Resumen

El patrn clsico de formacin de precios de las acciones se utiliza desde hace mucho tiempo para determinar las tendencias futuras de los precios de las acciones, y la identificacin y el anlisis de los patrones clsicos de precios tienen un importante papel orientador en la toma de decisiones y la negociacin de los inversores. La transformada wavelet es una herramienta til para eliminar parte del ruido de las series temporales porque tiene la caracterstica de la multirresolucin. En este estudio, proponemos un mtodo de reconocimiento de patrones de precios de acciones basado en la transformada wavelet y la deformacin temporal dinmica (DTW). Se desarrolla un mtodo de reconocimiento de patrones con resultados cuantificados similares para obtener resultados precisos de reconocimiento de patrones. Es decir, utilizando la transformada wavelet para suavizar el grfico de precios original y, a continuacin, utilizando el algoritmo DTW mejorado en este estudio para encontrar el grfico con la menor distancia respecto al grfico objetivo segn el mtodo de la ventana deslizante, se puede realizar la identificacin y el anlisis del grfico objetivo. Para mejorar la tasa de reconocimiento del grfico objetivo, preprocesamos la secuencia de precios brutos utilizando el algoritmo de convergencia y divergencia de medias mviles (MACD) basado en los experimentos de control establecidos en este estudio. El mtodo de reconocimiento de patrones utilizado en este estudio identificar los patrones de precios de una determinada ventana temporal en su conjunto, evitando as el problema de cmo seleccionar objetivamente los puntos importantes que constituyen un patrn de precios y la definicin matemtica de los diferentes patrones de precios en los mtodos tradicionales anteriores.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Patrón clásico; Formación del precio de las acciones; Transformada wavelet; Reconocimiento de patrones; Deformación temporal dinámica; Convergencia y divergencia de medias móviles.
• Keywords:Classical pattern; Stock price formation; Wavelet transform; Pattern recognition; Dynamic time warp; Moving average convergence and divergence