الأمثل من بين المتاجرة أنظمة و المحافظ

تحسين نظم التداول والمحافظ. الاقتباسات اقتباسات 32.الاستنتاجات المراجع 5. وقد تميل الدراسات البحثية إلى التركيز على أنظمة التداول أو أساليب بناء محفظة أو أنظمة متعددة وكلاء سميوريانو وآخرون 2012 بشكل منفصل بعض المحافظ التجارية نظام محسن مودياند، ليتشونغ 1997، ديمبستر، جونز 2001 ولكن عدد قليل جدا قد عالج مشاكل تحسين محفظة نظام التداول على نطاق واسع بيرولد 1984 نادرا ما تستخدم أنظمة متعددة الوكلاء في التداول، على الرغم من أن الأمثلة العرضية يمكن العثور عليها أراجو، دي كاسترو 2011. عرض الملخص ملخص الملخص الملخص: مهام بناء محفظة واسعة النطاق نقوم بتحليل مشاكل الاقتصاد المستدام من خلال تقسيم المهام الكبيرة إلى أصغر منها وتقديم نهج قائم على نظام التغذية إلى الأمام ويستند التبرير النظري لحلنا على التحليل الإحصائي متعدد المتغيرات للمهام الاستثمار متعددة الأبعاد، لا سيما على العلاقات بين البيانات حجم، تعقيد الخوارزمية ومحفظة إف إيكاسي للحد من مشكلة حجم العينة الأبعاد، يتم تقسيم مهمة أكبر إلى أجزاء أصغر عن طريق تجميع تشابه البند وتعطى مشاكل مماثلة للمجموعات الصغيرة لحل المجموعات، ومع ذلك، تختلف في العديد من الجوانب الزائفة شكلت بشكل عشوائي مجموعات يؤلف عددا كبيرا من وحدات نظم اتخاذ القرارات الموجهة إلى الأمام تشكل آلية التطور مجموعات من أفضل الوحدات لكل فترة زمنية قصيرة واحدة يتم نقل الحلول النهائية إلى المستوى العالمي حيث يتم اختيار مجموعة من أفضل الوحدات باستخدام مفاهيم حساسة للتكلفة متعددة الوسائط يتم الجمع بين الوحدات المجمعة في حل نهائي في نهج متساوي الوزن 1 محفظة N وقد أثبتت فعالية نهج صنع القرار الرواية من خلال مشكلة المحفظة المالية الأمثل، والتي أسفرت عن كميات كافية من البيانات في العالم الحقيقي لبناء محفظة، استخدمنا 11،730 محاكاة وتداول روبوت العروض وتغطي مجموعة البيانات الفترة من 2003 إلى 2012 عندما البيئية كانت التغيرات متكررة وغير قابلة للتنبؤ إلى حد كبير تظهر تجارب التقدم إلى الأمام والتجارب خارج العينة أن النهج القائم على مبادئ الاقتصاد المستدام يتفوق على الأساليب المرجعية وأن تاريخ تدريب وكيل أقصر يدل على نتائج أفضل في فترات بيئة متغيرة. النص الكامل المادة يناير 2014.Raudys أيستيس روديس Pabarkait. L شو، 2003 تحسين المحافظ المالية من منظور الهياكل الزمنية التعدين من عوائد الأسهم، في P بيرنر و A روزنفيلد، محرر التعلم الآلي وتعدين البيانات في التعرف على الأنماط - MLDM 2003، ص 266-275، لناي 2734، سبرينجر فيرلاغ مثل مشاكل أساسية أخرى في التحليل المالي، كانت المشكلة المثلى في اختيار المحفظة مرنة أمام هجمة الباحثين من تخصصات الشبكات العصبية الاصطناعية وتعلم الآلة 3456 يتطلب استخدام نهج الشبكات العصبية معلمات مثلى يمكن تعلمها على نحو متكيف مع مرور الوقت. عرض الملخص