. Формирование многомерной интервальной матрицы индикаторов
На основе вышеприведенных плоских интервальных матриц с различными периодами наблюдения формируется интервальная многомерная матрица индикаторов (OLAP-куб), представленная на рис. 41.
Рисунок 41. Многомерная интервальная матрица индикаторов.
3. Порядок выполнения работы:
Выбрать анализируемую акцию из предложенного списка
Сформировать таблицы индикаторов.
Сформировать интервальную многомерную таблицу с различными периодами наблюдений.
Получить сингулярное разложение плоских и многомерной интервальных матриц [19].
Решить задачи обучения с экспертом и самообучения на основе подхода иммунокомпьютинга.
Представить результаты решения вышеперечисленных задач и дать интерпретацию полученных результатов.
4. Контрольные вопросы
Аксиомы технического анализа.
Какие блоки входят в структуру симулятора для анализа динамики фондового рынка?
Какие задачи технического анализа решаются с помощью интеллектуального модуля симулятора?
5. Рекомендованная литература
13. Эрлих А. Прогнозы цен: технический анализ, или история повторяется. [Электронный ресурс]: http://www.trader-lib.ru/ (по состоянию на 15.03.2007).
14. Вильямс Б. Торговый хаос. Экспертные методики максимизации прибыли. М.: ИК Аналитика, 2000. С. 35–36.
15. Trippi R.R., DeSieno D. Trading Equity Index Futures with a Neural Network. //The Journal of Portfolio Management, 1992. P. 27–33.
16. Tarakanov A. O., Skormin V. A., Sokolova S. P. Immunocomputing: Principles and Applications, N.Y., Springer, 2003. 193 p.
17. Соколова С.П., Соколова Л.А. Интеллектуальные информационные системы на основе иммунокомпьютинга. //Учебное пособие. Алматы: КБТУ, 2005.
18. Кузьмина Е.А. Градиентный алгоритм сингулярного разложения многомерной матрицы. //Сб. докладов «Научная сессия ГУАП», ч. 3. СПб., 2007.
19. Ануфриев И. Е., Смирнов А. Б., Смирнов Е. Н. MATLAB 7.-СПб.: БХВ-Петербург, 2005.