इष्टतम ट्रेडिंग रणनीति के लिए एक वास्तविक समय क्लस्टरिंग और svm आधारित मूल्य अस्थिरता भविष्यवाणी

+

हाइलाइट भविष्य की कीमतों समर्थन वेक्टर मशीन का उपयोग कर पूर्वानुमानित कर रहे हैं। एक अल्पावधि व्यापार रणनीति भविष्यवाणियों के आधार पर तैयार की है। एक परीक्षण अनुकरण 15 दिनों में 1.5% की एक लाभ का एहसास हुआ। निवेश और बाजार संकेतकों के आंदोलन पर वित्तीय वापसी अनिश्चितताओं और वैश्विक बाजार में मौजूद है कि एक अत्यधिक अस्थिर वातावरण से भरा है। इक्विटी बाजारों में भारी बाजार अनिश्चितता से प्रभावित हैं और कम से कम जोखिम के साथ एक स्वस्थ विविध पोर्टफोलियो को बनाए रखने निस्संदेह ऐसी संपत्ति में किए गए किसी भी निवेश के लिए महत्वपूर्ण है कर रहे हैं। प्रभावी कीमत और अस्थिरता भविष्यवाणी इक्विटी के साधन के इस तरह के एक पोर्टफोलियो के संबंध में निवेश की रणनीति के पाठ्यक्रम को प्रभावित अत्यधिक कर सकते हैं। इस पत्र में एक उपन्यास सोम आधारित संकर क्लस्टरिंग तकनीक पोर्टफोलियो का चयन और सटीक कीमत और पोर्टफोलियो के लिए अपनाया विशेष ट्रेडिंग रणनीति के लिए आधार बन जाता है जो उतार-चढ़ाव के पूर्वानुमान के लिए समर्थन वेक्टर प्रतिगमन के साथ एकीकृत है। अनुसंधान एक निवेशक के जोखिम में कमी और उच्च लाभप्रदता के लिए बनाए रख सकते हैं कि सबसे अच्छा विभागों के सेट की पहचान करने के लिए एनएसई शेयर बाजार (भारत) के शीर्ष 102 कंपनियों के शेयरों को समझता है। लघु अवधि के स्टॉक ट्रेडिंग रणनीति और प्रदर्शन संकेतक वास्तविक परिदृश्यों के संबंध में भविष्यवाणी की वैधता का आकलन करने के लिए विकसित कर रहे हैं। Subhabrata चौधरी वर्तमान में प्रौद्योगिकी खड़गपुर, भारत के भारतीय संस्थान में मैटलर्जिकल और सामग्री इंजीनियरिंग में प्रौद्योगिकी की डिग्री के स्नातक का पीछा और अंतिम वर्ष में है। अपने वर्तमान अनुसंधान ब्याज डाटा माइनिंग, संचालन अनुसंधान, मशीन लर्निंग और वित्त और इस्पात उद्योग में अपने आवेदन पत्र भी शामिल है। Subhajyoti घोष भारतीय प्रौद्योगिकी संस्थान खड़गपुर में एक चौथे वर्ष के छात्र स्नातक में भारत महासागर इंजीनियरिंग और नौसेना वास्तुकला में पांच साल दोहरी डिग्री प्रोग्राम (बीटेक और एम टेक) में दाखिला लिया है। अपने वर्तमान अनुसंधान संचालन अनुसंधान, वित्तीय बाजार, और निर्धारण पर केंद्रित है। अर्नब भट्टाचार्य वर्तमान में पिट्सबर्ग, अमेरिका के विश्वविद्यालय में संचालन अनुसंधान में पीएचडी उम्मीदवार है। उन्होंने अपने शोध क्षेत्रों संचालन अनुसंधान और डाटा खनन में शामिल हैं 2011 में भारतीय प्रौद्योगिकी संस्थान खड़गपुर, भारत में पांच वर्ष की दोहरी डिग्री कार्यक्रम औद्योगिक इंजीनियरिंग में (बीटेक और एम टेक) और प्रबंधन पूरा किया। किरण जूड फर्नांडीस यॉर्क मैनेजमेंट स्कूल, ब्रिटेन में संचालन प्रबंधन