پیش بینی بازار سهام با استفاده از طبقه بندی کننده های یادگیری ماشین و رسانه های اجتماعی ، اخبار

پیش بینی دقیق بازار سهام مورد توجه سرمایه گذاران است. با این حال ، بازارهای سهام توسط عوامل بی ثبات مانند میکروبلاگ ها و اخبار هدایت می شوند که پیش بینی شاخص بازار سهام را بر اساس داده های تاریخی دشوار می کند. نوسانات عظیم بازار سهام بر لزوم ارزیابی مؤثر نقش عوامل خارجی در پیش بینی سهام تأکید دارد. بازارهای سهام را می توان با استفاده از الگوریتم های یادگیری ماشین در مورد اطلاعات موجود در رسانه های اجتماعی و اخبار مالی پیش بینی کرد ، زیرا این داده ها می توانند رفتار سرمایه گذاران را تغییر دهند. در این مقاله ، ما از الگوریتم ها در رسانه های اجتماعی و داده های اخبار مالی برای کشف تأثیر این داده ها بر دقت پیش بینی بازار سهام برای ده روز بعدی استفاده می کنیم. برای بهبود عملکرد و کیفیت پیش بینی ها ، انتخاب ویژگی ها و کاهش توییت های هرزنامه بر روی مجموعه داده ها انجام می شود. علاوه بر این ، ما آزمایشاتی را برای یافتن چنین بازارهای سهام انجام می دهیم که پیش بینی آن دشوار است و مواردی که بیشتر تحت تأثیر رسانه های اجتماعی و اخبار مالی قرار دارند. ما نتایج الگوریتم های مختلف را برای یافتن طبقه بندی کننده سازگار مقایسه می کنیم. سرانجام ، برای دستیابی به دقت پیش بینی حداکثر ، از یادگیری عمیق استفاده می شود و برخی از طبقه بندی کننده ها گروهی می شوند. نتایج تجربی ما نشان می دهد که بالاترین دقت پیش بینی 80. 53 ٪ و 75. 16 ٪ به ترتیب با استفاده از رسانه های اجتماعی و اخبار مالی حاصل می شود. ما همچنین نشان می دهیم که پیش بینی بازارهای سهام نیویورک و رد هات دشوار است ، سهام نیویورک و IBM بیشتر تحت تأثیر رسانه های اجتماعی قرار دارند ، در حالی که سهام لندن و مایکروسافت توسط اخبار مالی. طبقه بندی کننده جنگل تصادفی به نظر می رسد که سازگار است و بالاترین دقت 83. 22 ٪ توسط گروه آن حاصل می شود.

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

گزینه های دسترسی

خرید مقاله منفرد

دسترسی فوری به مقاله کامل PDF.

قیمت شامل مالیات بر ارزش افزوده (فدراسیون روسیه)

