A novel rough set-based neuro-fuzzy

A novel rough set-based neuro-fuzzy stock trading decision model called stock trading using RSPOP is proposed in this paper. The proposed stock trading model circumvents the forecast bottleneck and synergizes the time-delayed price difference forecast approach with simple moving average rules for generating trading signals. Experimental results on forecasting stock price difference on artificially generated price series data showed that two neuro-fuzzy systems, namely DENFIS and a novel rough set-based neuro-fuzzy system called the
RSPOP FNN yielded superior predictive performance than the well-established random walk model. As the trading profits is more important to an investor than statistical performance, these neuro-fuzzy systems are incorporated as the underlying predictor model in forecasting stock price difference with a forecast bottleneck free trading decision model using moving average trading rules. Experimental results based on real world stock market data, namely the stock prices of NOL and DBS, are presented. Experimental trading profits in terms of portfolio end values of the proposed stock trading with RSPOP forecast model are benchmarked against the stock trading with DENFIS forecast model, the stock trading without forecast model and the stock trading with ideal forecast model. Experimental results showed that the proposed stock trading with RSPOP forecast model identified fewer fuzzy rules as well as yielded higher portfolio end values compared against the stock trading with DENFIS forecast model. Thus results showed that using RSPOP as the underlying predictive model identified rules with greater interpretability and accuracy. Experimental results also provided evidence that profitability strongly depends on the trading module and its parameters as well as the stock counter selected. Despite the different yield in profits, the experimental results consistently showed that the proposed stock trading with RSPOP forecast model yielded significantly higher profits than the stock trading without forecast model.

ผลลัพธ์ (ไทย) 1:

นวนิยายหยาบตามชุดศัลยกรรมเอิบคลังเรียกว่าแบบจำลองการตัดสินใจซื้อขายซื้อขายหุ้นโดยใช้ RSPOP จะนำเสนอในเอกสารนี้ หุ้นเสนอขายรุ่น circumvents รองการคาดการณ์ และ synergizes วิธีการคาดการณ์ของความแตกต่างราคาเวลาล่าช้าเรื่องย้ายเฉลี่ยกฎสำหรับการสร้างสัญญาณซื้อขาย แสดงผลการทดลองในการคาดการณ์ส่วนต่างราคาหุ้นราคาเหือดสร้างชุดข้อมูลที่สองระบบสมองเอิบ ได้แก่ DENFIS และนวนิยายแบบหยาบตามชุดศัลยกรรมเอิบระบบเรียกว่าการRSPOP FNN ผลการมอบประสิทธิภาพเหนือกว่ากว่าแบบสุ่มเดินดีขึ้น ค้ากำไรเป็นสำคัญให้นักลงทุนมากกว่าประสิทธิภาพทางสถิติ ระบบสมองปุยเหล่านี้รวมเป็นจำนวนประตูโมเดลต้นแบบในการคาดการณ์ส่วนต่างราคาหุ้นมีการคาดการณ์คอฟรีค้าตัดสินใจแบบจำลองโดยใช้ค่าเฉลี่ยเคลื่อนที่กฎการซื้อขาย มีแสดงผลการทดลองตามข้อมูลตลาดหุ้นโลก คือราคาหุ้นของ NOL และเศรษฐกิจ ทดลองซื้อขายกำไรในแง่ของผลงานค่าสิ้นสุดของการซื้อขายหุ้นเสนอกับ RSPOP แบบจำลองการคาดการณ์จะ benchmarked กับการซื้อขายหุ้นกับ DENFIS แบบจำลองการคาดการณ์ โดยแบบจำลองการคาดการณ์การซื้อขายหุ้น และหุ้นที่ซื้อขายกับแบบจำลองการคาดการณ์ที่เหมาะ ผลการทดลองแสดงให้เห็นว่า การเสนอซื้อขายหุ้นกับ RSPOP การณ์จำลองระบุกฎชัดเจนน้อยลง ตลอดจนหาค่าสุดท้ายผลงานสูงเมื่อเทียบกับหุ้นที่ซื้อขายกับแบบจำลองการคาดการณ์ DENFIS ดังนั้น ผลลัพธ์พบว่าใช้ RSPOP เป็นต้นแบบจำลองการคาดการณ์ที่ระบุกฎ interpretability และแม่นยำมากขึ้น ผลการทดลองยังมีหลักฐานว่า ผลกำไรขอขึ้นอยู่กับโมดูลการค้า และพารามิเตอร์ ตลอดจนหุ้นที่เลือกเคาน์เตอร์ แม้ มีผลตอบแทนที่แตกต่างกันในผลกำไร ผลการทดลองอย่างต่อเนื่องแสดงให้เห็นว่า การเสนอซื้อขายหุ้นกับ RSPOP การณ์แบบจำลองให้ผลกำไรสูงขึ้นอย่างมีนัยสำคัญกว่าการซื้อขายหุ้นโดยไม่มีแบบจำลองการคาดการณ์