समूह के अनुसंधान निदेशक और प्रमुख है। उन्होंने यह भी जटिल प्रणाली विश्लेषण के लिए अंतःविषय यॉर्क केंद्र (YCCSA) पर प्रधान जांचकर्ता में से एक है। उन्होंने कहा कि संचालन प्रबंधन और वारविक विश्वविद्यालय से सिस्टम में पीएचडी की डिग्री रखती है; Waltech से उत्पादन में मिसिसिपी स्टेट यूनिवर्सिटी में इंजीनियरिंग के जेम्स वर्थ Bagley कॉलेज से एक परास्नातक (एमएस) (MSU) और इंजीनियरिंग के एक स्नातक (ऑनर्स) की डिग्री। अपने शोध के लिए एक जटिल प्रणाली के नजरिए का उपयोग जटिल सामाजिक और व्यापार डोमेन के मॉडलिंग पर केंद्रित है। मनोज कुमार तिवारी प्रौद्योगिकी खड़गपुर, भारत के भारतीय संस्थान में एक औद्योगिक इंजीनियरिंग विभाग में प्रोफेसर और प्रबंधन है। उन्होंने कहा कि एसएमसी पर आईईईई लेनदेन में शामिल हैं जो पत्रिकाओं के एक सहयोगी संपादक है। पार्ट ए। सिस्टम और मनुष्यों, प्रणाली विज्ञान के इंटरनेशनल जर्नल। निर्णय समर्थन प्रणाली के जर्नल। उन्होंने कहा कि विभिन्न अंतरराष्ट्रीय पत्रिकाओं तथा सम्मेलनों में 200 से अधिक प्रकाशनों है। अपने शोध के हितों निर्णय समर्थन मॉडल, योजना, निर्धारण और विनिर्माण सिस्टम का नियंत्रण समस्याएं, आपूर्ति श्रृंखला नेटवर्क रहे हैं। सहलेखक। दूरभाष। 91 3222 283 746। कॉपीराइट 2013 एल्सेविअर बी.वी. © सभी अधिकार सुरक्षित। इसी प्रकाशन एक वास्तविक समय क्लस्टरिंग और SVM आधारित मूल्य अस्थिरता भविष्यवाणी इष्टतम ट्रेडिंग रणनीति के लिए Subhabrata Choudhurya, 1, Subhajyoti Ghoshb, 2, अर्नब Bhattacharyac, किरण जूड Fernandesd, 3,4, मनोज कुमार Tiwarie, एन, 5 मैटलर्जिकल माल इंजीनियरिंग की aDepartment, भारतीय प्रौद्योगिकी संस्थान खड़गपुर, खड़गपुर 721,302 भारत सागर इंजीनियरिंग और नौसेना वास्तुकला, भारतीय प्रौद्योगिकी संस्थान खड़गपुर, खड़गपुर 721,302, भारतीय bDepartment पिट्सबर्ग, पिट्सबर्ग, फिलीस्तीनी अथॉरिटी 15213, संयुक्त राज्य अमेरिका के cUniversity प्रबंधन, डरहम विश्वविद्यालय के बिजनेस स्कूल, मिल हिल लेन, डरहम विश्वविद्यालय, डरहम DH1 3LB, यूनाइटेड किंगडम की Ddepartment औद्योगिक इंजीनियरिंग और प्रौद्योगिकी के प्रबंधन इंडियन इंस्टीट्यूट ऑफ eDepartment, खड़गपुर 721,302 भारत एक आर टी सी एल ई मैं n ओ च अनुच्छेद इतिहास: 17 अक्टूबर 2012 प्राप्त संशोधित रूप में प्राप्त 22 जुलाई 2013 10 अक्टूबर 2013 को स्वीकार कर लिया बिजय केतन पाणिग्रही द्वारा भेजी ऑनलाइन उपलब्ध 29 अक्टूबर 2013 शेयर बाजार क्लस्टरिंग आत्म आयोजन मैप्स ट्रेडिंग रणनीति समर्थन वेक्टर यंत्र एक बी एस टी आर एक सी टी निवेश और बाजार संकेतकों के आंदोलन पर वित्तीय वापसी अनिश्चितताओं और एक साथ भरा है वैश्विक बाजार में मौजूद है कि अत्यधिक अस्थिर वातावरण। इक्विटी बाजारों में भारी से प्रभावित हैं बाजार अनिश्चितता