یادداشت

منابع

• Afzal H ، Mehmood K (2016) فیلتر هرزنامه توییت های دو زبانه با استفاده از یادگیری ماشین. در: هجدهمین کنفرانس بین المللی IEEE در ICACT ، صص 710-714
• Alostad H ، Davulcu H (2015) پیش بینی جهت گیری قیمت سهام با استفاده از اخبار شکستن در توییتر. در: کنفرانس بین المللی IEEE/WIC/ACM در مورد WI-IAT 1 ، صص 523-530
• Al-Zoubi A ، Faris H (2017) تشخیص پروفایل اسپم در شبکه های اجتماعی بر اساس ویژگی های عمومی. در: IEEE هشتمین کنفرانس بین المللی ICICS ، صص 130-135
• Attigeri GV ، MM MP ، Pai RM ، Nayak A (2015) پیش بینی بازار سهام: یک رویکرد داده بزرگ. در: کنفرانس منطقه 10 IEEE در مورد Tencon ، صص 1-5
• Bastianin A ، Manera M (2018) چگونه نوسانات بورس سهام نسبت به شوک قیمت نفت واکنش نشان می دهد؟Mach Dyn 22 (3): 666-682 ArticleGoogle Scholar
• Blum C ، Li X (2008) هوش swarm در بهینه سازی. در: Dorigo M (ed) اطلاعات Swarm. Springer ، برلین ، صص 43-85 SHAORGOOGLE SCHING
• Brezočnik L ، Fister I ، Podgorelec V (2018) الگوریتم های اطلاعاتی Swarm برای انتخاب ویژگی: یک بررسی. Appl Sci 8 (9): 1521 ArticleGoogle Scholar
• Brown GW ، Cliff MT (2004) احساسات سرمایه گذار و بازار سهام نزدیک به مدت. J Empir Financy 11 (1): 1 27 ArticleGoogle Scholar
• Cao J ، Cui H ، Shi H ، Jiao L (2016) داده های بزرگ: یک الگوریتم شبکه عصبی بهینه سازی-پشتی بهینه سازی ذرات موازی بر اساس MapReduce. PLOS ONE 11 (6): E0157551 ArticleGoogle Scholar
• Chakraborty P ، Pria US ، Rony M ، Majumdar MA (2017) پیش بینی حرکت سهام با استفاده از تجزیه و تحلیل احساسات از خوراک توییتر. در: ششمین کنفرانس بین المللی IEEE ICIEV-ISCMHT ، صص 1-6
• Chen W ، Yeo CK ، Lau CT ، Le BS (2017a) مطالعه ای در مورد تشخیص محتوای با کیفیت پایین در زمان واقعی در توییتر از دیدگاه کاربران. PLOS ONE 12 (8): E0182487 ArticleGoogle Scholar
• Chen W ، Zhang Y ، Yeo CK ، Lau CT ، Lee BS (2017b) پیش بینی بازار سهام با استفاده از شبکه عصبی از طریق اخبار در شبکه های اجتماعی آنلاین. در: IEEE Inteational ISC2 ، صص 1-6
• Chen L ، Qiao Z ، Wang M ، Wang C ، Du R ، Stanley HE (2018) کدام الگوریتم هوش مصنوعی بهتر بازار سهام چین را پیش بینی می کند؟IEEE Access 6: 48625-48633 ArticleGoogle Scholar
• Cheng S ، Shi Y ، Qin Q ، Bai R (2013) هوش swarm در تجزیه و تحلیل داده های بزرگ. در: کنفرانس بین المللی مهندسی داده های هوشمند و یادگیری خودکار. اسپرینگر ، برلین ، صص 417-426
• Chhikara RR ، Sharma P ، Singh L (2018) یک الگوریتم Firefly گسسته پویا بهبود یافته برای تصویر کور. Int J Mach Lea Cybe 9 (5): 821-835 ArticleGoogle Scholar
• Chou JS ، Lin C (2012) پیش بینی اختلافات در پروژه های مشارکت دولتی و خصوصی: طبقه بندی و مدل های گروه. J Comput Civ Eng 27 (1): 51-60 ArticleGoogle Scholar
• Dang M ، Duong D (2016) روشهای بهبود پیش بینی بازار سهام با استفاده از مقالات خبری مالی. در: IEEE سوم بنیاد ملی علوم و فناوری توسعه اطلاعات و علوم کامپیوتر (NICS) ، صص 125-129
• Dang LM ، Sadeghi-Niaraki A ، Huynh HD ، Min K ، Moon H (2018) رویکرد یادگیری عمیق برای پیش بینی روند سهام کوتاه مدت بر اساس شبکه واحد مکرر دو سطح. IEEE Access 6: 55392-55404 ArticleGoogle Scholar
