주식 거래 의사 결정 지원 시스템

의사 결정 지원 시스템 - 의사 결정 지원 시스템의 DSS. DEFINITION - DSS. A 의사 결정 지원 시스템 DSS는 조직 또는 비즈니스에서 의사 결정을 지원하는 데 사용되는 전산화 된 정보 시스템입니다. DSS를 통해 사용자는 엄청난 양의 데이터를 가려 내 분석하고 컴파일 할 수 있습니다 문제를 해결하고 더 나은 결정을 내리는 데 사용할 수있는 정보. 의사 결정 지원 시스템의 이점에는 정보에 입각 한 의사 결정, 시기 적절한 문제 해결 및 급변하는 변수에 대한 문제를 다루는 효율성 향상이 포함됩니다. 의사 결정 지원 시스템 중단 - DSS. Operations 조직의 관리 및 계획 단계에서는 DSS를 사용하여 정보 및 데이터를 컴파일하고 실용적인 인텔리전스로 통합 할 수 있습니다. 이렇게하면 최종 사용자가보다 신속하게 정보에 입각 한 의사 결정을 내릴 수 있습니다. DSS는 무엇을 분석 할 수 있습니까? DSS는 포괄적 인 정보를 생성합니다. 이는 운영 애플리케이션과는 다른데, 이는 d 처음부터 DSS는 주로 중급에서 상위 수준의 관리에 사용되며 대용량 데이터를 이해하는 데 중요합니다. 예를 들어, DSS를 사용하여 향후 6 개월 동안 회사 매출을 예측할 수 있습니다 제품 판매에 대한 새로운 가정 예상 수익 수치를 둘러싼 많은 양의 변수 때문에 손으로 계산할 수있는 간단한 계산이 아닙니다. DSS는 여러 변수를 통합하고 결과를 생성하고 결과를 대체 할 수 있습니다. 회사의 과거 제품 판매 데이터 및 현재 변수를 표시합니다. DSS는 정보를 어떻게 표시 할 수 있습니까? DSS를 사용하는 주된 목적은 이해하기 쉬운 방식으로 고객에게 정보를 제공하는 것입니다. DSS 시스템의 이점은 다음과 같습니다. 사용자 사양을 기반으로 다양한 유형의 보고서를 생성하도록 프로그래밍 할 수 있습니다. DSS는 예상 수익을 나타내는 가로 막 대형 차트 또는 서면 보고서와 같이 정보를 생성하고 그래픽으로 출력 할 수 있습니다. DSS를 사용할 수 있습니까? 기술이 계속 발전함에 따라 데이터 분석은 더 이상 부피가 큰 대형 메인 프레임에 국한되지 않습니다. DSS는 본질적으로 응용 프로그램이므로 랩톱을 비롯한 대부분의 컴퓨터 시스템에로드 할 수 있습니다. 특정 DSS 응용 프로그램은 모바일 장치 DSS의 유연성은 자주 여행하는 고객에게 매우 유익합니다. 언제나 정보에 입각하여 언제든지 회사와 고객을 위해 최선의 결정을 내릴 수있는 기회를 제공합니다. 유전자 알고리즘 기반의 퍼지 신경망과 인공 신경망의 통합을 통한 지능형 주식 거래 의사 결정 지원 시스템. 타이페이 공과 대학 산업 공학과, 타이베이 106, 대만. b 재무부, I-Shou University, Kaohsiung County, Taiwan 840, Taiwan. c 대만 타이베이 진 - 웨이 컴퓨터 회사 시스템 공학과. 1998 년 1 월 1 일 수정. 1998 년 8 월 1 일 온라인으로 이용 가능 2000 년 11 월 13 일. 다양한 연구원에 의해 조사 된 주식 시장은 다소 복잡한 환경이다. 대부분의 연구는 정치적 효과와 같은 질적 요인 대신 기술 지표 양적 요인에 관한 것이었다. 그러나 후자는 따라서 본 연구에서는 주식 시장의 질적 영향을 측정 할 수있는 퍼지 추론 규칙의 지식 기반을 구축하기위한 퍼지 신경망 GFNN을 개발 하였다. 다음으로 그 효과를 기술 지표 인공 신경망을 통한 ANN 대만 주식 시장 기반의 사례를 활용하여 제안 된 지능형 시스템 평가 평가 결과는 양적 및 질적 요인을 모두 고려한 신경망이 신경 네트워크를 능가 함을 나타냅니다. 구매 - 판매 포인트 및 구매 - 판매 p 증권 시장. 의사 결정 지원 시스템. 인공 신경 네트워크. 퍼지 신경 네트워크. 유전자 알고리즘. 대응 저자 Tel 886 2 27712171.Copyright 2001 Elsevier Science BV. 판권 소유. 적응 형 주식 ​​인덱스 거래 의사 결정 지원 시스템. Chyuan Chiang a. David Enke b. 렌차 링 왕 콜린스 경영 대학, Tulsa 대학교, 800 South Tucker Drive, Helmerich Hall 118B, Tulsa, OK, 74104, 미국. b 공학 경영 시스템 및 시스템 공학과 미국 미시간 주립 대학의 투자 및 금융 공학 지능 시스템 센터, 221 공학 경영학, 600 W 14th Street, Rolla, MO, 65409-0370, 미국 9142 S Sheridan, Tulsa, OK, 74133, 미국. d Microsoft Corporation, 205 108th Ave NE 400, Bellevue, WA, 98004, 미국. 수신 2016 년 2 월 11 일 2016 년 4 월 19 일 승인 2016 년 4 월 20 일 사용 가능 온라인 2016 년 4 월 25 일. 자동 및 적응 모델 선택 프로세스. 시스템 예측 수준보다는 주가 방향을 예측합니다. 입자 득시글 득시글하다 최적화 계산 시간을 줄이기 위해 사용됩니다. 노화는 주식 시장의 변동성을 처리하는 데 사용됩니다. 방향과 주가 지수의 움직임 예측 과도한 거래, 거래 비용 및 누락 된 기회로 이어지는 경우가 종종 있습니다. 종종 거래자는 거래 기회를 발견 할뿐만 아니라 일관된 접근 방식을 제공하여 거래 오류 및 비용을 최소화하는 체계적인 방법이 필요합니다. 기계 거래 시스템이 존재하는 반면, 일반적으로 특정 주식, 주식 인덱스 또는 기타 금융 자산을 위해 설계된 것으로, 초기 교육 또는 테스트를 거친 모델 개발 기간 후에 거래 정보를 계속 제공 할 것으로 예상되는 미리 선택된 입력 및 모델 매개 변수에 크게 의존합니다. 보다 효과적이고 지식을 제공하는 상세한 거래 모델에 이르기까지 거래 신호를 인식하고 원하는 출력을 기반으로 입력 및 예측 모델을 모두 적용하는 시스템을 활용하여 거래 의사 결정을 지원하는 투자자 지원 적응 형 접근 방식을 설명하기 위해 신경 네트워크, 입자 군 최적화 및 노이즈 제거 주식 지수 시뮬레이션은 개발 된 적응 의사 결정 지원 시스템 모델을 사용하여 트레이더가 더 높은 수익을 창출 할 수있는 방법을 보여줍니다 예측에 대한 적응력 있고 지능적인 의사 결정을 추가하는 이점에 대해서도 논의합니다. 결정 지원 시스템. 네트워크 네트워크. 파티클 군단 최적화. 주식 선택. 방향 예측. 그림 1 그림 2 그림 3 그림 4.