और कम से कम जोखिम undoubt - है के साथ एक स्वस्थ विविध पोर्टफोलियो को बनाए रखने ऐसी संपत्ति में किए गए किसी भी निवेश के लिए edly महत्वपूर्ण। प्रभावी कीमत और अस्थिरता भविष्यवाणी कर सकते हैं अत्यधिक इक्विटी के साधन के इस तरह के एक पोर्टफोलियो के संबंध में निवेश की रणनीति के पाठ्यक्रम को प्रभावित। में यह पत्र एक उपन्यास सोम आधारित संकर क्लस्टरिंग तकनीक का समर्थन वेक्टर प्रतिगमन के लिए के साथ एकीकृत है के लिए आधार बन जाता है जो पोर्टफोलियो के चयन से और सही कीमत और अस्थिरता भविष्यवाणियों पोर्टफोलियो के लिए अपनाया विशेष ट्रेडिंग रणनीति। अनुसंधान के शीर्ष 102 कंपनियों के शेयरों समझता एनएसई शेयर बाजार (भारत) के एक निवेशक के जोखिम में कमी के लिए बनाए रख सकते हैं कि सबसे अच्छा विभागों के सेट की पहचान करने के लिए और उच्च लाभप्रदता। लघु अवधि के स्टॉक ट्रेडिंग रणनीति और प्रदर्शन संकेतक को विकसित कर रहे हैं वास्तविक परिदृश्यों के संबंध में भविष्यवाणी की वैधता का आकलन करें। 2013 एल्सेविअर बी.वी. सभी अधिकार सुरक्षित। 1। परिचय वैश्विक वित्तीय बाजारों uncertain - के साथ फिर से भरा है निवेश के हर स्तर पर और हर संभव निवेश के ऊपर संबंधों जाहिर वाहन। अमेरिकी क्रेडिट के नीचे ग्रेडिंग की तरह हाल के घटनाक्रम मानक और Poor39 द्वारा रेटिंग; एस (एस और पी) अलंकृत एएए से से जुड़े एक विवेकपूर्ण आठ चल रही है और यूरो ऋण की कमी करने के लिए बड़े पैमाने पर सरकारी कर्ज में कई देशों के लिए मजबूर कर दिया है tailspin और छूत भारी कई अर्थव्यवस्थाओं को प्रभावित किया है दुनिया भर के सभी, आश्चर्य और साबित करके निवेशकों को ले जा रही है यहां तक ​​कि उनके सबसे खराब स्थिति भविष्यवाणी गलत। इस तरह के निहितार्थ अचरज की घटनाओं में भारी मूल्य वृद्धि में देखा जा सकता है एक पूरी विपरीत परिदृश्य जबकि वैश्विक बाजारों में सोने विकसित था, जो अमेरिकी शेयर, स्टॉक और वस्तुओं के बाजार में एक कमजोर डॉलर और एक भी frailer यूरो से पूरित। निवेशकों और निवेश को संस्थागत की एक भारी बहुमत माहौल extrapolating के आधार पर अपनी रणनीति तैयार करने के लिए करते हैं सरल हाल के रुझानों और पोर्टफोलियो वापसी जोखिम वाले व्यापार में गणना बंद एक इष्टतम एक कार्य योजना तैयार करने। भ्रम ही आधारित भविष्यवाणियों और निर्णय में निहित है में सूचकांक या व्यक्तिगत शेयर की कीमत आंदोलनों पर बाजार और एक के लिए विभिन्न रणनीतियों के लिए तकनीकी विश्लेषण निवेश वाहनों की सीमा होती है। जोखिम या उतार-चढ़ाव की अवधारणा लेता है इस संदर्भ में एक बहुत ही महत्वपूर्ण अर्थ। एक विशेष का मानक विचलन या विचरण निर्धारण परिसंपत्ति वर्ग या उसके व्युत्पन्न एक देने में पूरी तरह से महत्वपूर्ण हो जाता है मौजूदा बाजार अनिश्चितताओं के समग्र दृष्टिकोण। संरचनात्मक बाजार में