflações do Agente de Derivação da Estrutura a Termo das Taxas de Juros, C. Ragan, 1995.
[8] As informações na estrutura a termo das taxas de juros: mais resultados para a Alemanha, G. Boero e C. Torricelli, 1998.
Seleção de portfólio.
[1] Escolha Dinâmica de Consumo e Portfólio com Volatilidade Estocástica em Mercados Incompletos, G. Chacko e L. Viceira, 1999.
[2] Index Tracking: Genetic Algorithms for Investment Portfolio Selection, J. Shapcott, 1992.
[3] Algoritmos Heurísticos para o Problema de Seleção de Portfólio com Lotes Mínimos de Transação, R. Mansini e M. G.Speranza, 1999.
[4] Melhorando o desempenho do portfólio usando estratégias de opções. Por que vencer o mercado é fácil. F-S. Lhabitant, 1998.
[5] Optimal Portfolio Choice Sob Perda de Aversão, A. Berkelaar e R. Kouwenberg, 2000.
[6] Carteiras Universais Com e Sem Custos de Transação, A. Blum e A. Kalai, 1997.
[7] Seleção de Portfólio com Medidas de Risco Downside.
[8] Universal Portfolios, T. M.Cover, 1996.
[9] Conselhos de Portfólio para um Mundo Multifactor, J. H.Cochrane, 2000.
[10] Seleção de Portfólio On-Line Usando Atualizações Multiplicativas, D. P.Helmbold, 1998.
[11] Problema de seleção de portfólios com função de risco do tipo MiniMax, K. L.Teo e X. Q.Yang, 1999.
[12] Seleção de Cenários e Modelos de Programação Estocástica para Gerenciamento de Responsabilidade de Ativos, R. Kouwenberg, 1998.
[13] Seleção de Portfólio Dinâmico Ótimo: Formulação de Variância Média Multi-Periódica, D. L. et al., 1998.
[14] Sobre o Poder Explicativo dos Modelos de Preços de Ativos em e Dentro de Portfólios, R. Kan, 1999.
[15] Investimento Ótimo em Mercados Financeiros Incompletos, W. Schachermayer, 2000.
Otimização de portfólio.
[1] Heuristics for Cardinality Constrained Portfolio Optimization, T. J.Chang et. al., 1999.
[2] Abordagens Heurísticas para Otimização de Portfólio, M. Gilli e E. Kellezi, 2000.
[3] Estratégia de Cobertura Ideal para um Problema de Investimento de Carteira com Restrições Adicionais, N. Dokuchaev e K. Teo, 1999.
[4] Carteiras ótimas para LogarithmicUtility, T. Goll e J. Kallsen, 2000.
[5] Dynamic Portfolio Insurance: uma abordagem de programação estocástica, R. Kouwenberg e T. Vorts, 1998.
[6] Links de dualidade entre otimização de portfólio e preços de derivativos, J. Kallsen, 1999.
[7] Carteiras ótimas para processos de tributação exponencial, J. Kallsen, 1999.
[8] Estendendo o Modelo de Otimização de Portfólio MAD para Incorporar Downside Risk Aversion, W. Michalowski, 1998.
[9] Análise de Carteira Usando Minimização de Risco Downside, D. M.Ros et. al., 1998.
[10] Um Método Monte Carlo para Portfolios Optimal, J. Detemple et. al, 2000.
[11] Otimização Prática de Portfólio, K. V.Fernando, 2000.
[12] Modelos de programação estocástica para otimização de portfólios com títulos garantidos por hipoteca, R. McKendall, 1993.
[13] Domando seu Otimizador: Um Guia Através das Armadilhas da Otimização de Média-Variância, S. L.Lummer, et. al., 1994.
[1] CAPM internacional com parâmetros GARCH de mudança de regime, L. Cappiello e T. A.Fearnly, 2000.
[2] Os Títulos de Renda Fixa Também Mostram Efeitos Assimétricos em Second Momets Condicionais, L. Cappiello, 2000.
[3] Diversificação Internacional Otimizada: Teoria e Prática na Perspectiva do Investidor Suíço, F. Hamelink, 2000.
[4] Modelo de Precificação de Ativos de Capital e Alterações na Volatilidade, A. O.Santos, 1998.
[5] New Facts in Finance, J. H.Cochrane, 2000.
[6] Explicando o fraco desempenho dos modelos de precificação de ativos baseados no consumo, J. Campbell e J. H. Cochrane, 2000.
[7] Covariabilidade, multivariabilidade e flexibilidade: CAPM condicional e risco de variação de tempo Premia, G. Lim et. al., 1998.
Estimativa de volatilidade.
[1] Os retornos da taxa de câmbio padronizados pela volatilidade realizada são (quase) gaussianos T. Andersen et. al., 1999.
[2] Em direção a uma Teoria da Negociação de Volatilidade, P. Carr e D. Madan, 1998.
[3] Previsão da Volatilidade S & P 100: O Conteúdo de Informações de Incremento das Volatilidades Implícitas e Retornos do Índice de Alta Frequência, B. J.Blair et. al., 2000.
[4] Derivatives on Volatility: algumas soluções simples baseadas em Observables, S. L.Hestib e S. Nandi, 2000.
[5] Consequências para o preço da opção de uma memória longa em volatilidade, S. J.Taylor, 2000.
[6] Volatilidades a termo da taxa de juros, volatilidade da taxa de SWAP e a implementação do modelo de mercado da LIBOR, J. Hull e A. White, 1999.
[7] Características não lineares da volatilidade real de FX, J. Maheu e T. McCurdy, 2001.
[8] Dinâmica de Volatilidade sob Mistura Dependente da Duração, J. Maheu e T. McCurdy, 2000.
[9] Identificando Bull and Bear Markets em Stock Returns, J. maheu e T. McCurdy, 2000.
[10] Modelagem e Previsão da Volatilidade Realizada, T. Andersen et. al., 2001.
[11] A Volatilidade Realizada dos Preços Futuros FTSE-100, N. Areal e S. Taylor, 2000.
