Optimizasyon Araştırması – Ödev Hazırlatma – Proje Yaptırma – Tez Yaptırma Fiyatları – Sunum Örnekleri – Ücretli Ödev Yaptırma – Ödev Yaptırma Ücretleri
Örüntü Tanıma ve Sınıflandırma Araştırması
Amaçları normalde bir zaman serisinin gelecekteki değerlerini tahmin etmek değil, bir zaman serisinin gelecekteki yönünü tahmin etmek olduğundan, örüntü tanıma teknikleri ve sınıflandırma teknikleri birlikte gruplanmıştır. Örneğin, bir grafik uzmanının (bir teknik analist tarzı) birincil amacı, belirli kalıpları arayarak grafik fiyat hareketini inceleyerek trend dönüm noktalarını tahmin etmeye çalışmaktır.
Chartistler, bu modellerin tekrarlanma eğiliminde olduğunu ve fiyat eğilimlerinin gelecekteki yönünün makul derecede güvenilir göstergeleri olduğunu fark ettiler. Bu grafik modellerinden birkaçı vardır ve farklı analistler, belirli herhangi bir kalıbın tahmin gücüne farklı ağırlıklar ekler.
Ayrıca, bu modellerin normal olarak güvenilir sayılabilmesi için başka bir zaman serisinden (hacim gibi) alınan değerlerle onaylanması gerekir. Bu alanla ilgili daha fazla ayrıntı için okuyucunun Pring’e başvurması önerilir. Aynı zamanda bir zaman serisinin gelecekteki yönünü de tahmin etmeye çalışan model dışı eşleştirme teknikleri de sınıflandırma problemleridir.
Genellikle, bir zaman serisinin gelecekteki yönünü tahmin etmenin yanı sıra, sınıflandırma araştırması, hisse senetlerini iflas ve finansal sıkıntı tahminlerinde olduğu gibi “kazananlar” ve “kaybedenler” olmak üzere iki ana gruba ayırmaya çalışır.
Yazar tarafından listelenen aşağıdaki makaleler, örüntü tanıma ve sınıflandırma konusundaki mevcut araştırmayı temsil ettikleri için seçilmiş ve gözden geçirilmiştir. Yukarıda açıklandığı gibi, araştırma genellikle kazanan ve kaybeden tespiti veya örüntü eşleştirme olarak sınıflandırılabilir.
Tan (1996) ve daha sonra Tan ve Dihardjo’nun (2001) çalışmaları, Longo, Suh ve LaBarre (1995) ve Skabar ve Cloete’nin (2001) yaptığı gibi kazanan ve kaybeden sınıflandırması kavramını kullanır. Spesifik olarak, Skabar ve Cloete kazananları ve kaybedenleri tahmin etmezler, ancak “yukarı” ve “aşağı” (geri dönüş yönü) olmak üzere iki farklı kategoriyi tahmin ederler.
Kamijo ve Tanigawa’nın (1990) çalışması, yazarların borsa verilerindeki “üçgen” kalıpları (üçgen teknik analizde kullanılan özel bir kalıptır) tanımlamak için YSA’lar oluşturmasıyla, kalıp eşleştirmenin mükemmel bir örneğini sunar.
Örüntü eşleştirmesini içeren sınıflandırma, desen yapılarının belirli bir zaman düzeninde meydana gelmesi gerektiğinden ve desenlerin çoğunluğu zamanla değişmez olmadığından, yukarıdaki zaman serisi tahmini ile ilgili bölümde geçerli olarak tartışılabilir.
Bu, araştırmacıların zamanla değişmeyen kalıpları belirleme veya bir kalıbın oluşması gereken sabit bir zaman periyodu belirleme girişimi arzusuna yol açar. Fu ve ark. (2001), örüntülerin uzunluğunu “sabitlemek” için genetik algoritmaların kullanılmasına ilişkin örnekler sunarak onları YSA kullanarak çalışmaya uygun hale getirir.
Mühendislikte optimizasyon Nedir
Optimizasyon nedir
Optimizasyon problemi Nedir
Lineer optimizasyon
Gürbüz optimizasyon nedir
Optimizasyon yöntemleri
Optimizasyon Yöntemleri Ders Notları
Optimizasyon problemleri örnekleri
Optimizasyon Araştırması
Optimizasyonun odak noktası, başka türlü kabul edilen ulaşılabilir bir sonucu optimize etmeye çalışmak için özel olarak yumuşak hesaplama kullanan araştırmalara yöneliktir. Bu tarz bir araştırma makalesinin tipik özelliği, önceden kabul edilmiş bir sonuç tartışılır ve ardından optimizasyon için değerlendirilir. Optimizasyon, optimize edilmemiş duruma kıyasla karakteristik olarak fazla geri dönüşlerle kanıtlanmıştır.
