ترکیب اخبار و شاخص های فنی در پیش بینی روند قیمت سهام روزانه

پیش بینی بازار سهام همیشه یکی از داغترین مباحث تحقیق و همچنین یک چالش بزرگ به دلیل ماهیت پیچیده و بی ثبات آن بوده است. با این حال ، بسیاری از روش های موجود از تأثیر رسانه های جمعی غفلت می کنند که بر رفتار سرمایه گذاران تأثیر زیادی خواهد گذاشت. در این مقاله ما سیستمی را ارائه می دهیم که اطلاعات مربوط به نسخه های خبری مرتبط و شاخص های فنی را برای افزایش پیش بینی روند قیمت سهام روزانه ترکیب می کند. عملکرد نشان می دهد که این سیستم می تواند نسبت به یک سیستم منبع واحد به دقت و بازگشت بالاتری برسد.

کلید واژه ها

• دستگاه بردار پشتیبانی
• مقاله خبری
• قیمت بسته شدن
• پیش بینی سری زمانی
• احساسات سرمایه گذار

این کلمات کلیدی توسط دستگاه اضافه شده و نه توسط نویسندگان. این فرآیند تجربی است و با بهبود الگوریتم یادگیری ممکن است کلمات کلیدی به روز شود.

این پیش نمایش محتوای اشتراک ، دسترسی از طریق موسسه شما است.

گزینه های خرید

29. 95 یورو قیمت شامل مالیات بر ارزش افزوده (فدراسیون روسیه)

کتاب الکترونیکی 85. 59 یورو شامل مالیات بر ارزش افزوده (فدراسیون روسیه)

کتاب Softcover 99. 99 یورو از مالیات بر ارزش افزوده (فدراسیون روسیه) مستثنی است

پیش نمایش

نمایش پیش نمایش امکان پذیر نیست. بارگیری PDF PREVIEW.