बहिर्जात परिवर्तन की भविष्यवाणी करने के लिए बेहद मेहनत कर रहे हैं इसलिए अनुसंधान के इस टुकड़े में इस्तेमाल विश्लेषण देने पर केंद्रित है सही रूप में के मूड गेज कर सकते हैं कि एक निवेशक एक मजबूत उपकरण बाजार और महत्वपूर्ण हो जाता है, जो विचाराधीन संपत्ति जोखिम averseness मैच एक व्यापार रणनीति तैयार करने में या व्यक्तिगत निवेशकों या कंपनियों के संगठन की सहानुभूति का खतरा। ऊपर प्रतिक्रिया निवेश पर पहुंचने पर बेहद खतरनाक है फैसले तैयार विश्लेषणात्मक या की आधारशिला बन जाता है जो वजहें बचाव कर सकते हैं कि रणनीति तैयार करने की दिशा में अनुमानी समाधान किसी भी विघटनकारी प्रभाव पर इस तरह के व्यामोह के खिलाफ। कोई मॉडल के रूप में मूर्ख सबूत है, प्रदर्शन के वास्तविक समय से लगाया जाना चाहिए साइंसडायरेक्ट पर सामग्री सूचियां उपलब्ध हैं पत्रिका के मुखपृष्ठ: एल्सेविअर / ढूँढें / न्यूकॉम Neurocomputing 0925-2312 / $ - सामने बात 2013 एल्सेविअर बी.वी. सभी अधिकार सुरक्षित देखते हैं। dx. doi / 10.1016 / j. neucom.2013.10.002 nCorresponding लेखक। दूरभाष। þ91 3222 283 746। एक देता है, जो एक दैनिक आधार पर पोर्टफोलियो वापसी और जोखिम विश्लेषण निवेशक जोखिम में विविधता होगी कि कक्षाओं का एक सेट का चयन करने के लिए जो अधिकतम या अधिक सही ढंग एवज में रिटर्न का अनुकूलन के लिए करना है अपने लक्षित मूल्य के साथ [1]। यहां प्रस्तुत काम एक इष्टतम तैयार करने पर केंद्रित एक पेश करेंगे, जो जोखिम भरा संपत्ति या संपत्ति समूहों के पोर्टफोलियो निवेशक चयन में शामिल जोखिम-रिटर्न का आकलन करने के लिए। आदर्श नेशनल स्टॉक एक्सचेंज में सभी व्यापार योग्य शेयरों के लिए लागू किया जाता है वैकल्पिक व्युत्पन्न उपकरणों प्रदान करता है जो भारत का (एनएसई) सूचकांक वायदा और विकल्प की तरह। काम के लिए भारतीय शेयर चुनता है क्योंकि भारतीय अर्थव्यवस्था की उच्च बीटा के विश्लेषण और जहां वित्तीय fallouts के विरूपण प्रभाव के बीच अध्ययन किया जा सकता लंबी अवधि और छोटी अवधि के निवेश के लिए अनुकूल माहौल वास्तविक आर्थिक विकास की शह। काम की परिकल्पना की गई एक सही रूप में कीमतों में भविष्यवाणी कर सकते हैं कि पूरा भविष्य कहनेवाला मॉड्यूल और निहित अस्थिरता संपत्ति प्रकार, के साथ जुड़ा हुआ है, जो पहली बार अपने जोखिम और रिटर्न प्रोफाइल के आधार पर संकुल रहे हैं। ए संकर सोम (आत्म आयोजन मैप्स) का उपयोग करते हुए कश्मीर क्लस्टरिंग इसका मतलब यह है समर्थन वेक्टर प्रतिगमन जबकि शेयरों क्लस्टरिंग के लिए इस्तेमाल किया (आर) कम करने के लिए भविष्य के मूल्य में उतार-चढ़ाव और भविष्यवाणी करने के लिए प्रयोग किया जाता है बेहतर पूर्वानुमान के लिए व्यापार चक्र। परिणामों के आधार पर, एक व्यापार रणनीति मॉड्यूल के लिए सबसे अच्छी रणनीति का चयन करता है जो व्यक्त