[12] A Dinâmica da Volatilidade Estocástica: Evidência dos Mercados Subjacentes e de Opções, C. S.Jones, 2000.
[13] Hedging dinâmico em um mercado volátil, T. F.Coleman et. al., 1999.
[14] Árvores Trinômiais Implícitas do Sorriso de Volatilidade, E. Derman et al., 1996.
[15] Expectativas Hipótese do Termo Estrutura da Volatilidade Implícita: Reexame, S. Byoun et. al., 1999.
[16] O preço de um sorriso: cobertura e expansão em mercados de opções, A. Buraschi e J. jackwerth, 2000.
[17] Tendências de Volatilidade Implícitas e Índice de Ações Assimetria e Curtose Implícitas pelos Preços das Opções de Índice S & P500, C. J.Corrado e t. Su, 1997.
[18] A Distribuição da Volatilidade do Retorno das Ações, T. G.Andersen et. al., 2000.
[19] Modelagem e Previsão da Volatilidade Realizada, T. G.Andersen et. al., 2001.
[20] A Distribuição da Volatilidade da Taxa de Câmbio, T. G.Andersen et. al., 1999.
[21] Previsão de volatilidade do S & P 100: o conteúdo das informações incrementais de volatilidades implícitas e retornos de índices de alta frequência, B. J.Blair et. al., 2000.
[22] Previsão da Variabilidade dos Retornos do Índice de Ações com Modelos de Volatilidade Estocástica e Volatilidade Implícita, E. Hol e S. L.Koopman, 2000.
[23] Modelos GARCH Estruturados em Árvore, F. Audrino e P. Buhlmann, 2000.
[24] Modelos GARCH não paramétricos, P. Buhlmann e A. J. MacNeil, 1999.
Avaliação de risco.
[1] Implicações econômicas do uso de um modelo de VaR médio para seleção de portfólios: uma comparação com a análise de variância média, G. J.Alexander, A. M.Baptista, 2000.
[2] Value-at-Risk: uma abordagem do regime de mudança multivariado, M. Billio, L. Pelizzon, 2000.
[3] Os Dez Grandes Desafios da Gestão de Risco, C. Batlin e B. Schachter, 2000.
[4] Modelos Value at Risk para carteiras de títulos holandeses, P. J.G. Vlaar, 1999.
[5] Valor Não-Linear em Risco, M. Britten-Jones e S. M.Schaefer, 1999.
[6] Alocação de Ativos em uma Estrutura de Valor em Risco, R. Huisman et. al, 1999.
[7] Avaliação de modelos de valor em risco usando dados históricos, D. Hendricks, 1996.
[8] Um método simplificado para calcular o risco de crédito de carteiras de empréstimos, A. Ieda et. al., 2000.
[9] Valor em risco usando distribuições hiperbólicas, C. Bauer, 2000.
[10] Risco de Mercado: Uma Introdução ao Conceito & amp; Análises de Value-at-Risk, J. Frain e C. Meegan, 1996.
[11] Usando o Value-at-Risk para controlar a tomada de riscos: como você pode errar, X. Ju e N. D.Pearson, 1998.
[12] Otimização do risco de crédito com critério condicional de valor em risco, F. Andersson e S. Uryasev, 1999.
[13] Modelo Integrado de Carteira de Mercado e Risco de Crédito, I. Iscoe et. al., 1999.
[14] Avaliação da precisão do VaR, K. Dowd, 2000.
[15] Medindo o Risco de Mercado de DAX: Uma Abordagem de Mistura de Volatilidade da Rede Neural, K. Bartlmae, F. A.Rauscher, 2000.
[16] Value-at-Risk (VaR), S. Benninga e Z. Wiener, 1998.
[17] Gestão do risco de mercado nos bancos, 1996.
[18] Value-at-Risk e Extreme Returns, J. Danielsson et al., 2000.
[19] Tomando o VaR to Pieces, M. Garman, 1997.
[20] Otimização do Value-at-Risk Condicional, R. T.Rockafellar e S. Uryasev, 1999.
[21] Uma Visão Geral do Valor em Risco (1), D. Duffie e J. Pan, 1997.
[22] Cálculos de VaR para Derivativos (2), D. Duffie e J. Pan, 1997.
[23] Apêndices (3), D. Duffie e J. Pan, 1997.
[24] Comportamento Extremo de Modelos de Difusão em Finanças, M. Borkovec, 1998.
[25] Value-at-Risk Analysis e Least Squares Tail Index Estimation, R. W. J van den Goorbergh, 1999.
[26] Equivalência e Selecção de Carteiras em Seguros: Um Modelo de Portfólio Simplificado, E. Taflin, 2000.
[27] Como medir o risco, G. Ch. Pflug, 1997.
[28] Filtrando Simulação Histórica. Análise de Back-test, G. Barone-Adesi, 2000.
[29] Value-at-Risk condicional: Algoritmos e Aplicações de Otimização, S. Uryasev, 2000.
[30] Técnicas não paramétricas de VaR. Mitos e Realidades, G. Barone-Adesi, 2000.
[31] Valor em risco quando as alterações diárias nas variáveis de mercado não são normalmente distribuídas, J. Hull e A. White, 1997.
[32] Incorporando a atualização da volatilidade no método de simulação histórica para o Value-at-Risk, J. Hull e A. White, 1998.
[33] Problemas do Horizonte e Eventos Extremos na Gestão de Riscos Financeiros, P. F.Christoffersen et. al., 1998.
[34] Otimização de Portfólio com Objetivo de Valor em Risco Condicional e Restrições, J. Palmquist at. al., 1999.
[35] Análise do valor em risco de um swap alavancado, S. Srivastava, 1998.
[36] Erro de Rastreamento e Valor em Risco, 1997.
[37] Distribuições Value-at-Risk e Mixture, 1998.
[38] Value-at-Risk: sobre a estabilidade e previsão da matriz de variância-covariância, J. Engek e M. Gizycki, 1999.
[39] Referências de D. Duffie e J. Pan, 1997.
[40] Monte Carlo em um dia, J. Cardenas et al., 1999.
