Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

An algorithm for Elliott Waves pattern detection

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F18%3A10241920" target="_blank" >RIV/61989100:27240/18:10241920 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/61989100:27740/18:10241920

  • Výsledek na webu

    <a href="https://content.iospress.com/articles/intelligent-decision-technologies/idt319" target="_blank" >https://content.iospress.com/articles/intelligent-decision-technologies/idt319</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.3233/IDT-170319" target="_blank" >10.3233/IDT-170319</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    An algorithm for Elliott Waves pattern detection

  • Popis výsledku v původním jazyce

    The examination of the ElliottWave theory is the main motivation of this contribution. All of the fundamental features of an proper ElliottWave pattern (EW pattern) are reviewed and explained. Based on this knowledge, an algorithm for detection of these patterns is designed, developed and tested. Under several different algorithm settings, several EW pattern sets are obtained. They differ in amount of found EW patterns, quality and size. The following application of the developed detection algorithm was based on recognition of an incomplete EW patterns with aim of the prediction of the following progress of the time set. The Random Decision Forest and the Support Vector Machine are the machine learning algorithms employed for this task. The accuracy of trend prediction above 70% proves the relevancy of EW patterns on stock market data as well as the validity of the algorithm as a tool for detection of such patterns.

  • Název v anglickém jazyce

    An algorithm for Elliott Waves pattern detection

  • Popis výsledku anglicky

    The examination of the ElliottWave theory is the main motivation of this contribution. All of the fundamental features of an proper ElliottWave pattern (EW pattern) are reviewed and explained. Based on this knowledge, an algorithm for detection of these patterns is designed, developed and tested. Under several different algorithm settings, several EW pattern sets are obtained. They differ in amount of found EW patterns, quality and size. The following application of the developed detection algorithm was based on recognition of an incomplete EW patterns with aim of the prediction of the following progress of the time set. The Random Decision Forest and the Support Vector Machine are the machine learning algorithms employed for this task. The accuracy of trend prediction above 70% proves the relevancy of EW patterns on stock market data as well as the validity of the algorithm as a tool for detection of such patterns.

Klasifikace

  • Druh

    J<sub>imp</sub> - Článek v periodiku v databázi Web of Science

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GA15-06700S" target="_blank" >GA15-06700S: Nekonvenční řízení komplexních systémů</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2018

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Intelligent Decision Technologies

  • ISSN

    1872-4981

  • e-ISSN

  • Svazek periodika

    12

  • Číslo periodika v rámci svazku

    1

  • Stát vydavatele periodika

    NL - Nizozemsko

  • Počet stran výsledku

    10

  • Strana od-do

    15-24

  • Kód UT WoS článku

    000445796700003

  • EID výsledku v databázi Scopus