होता है बाजार में निहित अनिश्चित परिदृश्य के तहत व्यापार पूर्वानुमान के द्वारा संकेत दिया। जैसा कि पहले कहा, की तुलना में अधिक वास्तविक कीमतों और अस्थिरता की भविष्यवाणी करने में सटीकता, क्या हो जाता महत्वपूर्ण आंदोलनों के रिश्तेदार दिशा है और मूल्यों का एक निश्चित सीमा के मॉडल के आधार पर प्रस्ताव कर सकते हैं कि एक निवेशक के आधार पर चुनता है कि अलग-अलग रणनीति पर अपने जोखिम से बचने। क्लस्टरिंग को शामिल किया गया है, जो मौजूदा काम तकनीक [2,3] और उन्नत सांख्यिकीय और डेटा खनन techni - सवाल [4] बेहतर पूर्व के लिए कई परिवर्तनों से गुजरा है dictive क्षमता। लेखन के समय, लेखकों कोई है दोनों का उपयोग करता है, जो एक आत्मसात युग्मित प्रणाली का ज्ञान क्लस्टरिंग और भविष्य कहनेवाला तकनीक रणनीति चयन करने के लिए लिंक शेयर बाजार पोर्टफोलियो के लिए। इस लेख का आयोजन निम्न रूप में किया गया है। अगले भाग की चर्चा है 2। साहित्य समीक्षा इस खंड में, क्लस्टरिंग तकनीक में संबंधित काम, regres - सायन मॉडल और व्यापार रणनीतियों सेट जो चर्चा कर रहे हैं समस्या के लिए मंच इस पत्र में संबोधित किया। 2.1। क्लस्टरिंग तकनीक तकनीक clustering पिछले कुछ दशकों के लिए इस्तेमाल किया गया है विविध डेटा सेट assort लेकिन यह केवल बाद में 1990 के दशक में जब में है क्लस्टरिंग तकनीक वित्तीय आंकड़ों पर शोषण किया गया। Conven - राष्ट्रीय ज़ाती और hierarchal एल्गोरिदम में विकसित उनकी जीए-कश्मीर के साधन जैसे आनुवंशिक संकर। इन बड़े पैमाने पर इस्तेमाल किया गया बाजार विभाजन के लिए [5]। वित्तीय आंकड़ों के मामले, क्लस्टरिंग में एल्गोरिदम भी समय श्रृंखला डेटा क्लस्टर के लिए इस्तेमाल किया गया है। क्लस्टर - समय श्रृंखला की आईएनजी के लिए एक बेहतर प्रतिगमन मॉडल की सुविधा भविष्य भविष्यवाणी [6] यह काफी एक गैर का शोर कम कर देता है एक शेयर की कीमत की तरह स्थिर समय श्रृंखला,। कई ज़ाती और agglomerative clus - हालांकि वहाँ TERING एल्गोरिदम सोम अधिक लोकप्रिय में से एक के रूप में उभरा है द्वारा विश्लेषण के रूप में, बहु-आयामी डेटा क्लस्टरिंग में चुनाव Shahapurkar और सुंदरेशन [7]। सोम उपयोग कृत्रिम तंत्रिका शुद्ध क्लस्टर डेटा के लिए काम करता है और एक पर मानचित्रण बहु variate डेटा में मदद करता है द्वारा [8] के रूप में दिखाया 2-डी अंतरिक्ष। इन क्लस्टरिंग की जटिलता एल्गोरिदम जिससे भारी, खिलाया डेटा की राशि के लिए आनुपातिक हैं क्लस्टरिंग ऑपरेशन के लिए कम्प्यूटेशनल समय बढ़ रही है। में हमारे मामले डेटा दोनों शोर होने का खतरा और व्यापक है। शोर को खत्म करने और बाद में computa - सुधार करने के लिए tion के समय Vesanto और Alhoniemi [9] एक उपन्यास दो स्तर प्रस्तावित अमूर्त स्व आयोजन मानचित्र क्लस्टर के लिए। उनके प्रयोगों सोम क्लस्टरिंग