منابع

1. Choi ، J. H. ، Lee ، M. K. ، Rhee ، M. W: معاملات آتی شاخص سهام S& P 500 با استفاده از یک شبکه عصبی. در: Proc. از int سالانه. کنفرانس برنامه های اطلاعاتی مصنوعی در وال استریت ، نیویورک ، صص 63-72 (1995) Google Scholar
2. Cristianini ، N. ، Shawe-Taylor ، J: مقدمه ای برای پشتیبانی از ماشین های بردار و سایر روش های یادگیری مبتنی بر هسته. انتشارات دانشگاه کمبریج ، کمبریج (2000) Google Scholar
3. Dumais ، S. ، Platt ، J. ، Heckerman ، D: الگوریتم های یادگیری القایی و بازنمایی برای طبقه بندی متن. در: Proc. از هفتم int. کنفرانسدر مورد اطلاعات و مدیریت دانش ، صص 148-155. ACM Press ، نیویورک (1998) Google Scholar
4. Fellbaum ، C. (ویرایش): Wordnet: یک بانک اطلاعاتی واژگانی الکترونیکی. MIT Press ، کمبریج (1998) Mathgoogle Scholar
5. Fung ، G. P. C. ، Yu ، J. X. ، Lam ، W: پیش بینی روند حساس سهام. در: Chen ، M.-S. ، Yu ، P. S. ، Liu ، B. (Eds.) Pakdd 2002. LNCS (lnai) ، جلد. 2336 ، ص. 481. اسپرینگر ، هایدلبرگ (2002) Crossrefgoogle Scholar
6. Hellstrom ، T. ، Holmstrom ، K: پیش بینی بازار سهام. گزارش فنی سری IMA-TOM-1997-07 (1998) Google Scholar
7. Hotho ، A. ، Stumme ، G: خوشه بندی مفهومی خوشه های متن. در: Proc. Fachgruppentreffen Maschinelles Leen ، Haover ، صص 37-45 (2002) Google Scholar
8. Joachims ، T: طبقه بندی متن با دستگاه های بردار پشتیبانی: یادگیری با بسیاری از ویژگی های مرتبط. در: Nédellec ، C. ، Rouveirol ، C. (Eds.) ECML 1998. LNCS ، جلد. 1398 ، صص 137-142. Springer ، Heidelberg (1998) Crossrefgoogle Scholar
9. Hassan ، M. R. ، Nath ، B: پیش بینی بازار سهام با استفاده از مدل مارکوف پنهان: یک رویکرد جدید. در: Proc. از 5 int. کنفرانسدر زمینه طراحی سیستم های هوشمند و برنامه ها (2005) Google Scholar
10. کیم ، ک. ، هان ، من: الگوریتم های ژنتیکی به ویژگی های تفکیک در شبکه های عصبی مصنوعی برای پیش بینی شاخص قیمت سهام. سیستم متخصصکاربرد19 (2) ، 125-132 (2000) CrossrefmathscinetGoogle Scholar
11. کیم ، K. J: پیش بینی سری زمانی مالی با استفاده از ماشین های بردار پشتیبانی. Neurocomputing 55 ، 307-319 (2003) Crossrefgoogle Scholar
12. Rosso ، P. ، Ferretti ، E. ، Jimenez ، D. ، Vidal ، v: طبقه بندی متن و بازیابی اطلاعات با استفاده از حواس WordNet. در: Proc. دوم WordNet Int. Conf. ، GWN-2004 ، Bo ، جمهوری چک ، 20-23 ژانویه ، صص 299-304 (2004) Google Scholar
13. میچل ، M. L. ، Mulherin ، J. H: تأثیر اطلاعات عمومی در بازار سهام. مجله دارایی 49 (3) ، 923-950 (1994) Crossrefgoogle Scholar
14. Mittermayer ، M: پیش بینی روند قیمت سهام Intraday با تکنیک های استخراج متن. در: Proc. از 37 مین کنفرانس بین المللی هاوایی در مورد علوم سیستم ، هاوایی (2004) Google Scholar
15. Mukherjee ، S. ، Osuna ، E. ، Girosi ، F: پیش بینی غیرخطی سری زمانی هرج و مرج با استفاده از ماشین های بردار پشتیبانی. در: Proc. از کارگاه IEEE در شبکه های عصبی برای پردازش سیگنال ، جزیره آملیا ، FL ، صص 511-520 (1997) Google Scholar
16. Nofsinger ، J. R: تأثیر اطلاعات عمومی بر روی سرمایه گذاران. مجله بانکی و دارایی 25 ، 1339-1366 (2001) Crossrefgoogle Scholar
17. Quah ، T. S. ، Srinivasan ، b: بهبود بازده سرمایه گذاری سهام از طریق انتخاب شبکه عصبی. سیستم متخصصکاربرد17 ، 295-301 (1999) Crossrefgoogle Scholar
18. Romahi ، Y. ، Shen ، Q: پیش بینی مالی پویا با انجمن های فازی ناشی از خودکار. در: Proc. از نهم Inter. کنفرانسدر سیستم های فازی ، صص 493-498 (2000) Google Scholar
19. Salton ، G. ، McGill ، M. J: مقدمه ای برای بازیابی اطلاعات مدرن. McGraw-Hill ، New York (1983) Mathgoogle Scholar
20. Tay ، F. E. H. ، Cao ، L: استفاده از ماشین های بردار پشتیبانی در پیش بینی سری زمانی مالی. امگا 29 ، 309-317 (2001) Crossrefgoogle Scholar
21. Thissen ، U. ، Van Brakel ، R. ، De Weijer ، A. P. ، Melssen ، W. J. ، Buydens ، L. M. C: با استفاده از ماشین های بردار پشتیبانی برای پیش بینی سری زمانی. شیمیهوشآزمایشگاه. syst69 ، 35-49 (2003) Crossrefgoogle Scholar
22. Vapnik ، V. N: نظریه یادگیری آماری. ویلی ، نیویورک (1998) Mathgoogle Scholar
23. براون ، G. W. ، Cliff ، M. T: احساسات سرمایه گذار و بازار سهام نزدیک به مدت. مجله مالی تجربی 11 ، 1 27 (2004) Crossrefgoogle Scholar
24. Achelis ، S. B: تجزیه و تحلیل فنی از انتشارات A تا Z. Probus ، شیکاگو (1995) Google Scholar
25. Kalev ، P. S. ، Liu ، W. M. ، Pham ، P. K. ، Jaecic ، E: ورود به اطلاعات عمومی و نوسانات بازده سهام Intraday. مجله بانکی و دارایی 28 ، 1441-1467 (2004) Crossrefgoogle Scholar
26. Leigh ، W. ، Purvis ، R. ، Ragusa ، J. M: پیش بینی شاخص کامپوزیت NYSE با تجزیه و تحلیل فنی ، تشخیص الگوی ، شبکه عصبی و الگوریتم ژنتیکی: یک مورد در حال مطالعه پشتیبانی از تصمیم گیری. سیستم های پشتیبانی تصمیم 32 ، 361-377 (2002) Crossrefgoogle Scholar
27. لی ، R. S. T: مشاور سهام Ijade: یک سیستم پیش بینی سهام مبتنی بر عامل هوشمند با استفاده از شبکه مکرر RBF ترکیبی. معاملات IEEE در سیستم ها ، انسان و سایبرنتیک - قسمت A: سیستم ها و انسان ها 34 (3) ، 421-428 (2004) CrossrefGoogle Scholar
28. عبدالله ، M. H. L. B. ، Ganapathy ، v: گروه شبکه عصبی برای پیش بینی روند مالی. در: Proc. Tencon ، جلد. 3 ، صص 157-161 (2000) Google Scholar
29. Abraham ، A. ، Nath ، B. ، Mahanti ، P. K: سیستم های هوشمند ترکیبی برای تجزیه و تحلیل بازار سهام. در: Alexandrov ، V. N. ، Dongarra ، J. ، Juliano ، B. A. ، Reer ، R. S. ، Tan ، C. J. K.(Eds.) ICCS-Computsci 2001. LNCS ، جلد. 2074 ، صص 337-345. Springer ، Heidelberg (2001) Crossrefgoogle Scholar

اطلاعات نویسنده

نویسندگان و وابستگی ها

1. سیستم پویا و گروه کنترل ، گروه مهندسی مکانیک و تولید ، دانشگاه ملبورن ، ویکتوریا ، 3010 ، استرالیا یوژنگ ژی ، آرتور هسو و سامان K Halgamuge

1. یوژنگ ژی