ملخص الملخص الملخص في هذا البحث، نهدف إلى تعريف كيف يمكن استغلال أحد التقنيات المتقدمة للتعلم الإحصائي (تيتال تيتشينغ تيشنولوجيز)، تحليل العوامل الزمنية تفا، والذي كان مكرسا في الأصل لمزيد من الدراسة لنظرية تسعير المراجحة أبت، واستخراج البيانات لتحديد الأوزان في مشكلة تحسين المحفظة وعلاوة على ذلك، فإننا ندرس عدة متغيرات من أبت - القائم على تقنية تعظيم نسبة شارب التي تستخدم مفاهيم المخاطر السلبي محفظة وتقلب رأسا على عقب مصممة - جعلت من الحاجة إلى المخاطر - نفير وكذلك الربح العدوانية - البحث عن المستثمرين. كامل النص ورقة المؤتمر يوليو 2003.Kai تشون تشيو لي Xu. Linear الانحدار من عقد الوقت لنسبة مس في جميع الأسواق أعطى ارتباطا شارك في كفاءة من 48 وهذا يتفق مع النتائج في 1 و 4 والتي أظهرت أن التدريب رل يكيف التجار إلى أعلى تكلفة الصفقة عن طريق الحد من وتيرة التداول في حالة تداول العملات الأجنبية يعني انخفاض نسبة مس ق أن هذا الانتشار هو أعلى نسبيا تكلفة المعاملة المعادلة ونحن يجب أن نتوقع أن يتم تخفيض التردد التجاري. عرض الملخص الملخص الملخص هذه الدراسة تبحث في تداول العملات ذات التردد العالي مع الشبكات العصبية المدربة عن طريق التعلم التعزيزي المتكرر رل نقوم بمقارنة أداء شبكات الطبقة الواحدة مع الشبكات التي لها طبقة مخفية ودراسة تأثير معلمات النظام الثابت على الأداء بشكل عام، نحن إلى أن الأنظمة التجارية قد تكون فعالة، ولكن الأداء يختلف اختلافا كبيرا لأسواق العملات المختلفة ولا يمكن تفسير هذا التباين بإحصاءات بسيطة للأسواق كما نجد أن شبكة الطبقة الواحدة تتفوق على شبكة الطبقة في هذا التطبيق. ورقة المؤتمرات أبر 2003 التنمية التكنولوجية والاقتصادية للاقتصاد. بواسطة جون مودي، ماثيو سافيل 2001. نقدم أساليب لتحسين المحافظ وتخصيص الأصول وأنظمة التداول على أساس التعزيز المباشر در في هذا النهج، يعتبر اتخاذ القرارات الاستثمارية مشكلة تحكم عشوائية، يتم اكتشاف استراتيجيات مباشرة نقدم إعلان الخوارزمية أبتيف تسمى المتكررة r. We تقديم أساليب لتحسين المحافظ وتخصيص الأصول، وأنظمة التداول على أساس التعزيز المباشر در في هذا النهج، ينظر إلى اتخاذ القرارات الاستثمارية على أنها مشكلة التحكم العشوائي، ويتم اكتشاف الاستراتيجيات مباشرة نقدم خوارزمية التكيف دعا التعلم المتكرر للتعلم التعزيزي رل لاكتشاف سياسات الاستثمار يتم القضاء على الحاجة إلى بناء نماذج التنبؤ وتحسين أداء التداول يختلف نهج التعزيز المباشر عن البرمجة الديناميكية وخوارزميات التعزيز مثل التعلم التدريجي والتعلم من Q الذي يحاول تقدير قيمة وظيفة من أجل السيطرة على المشكلة نجد أن إطار التعزيز المباشر رل تمكن من تمثيل المشكلة أبسط، يتجنب بلمان أبوس لعنة الأبعاد ويقدم مزايا مقنعة في الكفاءة ونحن نوضح كيف التعزيز المباشر يمكن استخدامها لتحسين عائدات الاستثمار المعدلة المخاطر