Titelaufnahme

Titel
Vergleich technischer Trading Tools anhand der Ergebnisse genetischer Optimierungen / von Lei Zhu
VerfasserZhu, Lei
Begutachter / BegutachterinGrechenig, Thomas
Erschienen2010
Umfang125 S. : Ill., graph. Darst.
HochschulschriftWien, Techn. Univ., Dipl.-Arb., 2010
Anmerkung
Zsfassung in engl. Sprache
SpracheDeutsch
DokumenttypDiplomarbeit
Schlagwörter (DE)Genetische Algorithmen / Evolutionäre Algorithmen / Trading Tools / Merchant of Venice / MultiCharts
URNurn:nbn:at:at-ubtuw:1-37235 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Vergleich technischer Trading Tools anhand der Ergebnisse genetischer Optimierungen [5.19 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

error: u'Diese Diplomarbeit befasst sich mit dem Einsatz genetischer Algorithmen im Rahmen von Trading Tools. Genetische Algorithmen sind stochastische Optimierungsverfahren, die von John H. Holland entwickelt wurden. In der modernen Investment Finanz werden genetische Algorithmen in Trading Tools integriert um die Pro\x0ctmaximierung zu unterstuetzen.

Ziel dieser Arbeit ist es, die Arbeitsweise der genetischen Algorithmen im Detail zu beschreiben und die technisch-strategischen Vorteile der genetischen Algorithmen im Rahmen von Trading Tools zu beleuchten. Zwei Fallbeispiele - "Merchant of Venice" und "MultiCharts" werden herangezogen und auf allgemeine Eigenschaften wie Funktionsumfang, Lizenz, Kostenpunkt und Systemanforderungen untersucht und miteinander verglichen. In Merchant of Venice werden genetische Algorithmen zur Parameter Optimierung in Kauf/Verkauf Regel und zur Kauf/Verkauf Regel Generierung eingesetzt. In MultiCharts werden genetische Algorithmen zur Parameter Optimierung und zur Portfolio Optimierung eingesetzt. Es werden empirische Versuche und Analysen mit unterschiedlichen Parameterkon\x0cgurationen durchgefuhrt, um die Performanz des Einsatzes von genetischen Algorithmen in Trading Tools zu untersuchen. Von speziellem Interesse ist die Performanz der genetischen Algorithmen in unterschiedlichen Wirtschaftsbedingungen wie zum Beispiel in einem wachsenden bzw. in einem turbulenten Markt. Die Ergebnisse aus den Untersuchungen zeigen signi\x0ckante Potentiale der genetischen Algorithmen.'