• Dorigo M (1992) یادگیری و الگوریتم های طبیعی. دکتریپایان نامه ، Politecnico di Milano ، میلانو ، ایتالیا
• Džeroski S ، ženko B (2004) در حال ترکیب طبقه بندی کننده ها با جمع شدن بهتر از انتخاب بهترین است؟J Mach Lea 54 (3): 255-2273 ArticleGoogle Scholar
• Eberhart R ، Kennedy J (1995) بهینه سازی ذرات. در: مجموعه مقالات کنفرانس بین المللی IEEE در شبکه های عصبی ، صص 1942-1948
• Enache AC ، Sgarciu V ، Petrescu-Niţţ A (2015) روش انتخاب ویژگی هوشمند ریشه در الگوریتم BAT باینری برای تشخیص نفوذ. در: 2015 IEEE دهمین سمپوزیوم بین المللی Jubilee در زمینه اطلاعات و انفورماتیک کاربردی کاربردی. IEEE ، صص 517-521
• Gidofalvi G ، Elkan C (2001) با استفاده از مقالات خبری برای پیش بینی حرکات قیمت سهام. گروه علوم و مهندسی کامپیوتر ، دانشگاه کالیفرنیا ، سن دیگو Google Scholar
• Hajdu A ، Hajdu L ، Jonas A ، Kovacs L ، Toman H (2013) تعمیم طرح رای گیری اکثریت برای رأی گیری محدود فضایی. IEEE Trans Image Proc 22 (11): 4182-4194 ArticleMathScinetGoogle Scholar
• Hassanien AE ، Emary E (2016) اطلاعات Swarm: اصول ، پیشرفت ها و برنامه ها. CRC Press ، Boca Raton Google Scholar
• Hastie T ، Tibshirani R ، Friedman J (2009) عناصر یادگیری آماری: داده کاوی ، استنباط و پیش بینی ، edn 2. Springer ، New York ، P 745 Bookgoogle Scholar
• He K ، Zhang X ، Ren S ، Sun J (2016) یادگیری باقیمانده عمیق برای تشخیص تصویر. در: مجموعه مقالات کنفرانس IEEE در CVPR 2016 ، صص 770-778
• Hegazy O ، Soliman OS ، Salam MA (2014) یک مدل یادگیری ماشین برای پیش بینی بازار سهام. Int J Comput Sci Telecommun 4 (12): 16-23 Google Scholar
• Hentschel M ، Alonso O (2014) پول را دنبال کنید: مطالعه CashTags در توییتر. دوشنبه اول 19 (8). https://doi. org/10. 5210/fm. v19i8. 5385articlegogle Scholar
• Hu Z ، Chiong R ، Pranata I ، Susilo W ، Bao Y (2016) شناسایی دامنه های وب مخرب با استفاده از تکنیک های یادگیری ماشین با اعتبار آنلاین و داده های عملکرد. در: 2016 کنگره IEEE در مورد محاسبات تکاملی (CEC). IEEE ، صص 5186-5194
• Hunter JD (2007) Matplotlib: یک محیط گرافیکی 2D. Comput Sci Eng 9 (3): 90-95. https://doi. org/10. 1109/mcse. 2007. 55ArticleGoogle Scholar
• ابراهیم RA ، Ewees AA ، Oliva D ، Elaziz MA ، Lu S (2019) الگوریتم SALP SALP بهبود یافته بر اساس بهینه سازی ذرات ذرات برای انتخاب ویژگی. J Ambient Intel Humaniz Compute. https://doi. org/10. 1007/S12652-018-1031-9ArticleGoogle Scholar
• Jayaraman V ، Sultana HP (2019) الگوریتم جستجوی فاضلاب گرانشی مصنوعی به همراه شبکه زنبور عسل بهینه سازی شده شبکه عصبی برای انتخاب ویژگی در طبقه بندی بیماری های قلبی. J Ambient Intel Humaniz Compute. https://doi. org/10. 1007/S12652-019-01193-6ArticleGoogle Scholar
• Jeon S ، Hong B ، Chang V (2018) پیش بینی قیمت سهام مبتنی بر ردیابی نمودار با استفاده از داده های بزرگ. J Compute Compute آینده. https://doi. org/10. 1016/j. future. 2017. 02. 010ArticleGoogle Scholar
• Joshi R ، Tekchandani R (2016) تجزیه و تحلیل مقایسه ای داده های توییتر با استفاده از طبقه بندی های نظارت شده. در: IEEE کنفرانس بین المللی IEEE ، 3 ص 1-6