[41] An Analysis Framework for Bank Capital Allocation, N. Baud et al., 2000.
[42] VaR e o Unreal World, R. Hoppe, 1998.
[43] Teoria do Valor Extremo em Finanças e Garantia, P. Embrechts, 1999.
[44] Desenvolvimento de cenários para futuras perdas extremas usando o modelo POT, A. J.McNeil e T. Saladin, 1998.
[45] Teoria do Valor Extrema como Ferramenta de Gerenciamento de Risco, P. Embrechts et. al., 1996.
[46] Análise do valor em risco dos retornos das ações. Simulações Históricas, Técnica de Variância ou Estimativa de Índice de Cauda, R. van den Goorbergh e P. Vlaar, 1999.
[47] Encontrando Portfólios Ótimos com Restrições no Valor em Risco, A. A.Gaivoronski e G. Pflug, 1998.
Carteira Decomponente Value-at-Risk: Uma Análise Geral, W. G.Hallerbach, 1999.
[49] Value-at-Risk em Gestão de Portfólio, P. Gugi et. al., 1999.
[50] Estimando o valor em risco com uma medida de precisão combinando estimativa de Kernel com simulações históricas, J. S.Butler e B. Schachter, 1997.
[51] Value-at-Risk e Derivatives Risk, E. Falkenstein, 1997.
[52] Medindo Risco com Teoria do Valor Extremo, R. L.Smith, 1998.
[53] Confiabilidade das Estimativas de Valor em Risco Baseadas em Redes Neurais, R. Prinzler, 1999.
[54] Value-at-Risk para gestores de ativos, C. L.Culp et. al., 1999.
[55] Value-at-Risk Analítico com Saltos e Risco de Crédito, D. Duffie e J. Pan, 1999.
[56] Seleção de Portfólio com Risco de Downside Limitado, D. W.Jasen et. al., 2000.
[57] Comparando Diferentes Métodos para Estimar o Valor em Risco (VaR) para Portfólios Não-Lineares Reais: Evidência Empírica, M. Coronado, 2000.
[58] Otimização de Portfólio Baseado em Valor em Risco, A. V.Puelz, 1999.
[59] Uma abordagem probabilística para os piores cenários, G. Barone-Adesi et. al, 1997.
[60] Bank Capital e Value-at-Risk, P. Jackson et al., 1998.
[61] Risco de Recuperação em Retornos de Ações, A. Akgun e R. Gibson, 1999.
[62] Teoria do Valor Extremo para Medidas de Risco Relacionadas à Cauda, R. Kellezi e M. Gilli, 2000.
[63] Evolução da Incerteza do Mercado em Relação aos Anúncios de Ganhos, D. Isakov, C. Perignon, 2000.
[64] Novos insights sobre o sorriso, o preço errado e o valor em risco: o modelo hiperbólico, E. Eberlein e U. Keller, 1997.
Teoria do prospecto.
[1] Prospect Theory and Asset Prices, N. Barberis, M. Huang e T. Santos, 2000.
Análise técnica.
[1] Aplicação de regras simples de negociação aos preços das ações suíças. É rentável? D. Isakov e M. Hollistein, 2000.
[2] CUSUM Técnicas de Negociação Técnica no Mercado Financeiro.
Recentemente, propusemos um sistema comercial promissor para o índice S & amp; P 500, que consiste em um componente de seleção de recursos e um filtro simples para pré-processamento de dados, duas redes neurais especializadas para previsão de retorno e uma base de regras para integração de previsão. O objetivo deste estudo é explorar se incluir conhecimento adicional para filtragem de dados mais sofisticada e integração de retorno leva a melhorias adicionais no sistema. O novo sistema está usando um indicador técnico bem conhecido para dividir os dados e um indicador adicional para reduzir o número de negociações não lucrativas. Diversas combinações de sistemas são exploradas e testadas ao longo de um período de cinco anos. O sistema mais promissor rendeu uma taxa de retorno anual (ARR) de 15,99% com 54 negociações. Isso se compara favoravelmente ao ARR para a estratégia buy and hold (11,05%) e os melhores resultados obtidos usando o sistema sem conhecimento de análise técnica embutida (13,35% com 126 negócios). Pesquisa patrocinada em parte b ..
Desculpe, não podemos fornecer o texto completo, mas você pode encontrá-lo nos seguintes locais: citeseerx. ist. psu. edu/v. (link externo) ftp://ftp. eecs. wsu. edu/pub/pap. (link externo)
Artigos sugeridos.
Para enviar uma solicitação de atualização ou remoção para este documento, envie uma solicitação de atualização / correção / remoção.
Momento
"Estratégias de valor funcionam, em geral, mas são mais fortes entre ações de baixo momento (perdedor) e mais fracas entre ações de alto momento. A estratégia de momento funciona, em geral, mas é particularmente forte entre ações de baixo valor (caras). "
"Maiores retornos anormais podem ser alcançados aplicando-se uma estratégia de momentum de ganhos a ações com baixa dispersão."
"Primeiro, uma vez que se passa das ações mais pequenas, a rentabilidade das estratégias de momentum diminui acentuadamente com o tamanho da empresa. Segundo, mantendo o tamanho fixo, as estratégias funcionam melhor entre as ações com baixa cobertura de analistas. Finalmente, o efeito da cobertura do analista é maior." ações que são perdedores passados do que para vencedores passados ".
Redes neurais.
[1] Rede Neuronal e Recorrente e Programas Genéticos para o Mercado de Ações e Previsão de Séries Temporais, P. C. McCluskey, 1993.
[2] Agrupamento do Mapa Auto-Organizador, Juha Vesanto, 2000.
[3] O Pacote do Programa de Quantificação Vetorial em Aprendizagem, T. Kohonen, 1996.
[4] Um modelo de rede neural para o mercado de ouro, P. J. McCann, B. L. Kalman, 1993.
[5] Risco de Previsão e Seleção de Arquitetura para Redes Neurais, J. Moody, 1994.
[6] Previsão Econômica: Desafios e Soluções de Redes Neurais, J. Moody, 1995.
