bibtype C - Conference Paper (international conference)
ARLID 0087701
utime 20240103184607.5
mtime 20071207235959.9
title (primary) (eng) Adaptive Control Applied to Financial Market Data
specification
page_count 6 s.
serial
ARLID cav_un_epca*0091656
title Advanced Mathematical Methods for Finance 2007
page_num 1-6
publisher
place Strasbourg cedex
name European Science Foundation
year 2007
title (cze) Adaptivní řízení aplikované na data z finančních trhů
keyword bayesian statistics
keyword portfolio optimization
keyword finance
keyword adaptive control
author (primary)
ARLID cav_un_auth*0101205
name1 Šindelář
name2 Jan
institution UTIA-B
fullinstit Ústav teorie informace a automatizace AV ČR, v. v. i.
author
ARLID cav_un_auth*0101124
name1 Kárný
name2 Miroslav
institution UTIA-B
full_dept Department of Adaptive Systems
fullinstit Ústav teorie informace a automatizace AV ČR, v. v. i.
source
url http://library.utia.cas.cz/separaty/2007/si/sindelar-adaptive control applied to financial market data.pdf
cas_special
project
project_id 2C06001
agency GA MŠk
country CZ
ARLID cav_un_auth*0217685
research CEZ:AV0Z10750506
abstract (eng) Our research aim is to plan an optimal decision strategy in trading commodity futures markets. At a given time, we have to decide to buy or sell a commodity contract or stay out of the market. The decision is made using dynamic programming using many different quantities - previous price maxima and minima or variance, commitment of traders information or own engineered quantities taken out of trading experience. As a loss function we take the negative profit measured in money, where the probability density functions(PDF) are estimated using Bayesian learning. For computational solvability, we need to implement a series of approximations: predictive PDFs are computed using parametric models from an exponential family, giving us easy to adapt systems. We use point estimates to overcome the curse of dimensionality and we are trying to lower the number of dimensions (main components analysis etc.).
abstract (cze) Prováděný výzkum se zabývá navrhováním optimální strategie pro obchodování na komoditních trzích. V daném čase se musíme rozhodnout, zda koupit nebo prodat komoditní kontrakt nebo zda zůstat mimo trh. Optima je dosahováno za pomoci dynamického programování s použitím rozličných vstupních veličin - maxim a minim předchozích cen, commitment of traders a dalších veličnin navržených podle dosavadních zkušeností s obchodováním. Jako ztrátová funkce se bere záporná hodnota zisku měřená v penězích. Hustoty pravděpodobnosti jednotlivých možných pohybů cen jsou odhadovány za pomoci techniky Bayesovského učení. Pro snížení složitosti výpočtů je použita řada přiblížení: hustoty pravděpodobnosti jsou parametrizovány jednoduchými modely z exponenciální rodiny, používáme pouze bodové odhady parametrů namísto celých hustot a snažíme se snížit počet rozměrů jednotlivých modelů. V modelech používáme zapomínání pro lepší souhlas s realitou, kde stará data nemají stejný vliv, jako data nová.
action
ARLID cav_un_auth*0231389
name Advanced Mathematical Methods for Finance
place Vídeň
dates 17.09.2007-22.09.2007
country AT
reportyear 2008
RIV BB
permalink http://hdl.handle.net/11104/0149488
arlyear 2007
mrcbU63 cav_un_epca*0091656 Advanced Mathematical Methods for Finance 2007 1 6 Strasbourg cedex European Science Foundation 2007