• Karaboga D (2005) ایده ای مبتنی بر Swarm Bee Honey برای بهینه سازی عددی. گزارش فنی TR06 ، دانشگاه ERCIYES ، دانشکده مهندسی ، گروه مهندسی کامپیوتر ، جلد 200 ، صص 1-10
• Khan W ، Malik U ، Ghazanfar MA ، Azam MA ، Alyoubi KH ، Alfakeeh AS (2019) پیش بینی روند بازار سهام با استفاده از الگوریتم های یادگیری ماشین از طریق احساسات عمومی و تجزیه و تحلیل وضعیت سیاسی. رایانه نرمhttps://doi. org/10. 1007/s00500-019-04347-yarticlegoogle Scholar
• Khare K ، Darekar O ، Gupta P ، Attar VZ (2017) پیش بینی قیمت سهام کوتاه مدت با استفاده از یادگیری عمیق. در: دوم کنفرانس بین المللی IEEE RTEICT ، صص 482-486
• Khatri SK ، Srivastava A (2016) با استفاده از تجزیه و تحلیل احساساتی در پیش بینی سرمایه گذاری در بازار سهام. در: IEEE پنجمین کنفرانس بین المللی ICRITO ، صص 566-569
• کیم E ، کیم دبلیو ، لی Y (2003) ترکیبی از چندین طبقه بندی کننده برای پیش بینی رفتار خرید مشتری. J DECIS پشتیبانی Syst 34 (2): 167-175 ArticleGoogle Scholar
• Kohavi R (1995) مطالعه ای از اعتبار سنجی متقابل و بوت استرپ برای برآورد صحت و انتخاب مدل. IJCAI 14 (2): 1137 1145 Google Scholar
• Kuhn M ، Johnson K (2013) از مدل سازی پیش بینی شده استفاده کرد. Springer ، New York Bookgoogle Scholar
• Kumar PH ، Patil SB (2015) پیش بینی نوسانات با استفاده از یادگیری ماشین و تکنیک های سری زمانی. IJRCCE 3 (9): 8284-8292 Google Scholar
• Lakshmi V ، Harika K ، Bavishya H ، Harsha CS (2017) تجزیه و تحلیل احساسات از داده های توییتر. Int Res J Eng Technol 4 (2): 2224 2227 Google Scholar
• Li X (2003) یک الگوریتم جدید Swarm ماهی بهینه سازی هوشمند و بهینه سازی. دکتریپایان نامه ، دانشگاه ژجیانگ ، هانگژو ، چین
• Li Q ، Wang T ، Li P ، Liu L ، Gong Q ، Chen Y (2014a) تأثیر اخبار و روحیه عمومی بر حرکات سهام. J Inf Sci 278: 826-840. https://doi. org/10. 1016/j. ins. 2014. 03. 096articlegoogle Scholar
• Li X ، Huang X ، Deng X ، Zhu S (2014b) افزایش پیش بینی بازده سهام داخل روز با ادغام اخبار بازار و اطلاعات قیمت سهام. J Neuro Comput 142: 228 238 Google Scholar
• Li X ، Xie H ، Chen L ، Wang J ، Deng X (2014c) تأثیر خبری بر بازده قیمت سهام از طریق تجزیه و تحلیل احساسات. J Knowl Syst 69: 14-23. https://doi. org/10. 1016/j. knosys. 2014. 04. 022ararticlegoogle Scholar
• Li J ، Bu H ، Wu J (2017) پیش بینی بازار سهام آگاه از احساسات: یک روش یادگیری عمیق. در: کنفرانس بین المللی IEEE ICSSSM ، صص 1-6
• Liu R ، Li W ، Liu X ، Lu X ، Li T ، Guo Q (2018) مجموعه ای از طبقه بندی کننده ها بر اساس داده های مثبت و بدون برچسب در طبقه بندی سنجش از دور یک طبقه. IEEE J Sel Top Earth Obs Remote Sens 11 (2): 572-584 ArticleGoogle Scholar
• Makrehchi M ، Shah S ، Liao W (2013) پیش بینی سهام با استفاده از تجزیه و تحلیل احساسات مبتنی بر رویداد. در: کنفرانس مشترک بین المللی IEEE/WIC/ACM در مورد WI و IAT ، 1 ، صص 337-342
• Mirjalili S ، Mirjalili SM ، Lewis A (2014) بهینه ساز گرگ خاکستری. J Adv Eng Softw 69: 46-61 ArticleGoogle Scholar
• میرجالیلی S ، گاندومی AH ، میرجالیلی SZ ، Saremi S ، Faris H ، Mirjalili SM (2017) الگوریتم SALP SWARM: یک بهینه ساز با الهام از زیستی برای مشکلات طراحی مهندسی. Adv Eng Softw 114: 163-191 ArticleGoogle Scholar