प्रभावी एक अधिक computationally है कि संकेत दिया सीधे डेटा सेट क्लस्टरिंग से दृष्टिकोण। वहीं दूसरी ओर सोम 2-डी पर उच्च आयामी डेटा सेट कल्पना करने में मदद करता है अंतरिक्ष, हम आयाम में वृद्धि करता है, तो मददगार होगा जो 2. वहाँ से अधिक करने के लिए एक शेयर का प्रतिनिधित्व करने के लिए प्रयास किया गया है विभिन्न एकल परत क्लस्टरिंग तरीकों का उपयोग कर एक पोर्टफोलियो बनाने [10], लेकिन हमारे ज्ञान का सबसे अच्छा करने के लिए, प्रस्तावित दो परतों है 2.2। प्रतिगमन मॉडल शोधकर्ताओं के पिछले कुछ वर्षों में बढ़ती संख्या रहे हैं के विभिन्न प्रकार के मूल्य में उतार-चढ़ाव और आंदोलन का अध्ययन वित्तीय प्रपत्र। शिक्षाविदों और कॉर्पोरेट शोधकर्ताओं रहे हैं उनकी पूरी कोशिश कर भविष्य की भविष्यवाणी करने के तरीकों को तैयार करने के लिए आर्थिक बाजार और एक प्रभावी व्यापार प्रणाली के लिए वसीयत लाभ [15] को अधिकतम। कम्प्यूटेशनल खुफिया की शुरूआत से पहले परंपरा ऐसे बहुभिन्नरूपी प्रतिगमन, ऑटो के रूप में राष्ट्रीय सांख्यिकीय तकनीक सामान्यीकृत प्रतिगामी एकीकृत चल औसत (ARIMA) [16], autoregressive सशर्त heteroskedasticity (GARCH) [17] थे भविष्यवाणी के लिए इस्तेमाल किया जा रहा है। वे महत्वपूर्ण उत्पादन करने में असमर्थ हैं शेयरों डेटा आम तौर पर जटिल है और प्रकृति में शोर कर रहे हैं के रूप में परिणाम। को ऐसी समस्या के रूप में कृत्रिम खुफिया तकनीक को सही जेनेरिक एल्गोरिदम, कृत्रिम तंत्रिका नेटवर्क (एएनएन) समर्थक थे इस समस्या के दृष्टिकोण के समक्ष रखी। शोधकर्ताओं ने अब inclining रहे हैं समर्थन वेक्टर मशीन (SVM) की ओर, पहली Vapnik ने सुझाव दिया [18] का पूर्वानुमान [6,19] में सुधार होगा। के अधिकांश तुलना परिणाम SVM भविष्यवाणी प्रदर्शन के मामले में एएनएन से बढ़कर है कि दिखाने [20]। इस वजह से आर के कम जटिल संरचना करने के लिए और कारण है संरचनात्मक जोखिम न्यूनीकरण के सिद्धांत, आर के कार्यान्वयन सामान्यीकरण त्रुटि के ऊपरी सीमा को कम करने का प्रयास एएनएन में अनुभवजन्य जोखिम न्यूनीकरण के सिद्धांत कार्यान्वयन है, जबकि गलत वर्गीकरण त्रुटि या devia - कम करने के लिए करना चाहता है जो mented परीक्षण के आंकड़ों से समाधान की tion। इसके अलावा कम मौका है के SVM ​​के साथ फिटिंग पर यह एएनएन जबकि वैश्विक इष्टतम है के रूप में हो सकता है उत्पन्न केवल स्थानीय इष्टतम समाधान [21,22]। एक उत्तल द्विघात अनुकूलन SVM जहां एक के लिए समाधान पाने के लिए प्रयोग किया जाता है SVM बाद एक बेहतर साबित है कि लगता है। SVM [21] द्वारा इस्तेमाल किया गया था कोरिया कम्पोजिट स्टॉक मूल्य की कीमत का दैनिक परिवर्तन की भविष्यवाणी सूचकांक (KOSPI)। इसके अलावा SVM मॉडल मामले के साथ तुलना की गई थी आधार पर तर्क (सीबीआर) और पीछे-प्रसार तंत्रिका