بما في ذلك التفاضلية ش في حين أن حساب الآثار المترتبة على تكاليف المعاملات في عمل محاكاة واسعة باستخدام البيانات المالية الحقيقية، نجد أن نهجنا على أساس رل تنتج استراتيجيات تجارية أفضل من الأنظمة التي تستخدم Q - التعلم طريقة وظيفة القيمة وتشمل التطبيقات في العالم الحقيقي، وتاجر العملة اليومية ونظام توزيع الأصول الشهرية ل S أمب 500 مؤشر الأسهم و T-Bills. by بليك ليبارون 1998. يجمع هذا البحث التقنيات المستمدة من الأدب على خوارزميات التحسين التطوري جنبا إلى جنب مع الاختبارات الإحصائية القائمة على بوتستراب بوتسترابينغ والتحقق من صحة الصليب تستخدم كإطار عام لتقدير الأهداف من العينة عن طريق إعادة رسم مجموعات فرعية من عينة تدريبية إيفولو. تجمع هذه الورقة بين التقنيات المستمدة من الأدبيات حول خوارزميات التحسين التطوري مع الاختبارات الإحصائية القائمة على بوتستراب يتم استخدام بوتسترابينغ والتحقق من الصلاحيات كإطار عام لتقدير الأهداف من العينة عن طريق إعادة رسم مجموعات فرعية من تر نموذج إينينغ يتم استخدام التطور للبحث في مساحة كبيرة من معماريات الشبكة المحتملة مزيج من هاتين الطريقتين يخلق إجراء تقدير الشبكة واختيار التي تهدف إلى إيجاد هياكل الشبكة البارد التي تعميم بشكل جيد وترد أمثلة من البيانات المالية تبين كيف يقارن ذلك مع التقليدية أكثر طرق اختيار النموذج كما تسمح منهجية بوتستراب وظائف موضوعية أكثر عمومية من المربعات الصغرى المعتادة لأنه يمكن تقدير التحيز في العينة لأي وظيفة وسيتم مقارنة بعض هذه مع التقديرات التقليدية المربعات الصغرى في إعدادات التداول الديناميكي مع سلسلة العملات الأجنبية 1 1. شيراني 1994 3 نتائج مبكرة تبين لهم أن تكون أداة فعالة في التنبؤات سلسلة الوقت محاكاة باستخدام البيانات هينون ليبارون 1997 4 الأوراق الأخيرة من قبل بينجيو 1997، تشوي ويجند 1997، و مودي وو 1997- - ملهمة بشكل واضح هنا أمثلة حديثة أخرى تبحث في يمكن العثور على أهمية وظائف فقدان أخرى في غرانجر بيسارا n 1996 ستارت 1، 1 حيث، من قبل أمير ف. أتيا، ألكسندر G بارلوس - إيي ترانز نيورال نيتوركس 2000. كيف أن تدريب الشبكات المتكررة بكفاءة يبقى موضوع بحثي يتسم بالتحديات والنشاط معظم مقاربات التدريب المقترحة هي استنادا إلى الطرق الحسابية للحصول على كفاءة التدرج من وظيفة الخطأ، ويمكن تجميعها بشكل عام في خمس مجموعات رئيسية في هذه الدراسة نحن بريسن. كيفية تدريب بكفاءة الشبكات المتكررة لا يزال موضوع البحث الصعبة والنشطة وتستند معظم النهج التدريبية المقترحة على الطرق الحسابية لكفاءة الحصول على التدرج من وظيفة الخطأ، ويمكن تجميعها بشكل عام في خمس مجموعات رئيسية في هذه الدراسة نقدم اشتقاق الذي يوحد هذه النهج ونحن نبرهن على أن النهج هي خمس طرق مختلفة فقط لحل معادلة مصفوفة معينة و الهدف الثاني من هذه الورقة هو تطوير خوارزمية جديدة على أساس رؤى