[7] Redes Neurais em Economia: Antecedentes, Aplicações e Novos Desenvolvimentos, R. Herbrich et al., 1999.
[8] Incorporando Conhecimento Prévio sobre Mercados Financeiros Através da Aprendizagem Multitarefa Neural, K. Bartlmae et. al., 1995.
[9] Redes Neurais para Processamento de Séries Temporais, G. Dorffner, 1996.
[10] Previsão de Preço de Ações Usando Redes Neurais, F. W.Op't Landt, MSc. tese, 1997.
[11] Rprop - Descrição e Detalhes de Implementação, M. Riedmiller, 1994.
[12] O Pacote do Programa de Mapa Auto-Organizacional, T. Kohonen, 1996.
[13] Sobre a Análise de Seqüências de Padrões por Mapas Auto-Organizáveis, J. Kangas, 1994.
[14] Análise de Dependência e Modelagem de Redes Neurais de Taxas de Câmbio, I. Pi, 1993.
[15] Previsão da Obrigação do Tesouro dos EUA a 30 anos com um Sistema de Redes Neurais, W. Cheng et. al., 1996.
[16] Alocação Ótima de Ativos usando Programação Dinâmica Adaptativa, R. Neunejer, 1995.
[17] Uma abordagem não paramétrica para precificação e cobertura de valores mobiliários derivativos via Learning Networks, J. M.Hutchinson et. al., 1994.
[18] Estudo Comparativo da Predição de Tendência de Estoque Utilizando Redes Neurais de Atraso de Tempo, Recorrente e Probabilístico, Danil V. Prokhorov, 1998.
[19] Previsão de Mercados Financeiros usando Redes Neurais: uma Análise de Métodos e Precisão, J. Kutsurelis, 1998.
[20] Sobre o desenvolvimento de um sistema de previsão financeira: armadilhas e possibilidades, Stefan Zemke.
[21] Um estudo de caso sobre o uso de redes neurais para realizar previsões técnicas no FOREX, J. Yao e C. Tan, 1999.
[22] Um Estudo Comparativo sobre Redes Neurais Reforçadas e Recorrentes na Predição de Séries Temporais usando Aprendizagem por Descendência de Gradientes, M. Hallas, G. Dorffner, 1997.
[23] Uma Estratégia de Seleção de Recurso Explícito para Modelos Preditivos do S & amp; P 500 Index, T. Chenoweth et. al., 1996.
[24] Incrementos de preços de previsão usando uma rede neural artificial, F. Castiglione, 2000.
[25] Um sistema de previsão não linear multi-componente para o S & amp; P 500 Index, T. Chenoweth e Z. Obradovic, 1996.
[26] Treinando Redes Neurais Além da Distância Euclidiana, Redes Neuronais Multi-Objetivas usando Treinamento Evolutivo, 1999.
[27] Pattern Matching e Redes Neurais baseadas no Hybrid Forecasting System, A. Singh e J. Fieldsend, 2000.
[28] Um Primer de Rede Neural Artificial com Exemplo de Aplicações Financeiras em Previsões de Dificuldades Financeiras e Foreighn Exchange Hybrid Trading System, C. Tan, 1997.
[29] Um Sistema de Negociação Financeira Híbrida Incorporando a Teoria do Caos, Métodos Estatísticos e de Inteligência Artificial / Soft Computing, C. Tan, 1999.
[30] Predição de Séries Temporais e Redes Neurais, N. davey et. al., 1997.
[31] Previsão de Taxas de Câmbio Estrangeiro com Redes Neurais, Jingtao Yao, Hean-Lee Poh, Teo Jasic, 1996.
[32] Um filtro de Kalman de rede neural limitada para estimativa de preço em dados financeiros de alta frequência, P. J. Collins and J. T. Connor, 1997.
[33] Uma Abordagem de Seleção de Modelo para Previsão Macroeconômica em Tempo Real Usando Modelos Lineares e Redes Neurais Artificiais, N. R.Swanson e H. White, 1995.
Otimização geral.
[1] Otimização Matemática, Projeto de Educação em Ciências da Computação, 1995.
[2] Um novo método Branch-and-Bound for Global Optimization, K. Madsen e S. Zertchaninov, 1998.
Otimização heurística.
[1] Sobre a dureza do problema de atribuição quadrática com meta-heurísticas, Eric Angel, Vassilis Zissimopoulos, 1997.
[2] Uma Comparação de Heurística de Pesquisa Estocástica para Otimização de Portfólio, R. Freedman e R. DiGiorgio, 1993.
Otimização Neural.
[1] Agrupamento de Dempster-Shafer usando teoria de campo de média de spin de Potts M. Bengtsson, J. Schubert, 2001.
[2] Redes Neurais para Problemas de Otimização com Restrições de Desigualdade - o Problema da Mochila, M. Ohlsson et. al, 1992.
[3] Teoremas de Limite Médio de Campo para o CDMASystems, Tim Holliday.
[4] Otimização Combinatória com Redes Neurais Artificiais de Feedback, C. Peterson, 1995.
[5] Otimização Neural, C. Peterson, 1998.
[6] Uma Abordagem de Campo Média Eficiente para o Problema de Cobertura de Conjuntos, M. Ohlsson et. al, 1999.
Algorítmos genéticos.
[1] A Computação Evolutiva Ajudaria nos Projetos de Redes Neurais Artificiais na Previsão de Séries Temporais Financeiras, Shu-Heng Chen, Chun-Fen Lu, 1999.
[2] Algoritmos Evolucionários para Projeto e Treinamento de Redes Neurais, J. Branke, 1995.
[3] Evolução Artificial Neural Networks, X. Yao, 1999.
[4] Evolução das Regras de Negociação para o Mercado FX ou Como Ganhar Dinheiro com GP, H. Jonsson et. al., 1997.
[5] O Guia do Hitch-Hiker para Computação Evolutiva, J. Heitkotter et. al., 1999.
[6] Resumo de Algoritmos Genéticos, F. Busetti, 2000 [7] Tomada de Decisão de Investimento Usando FGP: Um Estudo de Caso, J. Li e E. Tsang, 1999.