• Mohammadi FG ، Abadeh MS (2014) تصویر Steganalysis با استفاده از یک الگوریتم انتخاب ویژگی مبتنی بر کلونی Bee. J Eng Appl Artif Intll 31: 35-43 ArticleGoogle Scholar
• Moslehi F ، Haeri A (2019) یک رویکرد جدید بسته بندی ترکیبی ترکیبی مبتنی بر الگوریتم ژنتیکی ، بهینه سازی ذرات ذرات برای انتخاب زیر مجموعه ویژگی ها. J Ambient Intel Humaniz Compute. https://doi. org/10. 1007/S12652-019-01364-5ArticleGoogle Scholar
• Noda K ، Yamaguchi Y ، Nakadai K ، Okuno HG ، Ogata T (2015) تشخیص گفتار صوتی و تصویری با استفاده از یادگیری عمیق. J Appl Itll 42 (4): 722-737 ArticleGoogle Scholar
• Omer Nab ، Halim FA (2015) مدل سازی نوسانات بازار سهام مالزی با استفاده از مدل های GARCH. در: سمپوزیوم بین المللی IEEE ISMSC ، صص 447-452
• OU P ، Wang H (2009) پیش بینی حرکت شاخص بورس سهام توسط ده تکنیک داده کاوی. Mod Appl Sci 3 (12): 28 ArticleGoogle Scholar
• Passino KM (2002) زیستی از علوفه باکتریایی برای بهینه سازی و کنترل توزیع شده. IEEE CONTROL SYST MAG 22: 52-67 ArticleGoogle Scholar
• Pedregosa et al (2011) Scikit-Lea: یادگیری ماشین در پایتون. JMLR 12: 2825 2830 MathScinetMathgoogle Scholar
• Qasem M ، Thulasiram R ، Thulasiram P (2015) طبقه بندی احساسات توییتر با استفاده از تکنیک های یادگیری ماشین برای بازارهای سهام. در: کنفرانس بین المللی IEEE در مورد ICACCI ، کوچی ، هند ، صص 834-840
• Saraç E ، Ozel SA (2014) انتخاب ویژگی بهینه سازی کلونی برای طبقه بندی صفحه وب. Sci World J 2014: 649260. https://doi. org/10. 1155/2014/649260articlegogle Scholar
• Sattiraju M ، Manikantan K ، Ramachandran S (2013) انتخاب ویژگی مبتنی بر BPSO مبتنی بر انتخاب و حذف پس زمینه مبتنی بر تشخیص پوست برای تشخیص پیشرفت چهره. در: 2013 چهارمین کنفرانس ملی در مورد رایانه ، تشخیص الگوی ، پردازش تصویر و گرافیک (NCVPRIPG). IEEE ، صص 1-4
• Sedhai S ، Sun A (2015) HSPAM14: مجموعه ای از 14 میلیون توییت برای تحقیقات اسپم با هشتگ گرا. در: 38 کنفرانس ACM در SIGIR ، صص 223-232
• Sedhai S ، Sun A (2018) تشخیص اسپم نیمه نظارت در جریان توییتر. IEEE Trans Comput Soc Syst 5 (1): 169-175 ArticleGoogle Scholar
• Seth JK ، Chandra S (2016) تشخیص نفوذ بر اساس انتخاب ویژگی های کلیدی با استفاده از GWO باینری. در: سومین کنفرانس بین المللی محاسبات برای توسعه پایدار جهانی (هندوستان). IEEE ، ص 3735-3740
• پیش بینی بازار سهام با استفاده از الگوریتم های یادگیری ماشین. گروه مهندسی برق ، دانشگاه استنفورد ، استنفورد ، صص 1-5 Google Scholar
• Socher R ، Perelygin A ، Wu J ، Chuang J ، Manning CD ، Ng A ، Potts C (2013) مدل های عمیق بازگشتی برای ترکیب معنایی بیش از یک درخت درختی. در: مجموعه مقالات کنفرانس 2013 روشهای تجربی در پردازش زبان طبیعی ، صص 1631-1642
• Sun J ، Li H (2012) پیش بینی پریشانی مالی با استفاده از ماشین های بردار پشتیبانی: گروه در مقابل فرد. J Apple Soft Comput 12 (8): 2254 2265 ArticleGoogle Scholar
• Tayal D ، Komaragiri S (2009) تجزیه و تحلیل مقایسه ای از تأثیر وبلاگ نویسی و میکروبلاگینگ بر عملکرد بازار. Int J Comput Sci Eng 1 (3): 176 182 Google Scholar