المكتسبة من صياغة الرواية خوارزمية جديدة m، التي تقوم على تقريب خطأ التدرج، لديها تعقيد الحسابية أقل في حساب التحديث الوزن من التقنيات المتنافسة لمعظم المشاكل النموذجية وبالإضافة إلى ذلك، فإنه يصل الخطأ الحد الأدنى في عدد أقل بكثير من التكرارات سمة مرغوبة للتدريب شبكة متكررة الخوارزميات هي أن تكون قادرة على تحديث الأوزان في الأزياء على الخط قمنا أيضا بتطوير نسخة على الخط من الخوارزمية المقترحة، التي تقوم على تحديث تقريب التدرج الخطأ بطريقة ريسورسيف. توماس هيلسترم، كينيث هولمسترم 1999 ، وتصف هذه الورقة أستا، وكيل تداول الأوراق المالية الاصطناعية، في بيئة البرمجة ماتلاب والغرض الرئيسي من المشروع هو توفير مقاعد البدلاء اختبار مستقرة وواقعية لتطوير خوارزميات التداول متعددة الأسهم يتم التحكم سلوك الوكيل من قبل لانغوا عالية المستوى. تصف هذه الورقة أستا، وكيل تداول الأوراق المالية الاصطناعية، في بيئة البرمجة ماتلاب الغرض الأساسي من t هو المشروع هو توفير مستقرة وبطريقة اختبار واقعية لتطوير خوارزميات التداول متعددة الأسهم يتم التحكم سلوك وكيل من قبل لغة عالية المستوى، والتي يمكن تمديدها بسهولة مع وظائف المعرفة من قبل قواعد البيع والشراء يمكن أن يكون التي تتكون بشكل تفاعلي ومختلف أنواع فحص البيانات يمكن أن يؤديها بسهولة، وكل ذلك في بناء الجملة ماتلاب m - ملف وبصرف النظر عن. بي هيزون لي، روبرت كوزما - وقائع المؤتمر الدولي المشترك لعام 2003 على الشبكات العصبية 2003. الملخص في هذا البحث، كيي أدخلت الشبكة العصبية الديناميكية ويتم تطبيقها على التنبؤ تسلسل الزمني المعقدة في نهجنا، كيي يعطي التنبؤ خطوة بخطوة لاتجاه تغيير سعر صرف العملة في السابق، متعددة متعددة بيرسيبترون ملب net. Abstract في هذا ورقة، يتم إدخال كيي الشبكة العصبية الديناميكية ويتم تطبيقها على التنبؤ تسلسل الزمني المعقدة في نهجنا، كيي يعطي خطوة بخطوة التنبؤ من اتجاه التغير في سعر صرف العملات في السابق، تم تنفيذ مختلف الشبكات متعددة اللاعبين بربسيترون ملب والشبكات العصبية المتكررة لهذا التطبيق النتائج التي تم الحصول عليها من قبل كيي مقارنة بشكل إيجابي مع أساليب أخرى أولا: مستوى الضوضاء العالية والطبيعة غير ثابتة من البيانات والتنبؤ المالي هو تطبيق التحدي في مجال التنبؤ سلسلة زمنية وتستخدم أساليب مختلفة في هذا التطبيق - 4،5،6،7،9،10 - - في هذا العمل، ونحن نستخدم نموذج كيي للتنبؤ اتجاه خطوة واحدة من سعر صرف العملة اليومي البيانات التي استخدمناها هي من 4 نتائج التجربة تظهر قدرة التصنيف لل KI. by نيكولاس تشابادوس، يوشوا بينجيو - المعاملات إيي على الشبكات العصبية 2000. نحن نقدم إطار تخصيص الأصول على أساس السيطرة النشطة من القيمة المعرضة للخطر للمحفظة في هذا الإطار، نقارن نموذجين لجعل التوزيع باستخدام الشبكات العصبية يستخدم أول واحد الشبكة لجعل ل إيكاست من سلوك