Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Co-Evolving Online High-Frequency Trading Strategies Using Grammatical Evolution
Högskolan i Borås, Institutionen Handels- och IT-högskolan.
Högskolan i Borås, Institutionen Handels- och IT-högskolan.ORCID-id: 0000-0003-0412-6199
Högskolan i Borås, Institutionen Handels- och IT-högskolan.
2014 (Engelska)Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

Numerous sophisticated algorithms exist for discovering reoccurring patterns in financial time series. However, the most accurate techniques available produce opaque models, from which it is impossible to discern the rationale behind trading decisions. It is therefore desirable to sacrifice some degree of accuracy for transparency. One fairly recent evolutionary computational technology that creates transparent models, using a user-specified grammar, is grammatical evolution (GE). In this paper, we explore the possibility of evolving transparent entry- and exit trading strategies for the E-mini S&P 500 index futures market in a high-frequency trading environment using grammatical evolution. We compare the performance of models incorporating risk into their calculations with models that do not. Our empirical results suggest that profitable, risk-averse, transparent trading strategies for the E-mini S&P 500 can be obtained using grammatical evolution together with technical indicators.

Ort, förlag, år, upplaga, sidor
IEEE, 2014.
Nyckelord [en]
Grammatical evolution, High-frequency trading, Machine learning, Data mining
Nationell ämneskategori
Datavetenskap (datalogi) Data- och informationsvetenskap
Identifikatorer
URN: urn:nbn:se:hj:diva-38082DOI: 10.1109/CIFEr.2014.6924111OAI: oai:DiVA.org:hj-38082DiVA, id: diva2:1163350
Konferens
IEEE Conference on Computational Intelligence for Financial Engineering & Economics, 27-28 March, 2014, London, UK
Anmärkning

Best paper award.

Tillgänglig från: 2017-12-06 Skapad: 2017-12-06 Senast uppdaterad: 2018-01-13Bibliografiskt granskad

Open Access i DiVA

fulltext(1023 kB)81 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 1023 kBChecksumma SHA-512
73a0a786c54fbcf85998ac90f78d1b9082245c1bde7323b26e3e927f93bfa7c51155f40bcca6aa729ba307f8c94d61f262af867d5526258abcb5fe7991531336
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltext

Sök vidare i DiVA

Av författaren/redaktören
Johansson, Ulf
Datavetenskap (datalogi)Data- och informationsvetenskap

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 81 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 102 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf