Trading Decision Support System

Entscheidungsunterstützungssystem - DSS. DEFINITION des Entscheidungsunterstützungssystems - DSS. A Entscheidungsunterstützungssystem DSS ist ein computergestütztes Informationssystem, das zur Entscheidungsfindung in einer Organisation oder einem Unternehmen unterstützt wird. Ein DSS ermöglicht es Benutzern, massive Datenströme zu durchsuchen und zu analysieren Informationen, die verwendet werden können, um Probleme zu lösen und bessere Entscheidungen zu treffen. Die Vorteile von Entscheidungsunterstützungssystemen umfassen mehr informierte Entscheidungsfindung, zeitnahe Problemlösung und verbesserte Effizienz für den Umgang mit Problemen mit sich schnell verändernden Variablen. BREAKING DOWN Decision Support System - DSS. Operations Management-und Planungsebenen in einer Organisation können eine DSS verwenden, um Informationen und Daten zu kompilieren und sie in umsetzbare Intelligenz zu synthetisieren Dies ermöglicht es dem Endbenutzer, mehr fundierte Entscheidungen in einem schnelleren Tempo zu machen. Was kann ein DSS Analysieren. Das DSS ist eine Informationsanwendung, die Produziert umfangreiche Informationen Dies unterscheidet sich von einer Operations-Anwendung, die verwendet werden, um die d zu sammeln Ata an erster Stelle Ein DSS wird vor allem von der mittleren bis oberen Ebene verwaltet, und es ist der Schlüssel zum Verständnis großer Datenmengen. Zum Beispiel könnte ein DSS verwendet werden, um die Einnahmen eines Unternehmens über die kommenden sechs Monate zu projizieren Auf neue Annahmen über Produktverkäufe Aufgrund der großen Menge an Variablen, die die projizierten Umsatzzahlen umgeben, ist dies keine einfache Berechnung, die man von Hand machen kann. Ein DSS kann mehrere Variablen integrieren und generieren ein Ergebnis und alternative Ergebnisse, die alle auf der Grundlage der Unternehmen s Vergangenheit Produktverkäufe Daten und aktuelle Variablen. Wie kann ein DSS präsentieren die Informationen. Der primäre Zweck der Verwendung eines DSS ist es, Informationen an den Kunden in einer Weise, die leicht zu verstehen ist Der Vorteil für ein DSS-System ist, dass es kann Programmiert werden, um viele Arten von Berichten zu generieren, die alle auf Benutzerspezifikationen basieren. Ein DSS kann Informationen generieren und grafisch ausgeben, z. B. ein Balkendiagramm, das projizierte Einnahmen repräsentiert, oder als schriftlicher Bericht Kann ein DSS verwendet werden. Eine Technologie setzt fort, die Datenanalyse ist nicht mehr auf große sperrige Großrechner beschränkt Da ein DSS im Wesentlichen eine Anwendung ist, kann es auf die meisten Computersysteme geladen werden, einschließlich Laptops Bestimmte DSS-Anwendungen sind auch über mobile Geräte verfügbar Die Flexibilität des DSS ist für Kunden, die häufig reisen, äußerst vorteilhaft. Das gibt ihnen jederzeit die Möglichkeit, jederzeit gut informiert zu sein, was wiederum die Möglichkeit bietet, jederzeit die besten Entscheidungen für ihr Unternehmen und ihre Kunden zu treffen Adaptive Aktienindex Trading Entscheidung Unterstützung System. Wen-Chyuan Chiang a. David Enke b. Renzhong Wang da Collins College of Business, die Universität von Tulsa, 800 South Tucker Drive, Helmerich Hall 118B, Tulsa, OK, 74104, United States. b Abteilung für Ingenieurmanagement und Systemtechnik, Labor für Investitions - und Finanztechnik, Intelligentes Systemzentrum, Missouri University of Science and Technology, 221 Engineerin G Management, 600 W 14th Street, Rolla, MO, 65409-0370, United States. c 9142 S Sheridan, Tulsa, OK, 74133, Vereinigte Staaten. d Microsoft Corporation, 205 108. Ave NE 400, Bellevue, WA, 98004, United States. Received 11. Februar 2016 Überarbeitet am 19. April 2016 Akzeptiert am 20. April 2016 Online verfügbar 