ผลลัพธ์ (ไทย) 3:

นวนิยายชุด Neuro ฟัซซี่หยาบการซื้อขายหุ้นซื้อขายหุ้นโดยใช้การตัดสินใจแบบที่เรียกว่า rspop เสนอในบทความนี้ การเสนอซื้อขายหุ้นแบบ circumvents การคาดการณ์ของ synergizes เวลาล่าช้าและราคาที่แตกต่างกับการพยากรณ์แบบค่าเฉลี่ยเคลื่อนที่อย่างง่ายกฎสำหรับการสร้างสัญญาณการซื้อขายผลพยากรณ์ราคาหุ้นสร้างความแตกต่างบนเทียม ราคาข้อมูล ชุด พบว่าประสาทฟัซซี่สองระบบ คือ denfis และหยาบนวนิยายชุดตามระบบที่เรียกว่าประสาทฟัซซี่
rspop fnn ให้ผลการทำนายประสิทธิภาพที่เหนือกว่าแบบสุ่มที่มีชื่อเสียง เป็นค้ากำไร มีความสำคัญต่อนักลงทุนมากกว่าการปฏิบัติงานสถิติระบบฟัซซีเหล่านี้ ประสาทจะรวมเป็นรูปแบบพื้นฐานในการพยากรณ์ทำนายความแตกต่างของราคาหุ้นกับการคาดการณ์ของการตัดสินใจซื้อขายฟรีรูปแบบการย้ายกฎการซื้อขายเฉลี่ย ผลการทดลองบนพื้นฐานของข้อมูลในตลาดหุ้นโลกที่แท้จริงคือราคาหุ้นของแอล และดีบีเอส จะนำเสนอทดลองซื้อขายกำไรในแง่ของค่าจบผลงานของเสนอการซื้อขายหุ้นกับ rspop พยากรณ์แบบเทียบกับการซื้อขายหุ้นกับ denfis การคาดการณ์รูปแบบ , การซื้อขายหุ้นโดยไม่มีรูปแบบการพยากรณ์และการซื้อขายหุ้นแบบปรับเหมาะผลการทดลองแสดงให้เห็นว่า การนำเสนอการซื้อขายหุ้นกับ rspop พยากรณ์แบบระบุกฎฟัซซี่น้อยลงรวมทั้งจากผลงานจบสูงกว่าค่าเทียบกับการซื้อขายหุ้นกับ denfis พยากรณ์แบบ ดังนั้น ผลการศึกษาพบว่า การใช้ rspop เป็นต้นแบบรูปแบบการทำนายระบุกฎกับ interpretability มากขึ้นและความถูกต้องผลการทดลองยังให้หลักฐานที่ทำกำไรอย่างยิ่งขึ้นอยู่กับการซื้อขายโมดูลและพารามิเตอร์เช่นเดียวกับหุ้นตัวที่เลือก แม้ผลผลิตที่แตกต่างกันในผลกำไร ผลการทดลองพบว่า การเสนอซื้อขายหุ้นอย่างที่มีการคาดการณ์ rspop แบบจำลองให้ผลกำไรสูงกว่าการซื้อขายหุ้นโดยแบบจำลองพยากรณ์อากาศ