• Thu Hlt ، Marrero-Ponce Y ، Cansañola-Martin GM ، Cardoso GC ، Chávez MC ، Garcia MM ، Morell C ، Torrens F ، Abad C (2011) یک مطالعه مقایسه ای از یادگیری ماشین غیرخطی برای تصویر "در سیلیکو" مهار کننده تیروزینازفعالیت از ساختار مولکولی. Mol Inform 30 (6-7): 527-537 ArticleGoogle Scholar
• Tirea M ، Negru V (2015) سیستم اخبار معدنکاری متن سیستم-نشان دهنده تأثیر خاص پدیده ها بر رفتار بازار سهام. در: هفدهمین سمپوزیوم بین المللی IEEE در Synasc ، ص 391-398
• Todorovski L ، Džeroski S (2003) ترکیب طبقه بندی ها با درختان تصمیم متا. J Mach Lea 50 (3): 223 249 ArticleGoogle Scholar
• Tsai CF ، Lin YC ، Yen DC ، Chen YM (2011) پیش بینی بازده سهام توسط گروه های طبقه بندی کننده. J Appl Comput. https://doi. org/10. 1016/j. asoc. 2010. 10. 001ArticleGoogle Scholar
• Urolagin S (2017) استخراج متن توییت برای طبقه بندی احساسات و ارتباط با قیمت سهام. در: IEEE ICCA ، ص 384-388
• Usmani M ، Adil SH ، Raza K ، Ali SA (2016) پیش بینی بازار سهام با استفاده از تکنیک های یادگیری ماشین. در: IEEE سومین کنفرانس بین المللی ICCOINS ، صص 322-327
• Vargas MR ، Dos Anjos Cem ، Bichara GLG ، Evsukoff AG (2018) یادگیری عمیق برای پیش بینی بازار سهام با استفاده از شاخص های فنی و مقالات خبری مالی. در: کنفرانس مشترک بین المللی IEEE IJCNN ، صص 1-8
• Wang G ، Dai D (2013) تشخیص نفوذ شبکه بر اساس الگوریتم SWARM ماهی مصنوعی بهبود یافته. J Comput 8 (11): 2990 2996 Google Scholar
• Wang F ، Zhao Z ، Li X ، Yu F ، Zhang H (2014) پیش بینی نوسانات سهام با استفاده از دستگاه یادگیری افراطی مبتنی بر یادگیری چند هسته ای. در: کنفرانس مشترک IEEE IJCNN ، صص 3078-3085
• Wang H ، Jing X ، Niu B (2016) الگوریتم انتخاب ویژگی باکتریایی الهام گرفته از باکتریایی و کاربرد آن در تشخیص گسل ساختارهای پیچیده. در: 2016 کنگره IEEE در مورد محاسبات تکاملی (CEC). IEEE ، ص 3809-3816
• Yan D ، Zhou G ، Zhao X ، Tian Y ، Yang F (2016) پیش بینی سهام با استفاده از خلق و خوی میکروبلاگ. J China Commun 13 (8): 244-257 ArticleGoogle Scholar
• Yang X-S (2008) الگوریتم Firefly. در: الگوریتم های متهوریستی الهام گرفته از طبیعت. Luniver Press ، Beckington ، PP 128
• Yang XS (2010) یک الگوریتم جدید با الهام از خفاش متهوریستی. در طبیعت با الهام از استراتژی های تعاونی برای بهینه سازی (NICSO 2010) Springer ، برلین ، صص 65-74
• Yang XS ، Deb S (2009) جستجوی فاخته از طریق پروازهای Lévy. در: کنگره جهانی 2009 در مورد طبیعت و محاسبات با الهام از بیولوژیکی (NABIC). IEEE ، صص 210 214
• پیش بینی بازار سهام با استفاده از شبکه عصبی مصنوعی. در: IEEE WAC ، صص 718-722
• Yuan B (2016) تجزیه و تحلیل احساسات از داده های توییتر. ام اس. پایان نامه ، گروه علوم کامپیوتر ، انستیتوی پلی تکنیک Rensselaer ، نیویورک
• Zhong X ، Enke D (2016) پیش بینی بازده روزانه بورس سهام با استفاده از کاهش ابعاد. Exp Syst Appl 67: 126 139. https://doi. org/10. 1016/j. eswa. 2016. 09. 09
• Zhou Z ، Zhao J ، Xu K (2016) آیا احساسات آنلاین می تواند بازار سهام در چین را پیش بینی کند؟در: کنفرانس بین المللی مهندسی سیستم های اطلاعات وب ، ص 328-342