الأصول، بالاقتران مع a. We إدخال إطار تخصيص الأصول على أساس السيطرة النشطة للقيمة المعرضة للخطر من المحفظة في هذا الإطار، قارنا نموذجين لجعل التخصيص باستخدام الشبكات العصبية أول واحد يستخدم الشبكة لجعل التنبؤ بسلوك الأصول، بالاقتران مع مخصص متوسط ​​التباين التقليدي لبناء محفظة يستخدم النموذج الثاني الشبكة لاتخاذ قرارات تخصيص المحفظة مباشرة نحن نعتبر طريقة لأداء اختيار متغير المدخلات لينة، وتظهر فائدة كبيرة لدينا نستخدم أساليب لجنة الجمع نموذج لتنظيم اختيار هيبرباريترز أثناء التدريب وتبين لنا أن اللجان باستخدام كلا النموذجين تتفوق بشكل ملحوظ على أداء السوق القياسي 1 مقدمة في تطبيقات التمويل، فكرة تدريب خوارزميات التعلم وفقا لمعيار الفائدة مثل كأرباح بدلا من معيار التنبؤ العام، غاي في السنوات األخيرة اكتسبت الفائدة في السنوات األخيرة في مهام تخصيص األصول، تم تطبيق ذلك على الشبكات العصبية التدريبية لتعظيم نسبة شارب أو غيرها من مقاييس الربح المعدلة حسب المخاطر - 1،3،10 - - أحد مقاييس المخاطر التي حظيت مؤخرا باهتمام كبير هي القيمة المعرضة للمخاطر للمخاطر، والتي تحدد الحد الأقصى للمبلغ الذي يقاس عادة على سبيل المثال، بورتفول. بي جون مودي، يوفينغ ليو، ماثيو سافيل، كيونغجو يون - في وقائع من أوراق التعلم متعددة الأضلاع الاصطناعية من 2004 أاي الخريف الندوة 2004. نحن التحقيق في الألعاب المصفوفة المتكررة مع لاعبين مؤشر ستوكاستيك كصورة مصغرة لدراسة التفاعلات الديناميكية متعددة العوامل باستخدام ستوشاستيك التعزيز المباشر حقوق السحب الخاصة التدرج خوارزمية سياسة حقوق السحب الخاصة هو تعميم المتكررة التعزيز التعلم رل التي تدعم سياسات ستوكاستيك U. We التحقيق الألعاب المصفوفة المتكررة مع لاعبين مؤشر ستوكاستيك باعتباره صورة مصغرة لدراسة ديناميكية، متعددة وكلاء إنت الكسور باستخدام خوارزمية التدرج سياسة التسارع المباشر العشوائي حقوق السحب الخاصة سدر هو تعميم التعليم التعزيز رل المتكررة التي تدعم السياسات العشوائية على عكس الخوارزميات الأخرى رل، سدر و رل استخدام التدرجات سياسة المتكررة لمعالجة بشكل صحيح تعيين الائتمان الزمني الناتجة عن هيكل المتكررة أهدافنا الرئيسية في هذا ورقة 1 لتمييز الذاكرة المتكررة من الذاكرة القياسية وغير المتكررة للسياسة التدرج رل، 2 مقارنة سدر مع أساليب التعلم من نوع Q للألعاب البسيطة، 3 تمييز رد الفعل من السلوك وكيل الديناميكي الذاتية و 4 استكشاف استخدام التعلم المتكرر للتفاعل ، العوامل الديناميكية نجد أن اللاعبين في مجال حقوق السحب الخاصة يتعلمون أسرع بكثير ومن ثم يتفوقون على المتعلمين من نوع Q الذي تم اقتراحه مؤخرا من أجل لعبة بسيطة روك، بابر، سسيسورس رس مع أكثر تعقيدا وديناميكية حقوق السحب الخاصة اللاعبين والمعارضين، ونحن نبرهن على أن تكرار المتكررة و سدر s المتكررة تدرجات السياسة تعطي أداء أفضل من اللاعبين غير المتكررة ل نجد أن وكلاء حقوق السحب الخاصة غير المتكررين يتعلمون فقط خلل توازن ناش، في حين أن وكلاء حقوق السحب الخاصة المتدرجين يمكن أن يتعلموا مجموعة متنوعة من السلوكيات المثيرة للاهتمام، بما في ذلك التعاون 1.