Адаптивни фази систем за алгоритамско трговање : интерполативни Булов приступ

Abstract

Тема овог рада je адаптивни фази систем за алгоритамско трговање. Систем је развијен коришћењем интерполативног Буловог приступа фази моделовању, анализи података и управљању. Предложени приступ укључује интерполативне логичке моделе за фази препознавање ценовних образаца на тржишту, логички ДуПонт метод за аутоматизовану анализу профитабилности предузећа, интерполативни фази контролер за управљање трговањем и генетски алгоритам за обучавање интерполативног фази контролера ради откривања стратегија. Интерполативни Булов приступ, заснован на интерполативној Буловој алгебри, превазилази проблем неконзистентности фази логике. Конструисани адаптивни фази систем може самостално, из података, да открије успешне стратегије, примени их за алгоритамско трговање и адаптира у случају пада њихових перформанси. Успешност система тестирана је на подацима са америчког тржишта акција, међународног девизног тржишта и тржишта криптовалута.

The topic of this thesis is adaptive fuzzy system for algorithmic trading. The system is developed using interpolative Boolean approach for fuzzy modeling, data analysis and control. The proposed approach includes interpolative logical models for fuzzy recognition of price patterns in market data, logical DuPont method for automated analysis of company’s profitability, interpolative fuzzy controller for trading and a genetic algorithm for extracting trading strategies by training interpolative fuzzy controller. Interpolative Boolean approach, based on interpolative Boolean agebra, solves the problem of fuzzy logic’s inconsistency with Boolean axioms. The proposed system can independently discover successful trading strategies from data, apply them for algorithmic trading and adapt in the case of performance deterioration. The system was tested on historical data from US equity, foreign exchange market and cryptocurrency market.