[7] Tomada de Decisões de Investimento Usando o FGP: Um Estudo de Caso, J. Li and P. K.Tsang, 1999.
[8] Usando Algoritmos Genéticos para Otimização Robusta em Aplicações Financeiras, O. V.Pictet et. al., 1995.
[9] A Importância da Simplicidade e Validação na Programação Genética para Data Mining em Dados Financeiros, J. D.Thomas and K. Sycara, 1999.
[10] Usando Algoritmos Genéticos para Definição de uma Ação Inicial Portfoliom R. Vieira e R. Wazlawick, 1995.
Lógica difusa.
[1] Previsão Financeira Dinâmica com Associações Fuzzy Induzidas Automaticamente, Y. Romahi e Q. Shen, 2000.
Fractais e caos.
[1] Fractals and Intrinsic Time - Um Desafio para a Econometria, U. A.Muller et al., 1995.
[2] Aplicação Interdisciplinar de Métodos de Séries Temporais Não Lineares, T. Schreiber, 1998.
[3] Entropia de Kolmogorov de Séries Temporais usando Funcionalidades Teóricas da Informação, M. palus, 1997.
[4] Séries temporais caóticas. Parte I: Estimativa de algumas propriedades invariantes no espaço de estados, D. Kugiumtzis et al., 1995.
[5] Série Temporal Caótica. Parte II: Identificação e Predição do Sistema, B. Lillekjendlie, 1995.
[6] Teste de Não-linearidade Usando Redundâncias: Aspectos Quantitativos e Qualitativos, M. Palus, 1995.
[7] Multifractality in Asset Returns: Teoria e Evidência, L. Calvet e A. Fisher, 2001.
[8] Caos Determinista em Taxas de Câmbio ?, M. Bask, 1996.
[9] Uma abordagem Langevin às flutuações e quedas do mercado de ações, J. P. Bouchad e R. Cont, 1998.
[10] Distribuições de Transformação e Probabilidade de Escalonamento para Séries Financeiras Financeiras, M. Brachet, et al., 1997.
[11] Grandes Desvios e Distribuição de Variações de Preços, L. Calvet, A. Fisher e B. Mandelbrot, 1997.
[12] Scaling in Stock Market Data: Stable Laws and Beyond, R. Cont, M. Potters e JP. Bouchaud, 1997.
[13] A Distribuição de Taxas de Câmbio Extremal Foreigh em Extremamente Lasrge Data Sets, M. Dacorogna, et. al., 1995.
[14] Prevendo a Ocorrência de Eventos Raros, M. Dacorogna, 1998.
[15] Crashes como Pontos Críticos, A. Johansen et. al., 1998.
[16] Modelando o mercado acionário antes de grandes quedas, A. Johansen et. al., 1998.
[17] Multifractality aparente na série de tempo financeira, J. P. Bouchaud, et. al., 1999.
[18] Existe Caos na Economia Mundial? Um Teste Usando Regressão Não Paramétrica, M. Shintanim e O. Linton, 2000.
Recozimento simulado.
[1] Re-Recozimento Simulado Muito Rápido, L. Ingl, 1989.
[2] Algoritmo Genético e Re-Recozimento Simulado Muito Rápido: uma Comparação, L. Inber et al., 1992.
[3] Recozimento Simulado: Prática Versus Teoria, L. Ilber, 1993.
[4] Recozimento Simulado Adaptativo (ASA): Lessons Learned, L. Ingl, 1995.
[5] Mecânica Estatística dos Mercados Financeiros (SMFM), L. Inber, 1999.
[6] Mercados de Negociação com Momento Canônico e Simulated Annealing Adaptativo, L. Inber, 1999.
[7] Otimização dos Modelos Físicos de Mercados de Negociação, L. Inber at. al,
Pesquisa tabu.
[1] Taboo Search, F. Glover e M. Laguna, 1999.
Teoria do jogo.
[1] Aplicações Financeiras da Teoria dos Jogos, F. Allen, S. Morris, 1998.
Simulações multiagentes.
[1] Um modelo de mercado artificial de um mercado de câmbio, K. Izumi, Ph. D. tese, 1999.
[2] Precificação de Ativos sob Expectativas Endógenas em um Mercado de Ações Artificial, W. Brian et. al., 1996.
[3] Um Mercado de Ações Artificial, R. G.Palmer et al., 1999.
[4] Pesquisa Multiagente Cooperativa para Seleção de Portfólio, D. C.Parkes e B. A.Huberman, 1999.
[5] Vida Econômica Artificial: Um Modelo Simples de uma Bolsa, R. G.Palmer et. al., 1993.
[6] Fenômenos Emergentes em um Mercado de Câmbio Estrangeiro: Análise Baseada em Abordagem de Mercado Artificial, K. Izumi e K. Ueda, 1998.
Simulações de Monte Carlo.
[1] Abordagens de Quasi-Monte Carlo para o Preço da Opção, J. Birge, 1996.
[2] Eficiente Monte Carlo Pricing of Basket Options, P. Bellizzari, 1998.
[3] Preços de Monte Carlo.
[4] Testando os Modelos de Processos de Preços de Ações Usando o Método da Cadeia de Monte Carlo Markov, W. Chen, 1998.
[5] Geração de Caminho para Simulação de Quase-Monte Carlo de Títulos Hipotecários, F. Akersson e J. Lehoczky, 2000.
[6] Aplicações dos Métodos Monte Carlo / Quasi-Monte Carlo em Finanças: Pricing Option, Y. Lai e J. Spanier, 1999.
[7] Redução de Variância de Estimadores Monte Carlo e Quasi-Monte Carlo Randomizados para Modelos de Volatilidade Estocástica em Finanças, H. Ben Ameur et. al., 1999.
[8] Calibração de Monte Carlo da Cadeia de Markov de Modelos de Volatilidade Estocástica, X. Ge e C. Ji, 2000.
Análise de séries temporais.
[1] Análise de Séries Temporais, E. Bradley, 1999.
