1.

Record Nr.

UNINA990001618660403321

Autore

Zune, A.J.

Titolo

Traite general d' analyse des beurres / A.J. Zune

Pubbl/distr/stampa

Paris & Bruxelles : s.e., 1892

Descrizione fisica

2 v. ; 26 cm

Disciplina

664.07

Locazione

FAGBC

Collocazione

60 543.1 B 7

Lingua di pubblicazione

Francese

Formato

Materiale a stampa

Livello bibliografico

Monografia

2.

Record Nr.

UNIORUON00226564

Autore

MURO OREJON, Antonio

Titolo

Cedulario americano del siglo XVIII : colección de disposiciones legales indianas desde 1680 a 1800, contenidas en los Cedularios del Archivo General de Indias / edición, estudio y comentarios por Antonio Muro Orejon

Pubbl/distr/stampa

Sevilla, : Escuela de Estudios Hispano-Americanos, 1956.     v. ; 25 cm Vol. 1. : Cédulas de Carlos II ( (1679-1700)

Descrizione fisica

XCVI, 834 p.

Disciplina

348.04

Soggetti

DIRITTO INDIANO - Sec. 18

ARCHIVIO GENERALE DELLE INDIE - Documenti

Lingua di pubblicazione

Spagnolo

Formato

Materiale a stampa

Livello bibliografico

Monografia



3.

Record Nr.

UNINA9910438058903321

Autore

Canelas Antonio, M.L.

Titolo

Investment strategies optimization based on a SAX-GA methodology / / Antonio M.L. Canelas, Rui F.M.F. Neves, Nuno C.G. Horta

Pubbl/distr/stampa

New York, : Springer, 2013

ISBN

9781283909037

1283909030

9783642331107

3642331106

Edizione

[1st ed. 2013.]

Descrizione fisica

1 online resource (89 p.)

Collana

SpringerBriefs in applied sciences and technology. Computational intelligence

Altri autori (Persone)

NevesRui F. M. F

HortaNuno C. G

Disciplina

332.60285

Soggetti

Portfolio management

Investments

Genetic algorithms

Lingua di pubblicazione

Inglese

Formato

Materiale a stampa

Livello bibliografico

Monografia

Note generali

Description based upon print version of record.

Nota di bibliografia

Includes bibliographical references.

Nota di contenuto

Introduction -- Market Analysis Background and Related Work -- SAX-GA Approach -- Results -- Conclusions and Future Work.

Sommario/riassunto

This book presents a new computational finance approach combining a Symbolic Aggregate approXimation (SAX) technique with an optimization kernel based on genetic algorithms (GA). While the SAX representation is used to describe the financial time series, the evolutionary optimization kernel is used in order to identify the most relevant patterns and generate investment rules. The proposed approach considers several different chromosomes structures in order to achieve better results on the trading platform The methodology presented in this book has great potential on investment markets.