नेटवर्क SVM अन्य दो से बेहतर प्रदर्शन किया, जहां (BPN)। की भविष्यवाणी निक्केई 225 सूचकांक की साप्ताहिक आंदोलन प्रवृत्ति बाहर किया गया था SVM [26] का उपयोग कर। SVM, इसकी भविष्यवाणी की क्षमता का मूल्यांकन करने के लिए प्रदर्शन रैखिक विभेदक के उन लोगों के साथ तुलना में था विश्लेषण, द्विघात विभेदक विश्लेषण और Elman वापस propa - gation तंत्रिका नेटवर्क (एनएन)। SVM अन्य तरीकों से बेहतर प्रदर्शन प्रयोग में। साथ SVM को एकीकृत करके एक संयोजन मॉडल अन्य वर्गीकरण के तरीकों को भी पत्र में प्रस्तावित किया गया था। Gavrishchaka और ममता [27] volati - की समस्या को संबोधित किया उच्च आयामी शेयर बाजार से lity भविष्यवाणी। SVM-आधारित उतार-चढ़ाव मॉडल अक्सर स्थापित करने के लिए बेहतर बराबर था उदाहरण GARCH और इसकी जनरल के लिए उतार-चढ़ाव भविष्यवाणी मॉडल izations। एनएसई के सपा सूचकांक निफ्टी मार्केट इंडेक्स की भविष्यवाणी कुमार और Thenmozhi से बाहर किया गया था [28] SVM का प्रयोग और रैंडम वन प्रतिगमन। परीक्षण में SVM से बेहतर था जैसे पारंपरिक तरीकों के अलावा रैंडम वन, एन ARIMA। हांगकांग प्रतिभूति बाजार में अनुभवजन्य अध्ययन एएनएन और आर दृष्टिकोण काफ़ी हटना कि पुष्ट औसत पूर्वानुमान त्रुटियों और तदनुसार पूर्वानुमान - में सुधार सटीकता हैैं। एएनएन और SVM के आधार पर एक nonparametric दृष्टिकोण सुधार के परंपरागत विकल्प मूल्य निर्धारण तकनीक के साथ-साथ था हांगकांग प्रतिभूतियों से विकल्प की कीमतों की भविष्यवाणी के लिए प्रस्तुत बाजार [29]। परिणाम पूर्वानुमान - में महत्वपूर्ण सुधार देखा गया एएनएन और आर आधारित मॉडल के साथ सटीकता हैैं। प्रदर्शन साहित्य पर SVM प्रतिगमन के मामले के अध्ययन के खिलाफ मापा जाता है, इस तरह के रेडियल आधार के रूप में अन्य उन्नत शिक्षण विधियों समारोह मोर्चे, पारंपरिक बहुपरत perceptron मॉडल, बॉक्स जेनकींस autoregressive एकीकृत से चलती है आवेग प्रतिक्रिया स्थानीय बारम्बार तंत्रिका नेटवर्क [22] व्याप्ति तुलना विश्लेषण किया कि मामलों में, SVM तुलनीय से पता चलता है अधिकांश मामलों के लिए और अन्य तकनीकों से बेहतर साबित। शास्रीय ARMA और GARCH जैसे तरीकों, के लिए बहुत बड़ा नमूना आकार की आवश्यकता के लिए एक कम मूल नमूना आकार के लिए अग्रणी बेहतर भविष्यवाणी उच्च आदेश मॉडल [30]। उन्होंने यह भी पता चला है कि SVM और वापस प्रचार (बीपी) में ARMA मॉडल की तुलना में बेहतर प्रदर्शन विचलन माप मापदंड। प्रयोगों से भी पता चलता है कि SVM अरमा GARCH और बीपी मॉडलों के परिमित मिश्रण दोनों से बेहतर साबित विचलन प्रदर्शन मापदंड में [31]। हाल के अध्ययनों ने एक संकर आर दृष्टिकोण को लक्षित कर दिया गया है आर [32,33] के पूर्वानुमान के प्रदर्शन में सुधार करने के लिए। संकेत तरंगिका रूपांतरण और अऋणात्मक तरह प्रोसेसिंग तकनीक मैट्रिक्स गुणन के पूर्वानुमान में सुधार लाने में मदद करता है। समर्थन वेक्टर प्रतिगमन से प्राप्त के पूर्वानुमान मॉडल, अगले 15 के लिए समापन की कीमतों में उतार-चढ़ाव और मूल्यों प्रदान करता है औसत और theInfinite दिन। इन मूल्यों को व्यापार को तैयार करने के लिए मंच का गठन रणनीति लाभ को अधिकतम करने के लिए। 