[2] Previsões de Séries Temporais Financeiras usando Sistemas de Reconhecimento de Padrões de Memória Fuzzy e Longa, S. Singh e J. Fieldsend, 2000.
[3] Preços em Moeda Estrangeira e Opções de Moeda Cruzada em GARCH, J. Duan et. al., 1999.
[4] Fuzzy Nearest Neighbor Method para Previsão de Séries Temporais, S. Singh, 1998.
[5] Redes Neurais para Processamento de Séries Temporais, G. Dorffner, 1997.
[6] Detectando Não Linearidade em Séries Temporais Multivaríticas, M. Palus, 1996.
[7] Estimando a Previsibilidade: Redundância e Método dos Dados Substantivos, M. Palus et al., 1995.
[8] De Nonlinearity to Previctability, M. Palus e D. Novotna, 1997.
[9] Mineração de Dados de Séries Temporais: Identificando Padrões Temporais para Caracterização e Previsão de Eventos de Séries Temporais, R. J.Povinelli, 1999.
[10] Previsão Dinâmica de Séries Temporais Usando Aproximação Local, S. Singh e P. McAtackney, 1998.
[11] Um sistema de modelagem e reconhecimento de padrões de memória longa para previsão de séries temporais financeiras, S. Singh, 1999.
[12] Previsão de Séries Temporais Barulhentas usando Técnicas de Reconhecimento de Padrões, S. Singh, 2000.
[13] Séries Temporais para Macroeconomia e Finanças, J. Cochrane, 1997.
[14] Séries Temporais Bayesianas: Modelos Financeiros e Análise Espectral, Y. Chen, 1997.
[15] Modelagem de Longa Memória ARCH Multivariada para Taxas de Câmbio de Alta Frequência, G. Teyssiere, 1998.
[16] Mudanças Estruturais no Modelo Autorregressivo Vectorial Cointegrado, P. R. Hansen, 2000.
Estrutura do termo.
[1] Estimativa da Estrutura de Termo: Uma Abordagem da Norma Implícita. Preços de opção negativa - um quebra-cabeça ou apenas ruído? I. D. Ioffe et al., 2000.
[2] Restrições de Arbitragem e Modelos Multi-Fator da Estrutura a Termo das Taxas de Juros, R. Stapleton, 1994.
[3] Usando árvores de taxa de juros Hull-White, J. Hull e A. White, 1996.
[4] Aversão ao Risco Variável no Tempo, Inflação Inesperada e Dinâmica da Estrutura a Termo, M. Brandt e K. Wang, 1999.
[5] O Viés no Teste Convencional da Teoria das Expectativas: Resolvendo as Anomalias no Fim Muito Curto da Estrutura de Prazo, D. L.Thornton, 2000.
[6] A Teoria das Expectativas e a Fundação do Fed: Outro Olhar para a Evidência, C. J.M. Kool e D. L.Thornton, 2000.
[7] Previsão das Inflações do Agente de Derivação da Estrutura a Termo das Taxas de Juros, C. Ragan, 1995.
[8] As informações na estrutura a termo das taxas de juros: mais resultados para a Alemanha, G. Boero e C. Torricelli, 1998.
Seleção de portfólio.
[1] Escolha Dinâmica de Consumo e Portfólio com Volatilidade Estocástica em Mercados Incompletos, G. Chacko e L. Viceira, 1999.
[2] Index Tracking: Genetic Algorithms for Investment Portfolio Selection, J. Shapcott, 1992.
[3] Algoritmos Heurísticos para o Problema de Seleção de Portfólio com Lotes Mínimos de Transação, R. Mansini e M. G.Speranza, 1999.
[4] Melhorando o desempenho do portfólio usando estratégias de opções. Por que vencer o mercado é fácil. F-S. Lhabitant, 1998.
[5] Optimal Portfolio Choice Sob Perda de Aversão, A. Berkelaar e R. Kouwenberg, 2000.
[6] Carteiras Universais Com e Sem Custos de Transação, A. Blum e A. Kalai, 1997.
[7] Seleção de Portfólio com Medidas de Risco Downside.
[8] Universal Portfolios, T. M.Cover, 1996.
[9] Conselhos de Portfólio para um Mundo Multifactor, J. H.Cochrane, 2000.
[10] Seleção de Portfólio On-Line Usando Atualizações Multiplicativas, D. P.Helmbold, 1998.
[11] Problema de seleção de portfólios com função de risco do tipo MiniMax, K. L.Teo e X. Q.Yang, 1999.
[12] Seleção de Cenários e Modelos de Programação Estocástica para Gerenciamento de Responsabilidade de Ativos, R. Kouwenberg, 1998.
[13] Seleção de Portfólio Dinâmico Ótimo: Formulação de Variância Média Multi-Periódica, D. L. et al., 1998.
[14] Sobre o Poder Explicativo dos Modelos de Preços de Ativos em e Dentro de Portfólios, R. Kan, 1999.
[15] Investimento Ótimo em Mercados Financeiros Incompletos, W. Schachermayer, 2000.
Otimização de portfólio.
[1] Heuristics for Cardinality Constrained Portfolio Optimization, T. J.Chang et. al., 1999.
[2] Abordagens Heurísticas para Otimização de Portfólio, M. Gilli e E. Kellezi, 2000.
[3] Estratégia de Cobertura Ideal para um Problema de Investimento de Carteira com Restrições Adicionais, N. Dokuchaev e K. Teo, 1999.
[4] Carteiras ótimas para LogarithmicUtility, T. Goll e J. Kallsen, 2000.
[5] Dynamic Portfolio Insurance: uma abordagem de programação estocástica, R. Kouwenberg e T. Vorts, 1998.
[6] Links de dualidade entre otimização de portfólio e preços de derivativos, J. Kallsen, 1999.
[7] Carteiras ótimas para processos de tributação exponencial, J. Kallsen, 1999.
[8] Estendendo o Modelo de Otimização de Portfólio MAD para Incorporar Downside Risk Aversion, W. Michalowski, 1998.
[9] Análise de Carteira Usando Minimização de Risco Downside, D. M.Ros et. al., 1998.