اطلاعات نویسنده

نویسندگان و وابستگی ها

1. گروه مهندسی نرم افزار ، دانشگاه مهندسی و فناوری ، تاکسیلا ، 47050 ، پاکستان واسیات خان
2. دانشکده معماری ، محاسبات و مهندسی ، دانشگاه شرق لندن ، لندن ، UK Mustansar Ali Ghazanfar & Amin Karami
3. گروه مهندسی کامپیوتر ، دانشگاه مهندسی و فناوری ، تاکسیلا ، 47050 ، پاکستان محمد آواس آزام
4. دانشکده محاسبات و فناوری اطلاعات ، دانشگاه پادشاه عبدالعزیز ، جده ، عربستان سعودی ، خالد الیوبی و احمد اس. آلفاکی

1. واسیات خان

همچنین می توانید این نویسنده را در PubMed Google Scholar جستجو کنید همچنین می توانید این نویسنده را در PubMed Google Scholar جستجو کنید همچنین می توانید این نویسنده را در PubMed Google Scholar جستجو کنید همچنین می توانید این نویسنده را در PubMed Google Scholar جستجو کنید همچنین می توانید این نویسنده را در PubMed Google Scholar جستجو کنید همچنین می توانید این نویسنده را در PubMed Google Scholar جستجو کنید

نویسنده متناظر

اطلاعات اضافی

یادداشت ناشر

طبیعت Springer با توجه به ادعاهای قضایی در نقشه های منتشر شده و وابستگی های نهادی ، خنثی است.

حقوق و مجوزها

در مورد این مقاله

این مقاله را ذکر کنید

Khan ، W. ، Ghazanfar ، M. A. ، Azam ، M. A. et al. پیش بینی بازار سهام با استفاده از طبقه بندی کننده های یادگیری ماشین و رسانه های اجتماعی ، اخبار. J Ambient Intel Human Compute 13 ، 3433-3456 (2022). https://doi. org/10. 1007/S12652-020-01839-W

• دریافت شده: 31 مارس 2019
• پذیرفته شده: 25 فوریه 2020
• منتشر شده: 14 مارس 2020
• تاریخ انتشار: ژوئیه 2022
• doi: https://doi. org/10. 1007/S12652-020-01839-W

این مقاله را به اشتراک بگذارید

هرکسی که لینک زیر را با آن به اشتراک بگذارید قادر به خواندن این محتوا خواهد بود:

لینک اشتراکی دریافت کنید

با عرض پوزش ، یک لینک قابل اشتراک در حال حاضر برای این مقاله در دسترس نیست.

کپی به کلیپ بورد

ارائه شده توسط SPRINGER NATURE SHAREDIT SICTIONATION CONTENT

کلید واژه ها

• یادگیری عمیق
• انتخاب ویژگی
• الگوریتم ترکیبی
• پردازش زبان طبیعی
• مدل سازی پیش بینی کننده
• تجزیه و تحلیل احساسات
• پیش بینی بازار سهام