الخيار، لا يمكن بسهولة توسيع نطاق التعلم Q إلى ومساحات كبيرة في الدولة أو العمل التي غالبا ما تحدث في الممارسة المباشرة التدرج در نهج السياسات التدرج وسياسة البحث ويليامز 1992 - مودي وو 1997- مودي وآخرون 1998 باكستر بارتليت 2001 نغ الأردن 2000 تمثل سياسات صريحة ولا تتطلب أن يتم تعلم وظيفة القيمة طرق التدرج في السياسات تسعى إلى تحسين السياسة من قبل جون مودي، ماثيو سافيل - في كد 1998. نقترح لتدريب أنظمة التداول من خلال تحسين الوظائف الموضوعية المالية عن طريق تعزيز التعلم وظائف الأداء التي نعتبرها وظائف قيمة هي الربح أو الثروة ، ونسبة شارب ونسبتنا المقترحة مؤخرا نسبة شارب التفاضلية للتعلم على الخط في مودي دبليو نحن نقترح لتدريب أنظمة التداول من قبل المرجع توقيت وظائف الهدف المالي عن طريق التعلم التعزيز وظائف الأداء التي نعتبرها وظائف قيمة هي الربح أو الثروة، ونسبة شارب ونسبة شارب التفاضلية المقترحة مؤخرا للتعلم على الخط في مودي أمب وو 1997، قدمنا ​​نتائج تجريبية في تسيطر عليها التجارب التي شيطان-ستراتدز فوائد التعلم التعزيز ريلاتيف إلى التعلم تحت إشراف هنا نحن تمديد عملنا ما قبل فيوس لمقارنة Q - التعلم إلى تقنية التعلم التعزيز على أساس الوقت الحقيقي المتكرر تعلم رترل أن يزيد المكافأة الفورية لدينا محاكاة وتشمل النتائج شذوذ مذهلة من وجود القدرة على التنبؤ في month. by أبراج N، أن بورجيس - الإجراءات المالية الحسابية للمؤتمر الدولي السادس حول التمويل الحسابي 1999. في هذه الورقة ننفذ استراتيجيات التداول لنماذج التنبؤ بأسعار الأصول باستخدام قواعد القرار بارامتريسد نحن تطوير بيئة تجارية الاصطناعية للتحقيق والآثار النسبية، من حيث الربحية، لتعديل نموذج التنبؤ وقاعدة القرار نبين أن إمب. في هذه الورقة نقوم بتنفيذ استراتيجيات التداول لنماذج التنبؤ بأسعار الأصول باستخدام قواعد القرار المعلمة نحن تطوير بيئة تجارية اصطناعية للتحقيق في الآثار النسبية ، من حيث الربحية، لتعديل نموذج التنبؤ وقاعدة القرار نبين أن تنفيذ قاعدة التداول يمكن أن يكون مهما لأداء التداول كقدرة تنبؤية لنموذج التنبؤ نطبق هذه التقنيات على مثال لنموذج التنبؤ ولدت من التذبذب الإحصائي في اليوم الواحد من مجموعة من مؤشرات الأسهم تشير النتائج إلى أن تحسين قواعد القرار يمكن أن يحسن بشكل كبير من أداء التداول مع زيادة نسبة شارب السنوية بمقدار يصل إلى عاملين على قاعدة التداول في الصحن لتحقيق هذا المستوى من فإن زيادة الأداء من خلال نموذج التنبؤ وحده سوف تتطلب 50 إمب التحفيز في دقة التنبؤ 1 مقدمة في السنوات القليلة الماضية، تم تكريس قدر كبير