2.3। ट्रेडिंग रणनीति काम का एक बड़ा सौदा पिछले एक दशक में प्रकाशित किया गया है शेयर बाजार के कारोबार की रणनीतियों पर। इन रणनीतियों में से अधिकांश हैं यह मोमबत्ती छड़ी के मामले में के रूप में है, या तो lags से नीचे त्रस्त रणनीति, या के मामले की तरह, लंबी अवधि के निवेश के लिए फिट है गति व्यापार। हम प्रस्ताव है कि रणनीति पर आधारित है पर यह एक लाभ देता है, जो दो दिनों के कारोबार के विश्लेषण, मन में में मौजूद उथलपुथल रखते हुए अन्य रणनीतियों आर्थिक बाज़ार। एक निर्णय मैट्रिक्स भी मदद करने को तैयार है व्यापारी निर्णय ले। 3.1। क्लस्टरिंग समाधान की दिशा में पहला कदम सूचीबद्ध कंपनियों के शेयरों की क्लस्टरिंग शामिल एनएसई में अपने लघुगणक रिटर्न और दैनिक अंतर्निहित पर आधारित अस्थिरता। क्लस्टरिंग पूछना सीखने की एक विधि के लिए है समूहों का एक सेट में सेट एक डेटा विभाजन। यह पत्र एक दो का प्रस्ताव परत अमूर्त सोम द्वारा पीछा का उपयोग कर शेयरों में क्लस्टर के लिए चित्र में दिखाया गया सोम की क्लस्टरिंग कश्मीर का मतलब है। 1. पहले के स्तर, सोम, पड़ोस के साथ एक 2-डी तंत्रिका नेटवर्क के शामिल न्यूरॉन्स के बीच संबंधों। इनपुट वैक्टर से जुड़े हैं उत्पादन परतों लेकिन न्यूरॉन्स आपस में जुड़े हुए नहीं हैं। सोम है क्लस्टरिंग और उच्च आयामी डेटा की मैपिंग पर के लिए अनुकूल 2-डी भूखंडों, साबित करने बहु आयामी के मामले में आदर्श होना दृष्टिकोण में दूसरे स्तर के एक का उपयोग कर क्लस्टरिंग शामिल ज़ाती एल्गोरिथ्म। जैसे ज़ाती एल्गोरिदम विभाजन कश्मीर का अर्थ है हर प्रोटोटाइप संकुल है, जिसमें कश्मीर के समूहों में डेटा सेट, अपने निकटतम मतलब पर आधारित है। कश्मीर साधन का प्रतिनिधित्व से परिणाम प्राप्त बदले में अंतर्निहित का एक नक्शा हैं जो प्रोटोटाइप के समूहों, शेयरों। समूहों का इष्टतम संख्या में विभिन्न से निर्धारित किया जाता है क्लस्टर वैधता सूचकांकों। यह भी गणना की सूचकांकों एक इष्टतम संकेत इस मामले में क्लस्टरिंग, कि तालिका 1 में सारणीबद्ध है। यह दो स्तर दृष्टिकोण काफी हद तक कम कर देता है अभिकलन = N¼1000 के लिए 15, या के बारे में छह गुना। का बेशक, यह कई व्यावहारिक चुनाव के बाद से एक बहुत मोटा अनुमान है 3.2। समर्थन वेक्टर यंत्र समाधान के दूसरे चरण के समय regressing शामिल जिससे पहला कदम है और से प्राप्त शेयरों की श्रृंखला समर्थन वेक्टर मशीनों का उपयोग भविष्यवाणी भविष्य मूल्यों। SVMs