25. April 2016. Das System bietet eine automatisierte und adaptive Modell Auswahl Prozess. Das System prognostiziert die Aktienkurs Richtung, anstatt die prognostizierten Ebene. Partikel Schwarm Optimierung verwendet wird Um die Berechnungszeit zu reduzieren. Denoising wird verwendet, um mit Börsenvolatilität umzugehen. Predicting die Richtung und Bewegung der Aktienindex Preise ist schwierig, oft führt zu übermäßigem Handel, Transaktionskosten und verpasste Chancen Oft Trader brauchen eine systematische Methode, um nicht nur Spot Handel Chancen, aber auch einen konsequenten Ansatz zu schaffen, wodurch Handelsfehler und Kosten minimiert werden. Während mechanische Handelssysteme existieren, sind sie in der Regel für einen bestimmten Bestand, Aktienindex oder oth entworfen Er finanziert und sind oft sehr abhängig von vorgewählten Inputs und Modellparametern, von denen erwartet wird, dass sie weiterhin die Handelsinformationen nach der ersten Schulung oder dem zurückgeprüften Modellentwicklungszeitraum weiterführen. Die folgende Forschung führt zu einem detaillierten Handelsmodell, das eine effektivere und Intelligente Art und Weise zur Erkennung von Handelssignalen und zur Unterstützung von Investoren mit Handelsentscheidungen unter Verwendung eines Systems, das sowohl die Eingaben als auch das Vorhersagemodell auf der Grundlage der gewünschten Ausgabe anpasst. Zur Veranschaulichung des adaptiven Ansatzes werden mehrere Eingaben und Modellierungstechniken verwendet, einschließlich neuronaler Netze, Partikelschwarm Optimierung und Denoising Simulationen mit Aktienindizes veranschaulichen, wie Händler höhere Erträge mit dem entwickelten adaptiven Entscheidungsunterstützungssystem generieren können. Die Vorteile des Hinzufügens von adaptiven und intelligenten Entscheidungsfindung zu Prognosen werden ebenfalls diskutiert. Decision Support System. Neural networks. Particle swarm optimization. Adaptive Lager sel Ection. Direction Vorhersage. Fig 1 Abb. 2 Abb. 3 Abb. 4.Ein intelligenter Aktienhandel Entscheidung Unterstützung System durch die Integration von genetischen Algorithmen basierte Fuzzy neuronalen Netzwerk und künstliche neuronale Netzwerk. a Department of Industrial Engineering, National Taipei University of Technology, Taipei 106, Taiwan. b Department of Finance, I-Shou Universität, Kaohsiung County, Taiwan 840, Taiwan. c Department of Systems Engineering, Chin-Wei Computer Company, Taipei, Taiwan. Received 1. Januar 1998 Überarbeitet 1. August 1998 Verfügbar online 13. November 2000. Der Börsenmarkt, der von verschiedenen Forschern untersucht wurde, ist ein ziemlich kompliziertes Umfeld Die meisten Forschungen betrafen nur die technischen Indizes quantitative Faktoren anstelle von qualitativen Faktoren, zB politische Wirkung. Diese spielt jedoch eine kritische Rolle im Börsenumfeld. Diese Studie entwickelt ein genetisches Algorithmus basiertes Fuzzy-Neuronales Netzwerk GFNN, um die Wissensbasis von Fuzzy-Inferenzregeln zu formulieren, die messen können Ure die qualitative Wirkung auf die Börse Als nächstes wird die Wirkung weiter mit den technischen Indizes durch das künstliche neuronale Netzwerk ANN Ein Beispiel auf der Grundlage der Taiwan Börse verwendet wird, um die vorgeschlagene intelligente System Bewertung Evaluation Ergebnisse zeigen, dass das neuronale Netzwerk unter Berücksichtigung sowohl Die quantitativen und qualitativen Faktoren übertrifft das neuronale Netz unter Berücksichtigung nur der quantitativen Faktoren sowohl in der Klarheit der Kauf-Verkaufspunkte und Kauf-Verkauf-Performance. Stock-Markt. Decision Support-System. Artificial neuronale Netzwerke. Fuzzy neuronale Netzwerke. Genetische Algorithmen. Corresponding Autor Tel 886 2 27712171.Copyright 2001 Elsevier Science BV Alle Rechte vorbehalten.