[10] Um Método Monte Carlo para Portfolios Optimal, J. Detemple et. al, 2000.
[11] Otimização Prática de Portfólio, K. V.Fernando, 2000.
[12] Modelos de programação estocástica para otimização de portfólios com títulos garantidos por hipoteca, R. McKendall, 1993.
[13] Domando seu Otimizador: Um Guia Através das Armadilhas da Otimização de Média-Variância, S. L.Lummer, et. al., 1994.
[1] CAPM internacional com parâmetros GARCH de mudança de regime, L. Cappiello e T. A.Fearnly, 2000.
[2] Os Títulos de Renda Fixa Também Mostram Efeitos Assimétricos em Second Momets Condicionais, L. Cappiello, 2000.
[3] Diversificação Internacional Otimizada: Teoria e Prática na Perspectiva do Investidor Suíço, F. Hamelink, 2000.
[4] Modelo de Precificação de Ativos de Capital e Alterações na Volatilidade, A. O.Santos, 1998.
[5] New Facts in Finance, J. H.Cochrane, 2000.
[6] Explicando o fraco desempenho dos modelos de precificação de ativos baseados no consumo, J. Campbell e J. H. Cochrane, 2000.
[7] Covariabilidade, multivariabilidade e flexibilidade: CAPM condicional e risco de variação de tempo Premia, G. Lim et. al., 1998.
Estimativa de volatilidade.
[1] Os retornos da taxa de câmbio padronizados pela volatilidade realizada são (quase) gaussianos T. Andersen et. al., 1999.
[2] Em direção a uma Teoria da Negociação de Volatilidade, P. Carr e D. Madan, 1998.
[3] Previsão da Volatilidade S & P 100: O Conteúdo de Informações de Incremento das Volatilidades Implícitas e Retornos do Índice de Alta Frequência, B. J.Blair et. al., 2000.
[4] Derivatives on Volatility: algumas soluções simples baseadas em Observables, S. L.Hestib e S. Nandi, 2000.
[5] Consequências para o preço da opção de uma memória longa em volatilidade, S. J.Taylor, 2000.
[6] Volatilidades a termo da taxa de juros, volatilidade da taxa de SWAP e a implementação do modelo de mercado da LIBOR, J. Hull e A. White, 1999.
[7] Características não lineares da volatilidade real de FX, J. Maheu e T. McCurdy, 2001.
[8] Dinâmica de Volatilidade sob Mistura Dependente da Duração, J. Maheu e T. McCurdy, 2000.
[9] Identificando Bull and Bear Markets em Stock Returns, J. maheu e T. McCurdy, 2000.
[10] Modelagem e Previsão da Volatilidade Realizada, T. Andersen et. al., 2001.
[11] A Volatilidade Realizada dos Preços Futuros FTSE-100, N. Areal e S. Taylor, 2000.
[12] A Dinâmica da Volatilidade Estocástica: Evidência dos Mercados Subjacentes e de Opções, C. S.Jones, 2000.
[13] Hedging dinâmico em um mercado volátil, T. F.Coleman et. al., 1999.
[14] Árvores Trinômiais Implícitas do Sorriso de Volatilidade, E. Derman et al., 1996.
[15] Expectativas Hipótese do Termo Estrutura da Volatilidade Implícita: Reexame, S. Byoun et. al., 1999.
[16] O preço de um sorriso: cobertura e expansão em mercados de opções, A. Buraschi e J. jackwerth, 2000.
[17] Tendências de Volatilidade Implícitas e Índice de Ações Assimetria e Curtose Implícitas pelos Preços das Opções de Índice S & P500, C. J.Corrado e t. Su, 1997.
[18] A Distribuição da Volatilidade do Retorno das Ações, T. G.Andersen et. al., 2000.
[19] Modelagem e Previsão da Volatilidade Realizada, T. G.Andersen et. al., 2001.
[20] A Distribuição da Volatilidade da Taxa de Câmbio, T. G.Andersen et. al., 1999.
[21] Previsão de volatilidade do S & P 100: o conteúdo das informações incrementais de volatilidades implícitas e retornos de índices de alta frequência, B. J.Blair et. al., 2000.
[22] Previsão da Variabilidade dos Retornos do Índice de Ações com Modelos de Volatilidade Estocástica e Volatilidade Implícita, E. Hol e S. L.Koopman, 2000.
[23] Modelos GARCH Estruturados em Árvore, F. Audrino e P. Buhlmann, 2000.
[24] Modelos GARCH não paramétricos, P. Buhlmann e A. J. MacNeil, 1999.
Avaliação de risco.
[1] Implicações econômicas do uso de um modelo de VaR médio para seleção de portfólios: uma comparação com a análise de variância média, G. J.Alexander, A. M.Baptista, 2000.
[2] Value-at-Risk: uma abordagem do regime de mudança multivariado, M. Billio, L. Pelizzon, 2000.
[3] Os Dez Grandes Desafios da Gestão de Risco, C. Batlin e B. Schachter, 2000.
[4] Modelos Value at Risk para carteiras de títulos holandeses, P. J.G. Vlaar, 1999.
[5] Valor Não-Linear em Risco, M. Britten-Jones e S. M.Schaefer, 1999.
[6] Alocação de Ativos em uma Estrutura de Valor em Risco, R. Huisman et. al, 1999.
[7] Avaliação de modelos de valor em risco usando dados históricos, D. Hendricks, 1996.
[8] Um método simplificado para calcular o risco de crédito de carteiras de empréstimos, A. Ieda et. al., 2000.
[9] Valor em risco usando distribuições hiperbólicas, C. Bauer, 2000.
[10] Risco de Mercado: Uma Introdução ao Conceito & amp; Análises de Value-at-Risk, J. Frain e C. Meegan, 1996.
[11] Usando o Value-at-Risk para controlar a tomada de riscos: como você pode errar, X. Ju e N. D.Pearson, 1998.
[12] Otimização do risco de crédito com critério condicional de valor em risco, F. Andersson e S. Uryasev, 1999.
