Abstract
In this article are considered in detail the features of automated decision-making systems when operating in spot and futures stock markets. In the context of the EU's new energy goals, one of which is the interregional cooperation of electricity markets. The Romanian energy market is one of the main tools for promoting and implementing the internal energy market in the EU today, as a part of the interconnection mechanism at the regional level, which is of particular interest. The change in the cost of electricity is complicated to predict because it depends on many factors, which in turn, by their nature, have a nonlinear influence. Many automated systems based on machine learning and artificial intelligence have been developed in recent years, but only a small number of existing forecasting techniques, analytical systems and developed software products is able to provide a sufficient solution. Today, neural networks have significant advantages over existing techniques, so this study proposes a universal architecture for the tasks of supporting decision making and forecasting by an automated system for spot and futures exchange markets.
Highlights
Приклад даних взятий за період одного дня з 10 вересня 2019 року представлений у табл. 1.: Таблиця 1 Погодинні данні цін та передачі електроенергії між 4ма ринками
Neural networks have significant advantages over existing techniques, so this study proposes a universal architecture for the tasks of supporting decision making and forecasting by an automated system for spot and futures exchange markets
Summary
В даній статті детально розглянуто особливості роботи автоматизованих систем допомоги прийняття рішень при роботі на спотових та ф’ючерсних біржових ринках. За останні роки було розроблено багато автоматизованих систем на основі машинного навчання (МН) та систем ШІ, таких як: платформа Kavout, яка працює з великими базами даних, на основі яких система робить висновки про перспективи інвестування в акції тисяч компаній; платформа Exo Investing, що дає доступ до системи ШІ для прийняття інвестиційних рішень досить широкому колу інвесторів; сервіс EquBot, який спрямований на виявлення недооцінених активів, оптимізацію частки тих чи інших активів в інвестиційному портфелі та визначення кращих варіантів для інвестицій в різні акції; компанія Qplum, пропонує своїм клієнтам скористатися послугами роботизованого інвестиційного консультанта, в якому також застосовуються технології машинного навчання; банк JPMorgan Chase створив підрозділ з впровадження технологій штучного інтелекту, який працює над створенням роботатрейдера, що буде автоматизовано займатися торгівлею акцій; і т.д. Підбір архітектури автоматизованих систем, вхідних і вихідних потоків даних для задач підтримки прийняття та прогнозування рішень спотового і ф’ючерсного біржових ринків – є перспективним та актуальним напрямком. Приклад даних взятий за період одного дня з 10 вересня 2019 року представлений у табл. 1.: Таблиця 1 Погодинні данні цін та передачі електроенергії між 4ма ринками
Sign-in/Register to view highlights & summary Sign-in/Register to access full text options 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a callDisclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.
