Financial Data Resampling for Machine Learning Based Trading (eBook)
XV, 93 Seiten
Springer International Publishing (Verlag)
978-3-030-68379-5 (ISBN)
This book presents a system that combines the expertise of four algorithms, namely Gradient Tree Boosting, Logistic Regression, Random Forest and Support Vector Classifier to trade with several cryptocurrencies. A new method for resampling financial data is presented as alternative to the classical time sampled data commonly used in financial market trading. The new resampling method uses a closing value threshold to resample the data creating a signal better suited for financial trading, thus achieving higher returns without increased risk. The performance of the algorithm with the new resampling method and the classical time sampled data are compared and the advantages of using the system developed in this work are highlighted.
Tomé Almeida Borges is a data scientist at Santander Portugal since December 2019. He received the master's degree in Electrical and Computer Engineering from Instituto Superior Técnico, Technical University of Lisbon, Portugal, in 2019. His research activity is focused on pattern recognition and data resampling methods of financial markets.
Rui Ferreira Neves is a professor at Instituto Superior Técnico since 2005. He received the Diploma in Engineering and the Ph.D. degrees in Electrical and Computer Engineering from the Instituto Superior Técnico, Technical University of Lisbon, Portugal, in 1993 and 2001, respectively. In 2006, he joined Instituto de Telecomunicações (IT) as a research associate. His research activity deals with evolutionary computation and pattern matching applied to the financial markets, sensor networks, embedded systems and mixed signal integrated circuits. He uses both fundamental, technical and pattern matching indicators to find the evolution of the financial markets.
| Erscheint lt. Verlag | 22.2.2021 |
|---|---|
| Reihe/Serie | SpringerBriefs in Applied Sciences and Technology |
| SpringerBriefs in Applied Sciences and Technology | |
| SpringerBriefs in Computational Intelligence | SpringerBriefs in Computational Intelligence |
| Zusatzinfo | XV, 93 p. 30 illus., 28 illus. in color. |
| Sprache | englisch |
| Themenwelt | Mathematik / Informatik ► Mathematik ► Statistik |
| Mathematik / Informatik ► Mathematik ► Wahrscheinlichkeit / Kombinatorik | |
| Schlagworte | cryptocurrencies • ensemble classification • Financial Data Resampling • Financial Markets • machine learning • Technical Analysis |
| ISBN-10 | 3-030-68379-6 / 3030683796 |
| ISBN-13 | 978-3-030-68379-5 / 9783030683795 |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)Größe: 3,8 MB
DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