من البحوث. تكون من نموذج التنبؤ وثانيا، مرحلة القرار الذي يحول المعلومات التنبؤ إلى عمل الذي، في هذه الحالة، يغير التداول موقف كبديل، مودي في - 3 - - وتشوي يجند في 4، أمثلة على المنهجيات التي تجمع بين هاتين المرحلتين في واحدة هذه الاستراتيجيات التجارية استخدام نموذج واحد لإجراء التحسين المشترك على حد سواء من قبل التنبؤات. توماس هيلسترم 1998. تصف هذه الورقة المبادئ الكامنة وراء وتنفيذ أستا، وهو عامل تداول الأسهم الاصطناعية مكتوب بلغة ماتلاب الغرض الأساسي من المشروع هو توفير بيئة سهلة الاستخدام لتطوير خوارزميات التداول متعددة الأسهم. وتصف هذه الورقة المبادئ وراء وتنفيذ أستا، وهو عامل تداول الأسهم الاصطناعية مكتوبة بلغة ماتلاب والغرض الرئيسي من المشروع هو توفير وهي بيئة سهلة الاستخدام لتطوير خوارزميات التداول متعددة الأسهم. من قبل أبراج N، بورجيس 1998. في سياق استراتيجية التداول الديناميكية، والغرض النهائي من أي نموذج التنبؤ هو اختيار الإجراءات التي تؤدي إلى الاستفادة المثلى من هدف التداول في هذا البحث نقوم بتطوير منهجية لتحسين وظيفة موضوعية باستخدام قاعدة قرار بارامتريزد لإعطاء. في ​​سياق استراتيجية التداول الديناميكية، والغرض النهائي من أي نموذج التنبؤ هو اختيار الإجراءات التي تؤدي إلى التحسين من هدف التداول نقوم في هذا البحث بتطوير منهجية لتحسين الدالة الموضوعية باستخدام قاعدة قرار معلمة لنموذج تنبؤ معين نقوم بمحاذاة أداء التداول المتوقع لمعلمات القرار المختلفة ومستويات دقة التنبؤ ثم نقوم بتطبيق هذه التقنية على نموذج التنبؤ بتبسيط التسعير ضمن مجموعة من مؤشرات الأسهم نبين أن الاستفادة المثلى من قاعدة القرار المقترحة يمكن أن تزيد من أ بقلم كاي تشون تشيو، لي شو - في جر دورونسورو إد الشبكات العصبية الاصطناعية - إيكان 2002، لكس 2415 2002. ملخص تم دراسة إدارة المحفظة التكيفية في أدبيات العصبية الشباك والتعلم الآلي وقد تم تطوير نموذج تحليل الزمن الزمني تفا تحليل الزمن وضعت أساسا لمزيد من الدراسة لنظرية التسعير التحكيم أبت لديها التطبيقات المحتملة في رجل محفظة. Abstract وقد درست إدارة محفظة التكيف في أدب الشبكات العصبية والتعلم الآلي و وضعت مؤخرا نموذج تحليل الزمن الزمني تفا عامل يستهدف أساسا لمزيد من الدراسة لنظرية التسعير التحكيم وجد أن أبت لديها التطبيقات المحتملة في إدارة المحافظ في هذه الورقة، ونحن نهدف إلى توضيح تفوق إدارة محفظة القائم على أبت على إدارة محفظة المستندة إلى العائد 1.e التقليدية ماركويتز s نظرية محفظة 8 في سياق الشبكات العصبية الاصطناعية في الأدب ، تمت دراسة إدارة المحفظة التكيفية عن طريق تعظيم نسبة شارب المعروفة 4 في - 1، 2 - - ومع ذلك، فإن هذه النهج إما علاج الأوزان كثوابت أو تعتمد مباشرة على عوائد الأمن في الآونة الأخيرة، تقنية جديدة تسمى التحليل الزمني عامل تفا كان المقترحة من قبل 5 مع.