YSA kullanan bu optimizasyon tarzına bir örnek olarak, Chen ve diğerleri tarafından bir indeks arbitraj zamanlaması önerilmiştir. (2001). Modelleri, indeks arbitraj pozisyonları için doğru giriş noktası zamanlamasını optimize etmeye çalışır.
Mevcut arbitraj modelleri, bir fırsat doğduğunda hemen bir tahkim pozisyonunun oluşturulmasını önermektedir; sinir ağı yaklaşımı, arbitraj için maksimum bir temel yayılımın olacağı zamanlamayı belirlemeye çalışmak ve böylece kâr potansiyelini artırmaktır. Araştırmaları, sinirsel modelin geleneksel yaklaşımı önemli ölçüde geride bıraktığı sonucuna varıyor.
Topluluk Yaklaşımları Araştırması
Araştırma, aşağıda açıklanan alanların birden fazlasının çalışmalarını birleştiriyorsa, her bir bileşenden beklenenden daha büyük bir sonuç elde ederek sinerji etkisinden etkin bir şekilde yararlanmaya çalışıyorsa, topluluk yaklaşımı olarak sınıflandırılır. Yumuşak bilgi işlem araştırmaları arasında, analiz için topluluk yaklaşımını kullanmaya yönelik artan bir eğilim vardır.
Aşağıdaki makaleler (yazar ve yayın tarihine göre listelenmiştir) topluluklardaki mevcut araştırmayı temsil ettikleri için seçilmiş ve gözden geçirilmiştir. Toplulukların çoğu, bileşenlerini çeşitli yumuşak hesaplama yöntemlerinden alır.
YSA’ların ve genetik algoritmaların (GA’lar) birlikte kullanımı popülerdir ve Leigh ve diğerleri tarafından kullanılmaktadır. örüntü tanıma tekniklerini fiyat tahmini ile birleştirmek. YSA’ları ve GA’ları birleştiren başka bir yaklaşım, Baba ve diğerleri tarafından, YSA’ları tahmin yetenekleri için ve GA’ları bu bilgilere tepki vermenin en iyi yolunu belirlemek için kullanan Baba ve diğerleri tarafından sağlanmıştır.
Bazı topluluklar birden fazla YSA’yı birleştirir, örneğin, Jang ve diğerleri. iki YSA’yı birleştirir: biri piyasa hareketinin kısa vadeli görünümünü ve diğeri daha uzun vadeli bir görünümü alır. Daha sonra, her iki modelin çıktılarının ağırlıklı çıktı toplamına tepki veren bir model oluştururlar.
Liu ve Lee (1997) ve Abdullah ve Ganapathy (2000) de YSA topluluklarını kullandılar ve topluluk yaklaşımlarının tahmin yeteneğinin bireysel YSA’larınkini aştığı sonucuna vardılar. Diğer araştırmalar, bulanık mantık ve uzman sistemlerle birleştirilmiş YSA’ları inceledi.
Esasen, finansal ticaret alanı, geleneksel fiyatlandırma modelleri, etkin piyasa hipotezi ve davranışsal finans hakkındaki fikirler arasında bir geçiş halindedir. Karşılaştığı zorluk, finansal ticaret fiyatlandırma modellerinin en iyi şekilde nasıl birleştirileceğidir.
Fiyatların teknik analiz gibi yöntemlerle tahmin edilemeyeceğini etkili bir şekilde iddia eden etkin piyasa hipotezinin geçerliliği hakkında çok fazla tartışma var. Etkin piyasa hipoteziyle çelişiyor gibi görünen çok sayıda kanıt var ve alternatif bir geçerli fiyatlandırma modeli olmadıkça toplu olarak akademik olarak ilerleme şansı çok az gibi görünüyor.
Bu, yumuşak hesaplama araştırma teknikleri, özellikle sinir modelleri için önemli bir fırsat sunar. Bu modeller, evrensel yaklaşımlar olarak hareket etme ve karmaşık doğrusal olmayan ilişkileri belirleme yeteneğine sahiptir. Bu yöntemlerle amaç, piyasaların ve fiyatların davranışları hakkında yeni bir ışık tutabilecek derin ilişkiler kurmaya çalışmaktır. Bu yeni ilişkiler, doğal olarak, uygulanabilir ve etkili fiyatlandırma modelleri geliştirmek için daha fazla alan sağlayacaktır.
Gürbüz optimizasyon nedir Lineer optimizasyon Mühendislikte optimizasyon Nedir Optimizasyon nedir Optimizasyon problemi Nedir Optimizasyon problemleri örnekleri Optimizasyon yöntemleri Optimizasyon Yöntemleri Ders Notları