[13] Modelo Integrado de Carteira de Mercado e Risco de Crédito, I. Iscoe et. al., 1999.
[14] Avaliação da precisão do VaR, K. Dowd, 2000.
[15] Medindo o Risco de Mercado de DAX: Uma Abordagem de Mistura de Volatilidade da Rede Neural, K. Bartlmae, F. A.Rauscher, 2000.
[16] Value-at-Risk (VaR), S. Benninga e Z. Wiener, 1998.
[17] Gestão do risco de mercado nos bancos, 1996.
[18] Value-at-Risk e Extreme Returns, J. Danielsson et al., 2000.
[19] Tomando o VaR to Pieces, M. Garman, 1997.
[20] Otimização do Value-at-Risk Condicional, R. T.Rockafellar e S. Uryasev, 1999.
[21] Uma Visão Geral do Valor em Risco (1), D. Duffie e J. Pan, 1997.
[22] Cálculos de VaR para Derivativos (2), D. Duffie e J. Pan, 1997.
[23] Apêndices (3), D. Duffie e J. Pan, 1997.
[24] Comportamento Extremo de Modelos de Difusão em Finanças, M. Borkovec, 1998.
[25] Value-at-Risk Analysis e Least Squares Tail Index Estimation, R. W. J van den Goorbergh, 1999.
[26] Equivalência e Selecção de Carteiras em Seguros: Um Modelo de Portfólio Simplificado, E. Taflin, 2000.
[27] Como medir o risco, G. Ch. Pflug, 1997.
[28] Filtrando Simulação Histórica. Análise de Back-test, G. Barone-Adesi, 2000.
[29] Value-at-Risk condicional: Algoritmos e Aplicações de Otimização, S. Uryasev, 2000.
[30] Técnicas não paramétricas de VaR. Mitos e Realidades, G. Barone-Adesi, 2000.
[31] Valor em risco quando as alterações diárias nas variáveis de mercado não são normalmente distribuídas, J. Hull e A. White, 1997.
[32] Incorporando a atualização da volatilidade no método de simulação histórica para o Value-at-Risk, J. Hull e A. White, 1998.
[33] Problemas do Horizonte e Eventos Extremos na Gestão de Riscos Financeiros, P. F.Christoffersen et. al., 1998.
[34] Otimização de Portfólio com Objetivo de Valor em Risco Condicional e Restrições, J. Palmquist at. al., 1999.
[35] Análise do valor em risco de um swap alavancado, S. Srivastava, 1998.
[36] Erro de Rastreamento e Valor em Risco, 1997.
[37] Distribuições Value-at-Risk e Mixture, 1998.
[38] Value-at-Risk: sobre a estabilidade e previsão da matriz de variância-covariância, J. Engek e M. Gizycki, 1999.
[39] Referências de D. Duffie e J. Pan, 1997.
[40] Monte Carlo em um dia, J. Cardenas et al., 1999.
[41] An Analysis Framework for Bank Capital Allocation, N. Baud et al., 2000.
[42] VaR e o Unreal World, R. Hoppe, 1998.
[43] Teoria do Valor Extremo em Finanças e Garantia, P. Embrechts, 1999.
[44] Desenvolvimento de cenários para futuras perdas extremas usando o modelo POT, A. J.McNeil e T. Saladin, 1998.
[45] Teoria do Valor Extrema como Ferramenta de Gerenciamento de Risco, P. Embrechts et. al., 1996.
[46] Análise do valor em risco dos retornos das ações. Simulações Históricas, Técnica de Variância ou Estimativa de Índice de Cauda, R. van den Goorbergh e P. Vlaar, 1999.
[47] Encontrando Portfólios Ótimos com Restrições no Valor em Risco, A. A.Gaivoronski e G. Pflug, 1998.
Carteira Decomponente Value-at-Risk: Uma Análise Geral, W. G.Hallerbach, 1999.
[49] Value-at-Risk em Gestão de Portfólio, P. Gugi et. al., 1999.
[50] Estimando o valor em risco com uma medida de precisão combinando estimativa de Kernel com simulações históricas, J. S.Butler e B. Schachter, 1997.
[51] Value-at-Risk e Derivatives Risk, E. Falkenstein, 1997.
[52] Medindo Risco com Teoria do Valor Extremo, R. L.Smith, 1998.
[53] Confiabilidade das Estimativas de Valor em Risco Baseadas em Redes Neurais, R. Prinzler, 1999.
[54] Value-at-Risk para gestores de ativos, C. L.Culp et. al., 1999.
[55] Value-at-Risk Analítico com Saltos e Risco de Crédito, D. Duffie e J. Pan, 1999.
[56] Seleção de Portfólio com Risco de Downside Limitado, D. W.Jasen et. al., 2000.
[57] Comparando Diferentes Métodos para Estimar o Valor em Risco (VaR) para Portfólios Não-Lineares Reais: Evidência Empírica, M. Coronado, 2000.
[58] Otimização de Portfólio Baseado em Valor em Risco, A. V.Puelz, 1999.
[59] Uma abordagem probabilística para os piores cenários, G. Barone-Adesi et. al, 1997.
[60] Bank Capital e Value-at-Risk, P. Jackson et al., 1998.
[61] Risco de Recuperação em Retornos de Ações, A. Akgun e R. Gibson, 1999.
[62] Teoria do Valor Extremo para Medidas de Risco Relacionadas à Cauda, R. Kellezi e M. Gilli, 2000.
[63] Evolução da Incerteza do Mercado em Relação aos Anúncios de Ganhos, D. Isakov, C. Perignon, 2000.
[64] Novos insights sobre o sorriso, o preço errado e o valor em risco: o modelo hiperbólico, E. Eberlein e U. Keller, 1997.
Teoria do prospecto.
[1] Prospect Theory and Asset Prices, N. Barberis, M. Huang e T. Santos, 2000.
Análise técnica.
[1] Aplicação de regras simples de negociação aos preços das ações suíças. É rentável? D. Isakov e M. Hollistein, 2000.
[2] CUSUM Técnicas de Negociação Técnica no Mercado Financeiro.
No comments:
Post a Comment