پیش بینی جهت بازار سهام با استفاده از طبقه بندی داده کاوی

کلید موفقیت در معاملات سهام خرید و فروش سهام در زمان مناسب با قیمت مناسب است."خرید کم ، فروش بالا" به نظر می رسد آسان است ، اما انجام آن بسیار دشوار است زیرا جهت بازار سهام در آینده نزدیک تقریباً غیرقابل پیش بینی است. با پیشرفت در داده کاوی ، اکنون می توان پیش بینی جهت آینده بازار را بر اساس داده های تاریخی پیش بینی کرد. در این مطالعه از رویکردهای مختلفی برای پیش بینی جهت آینده بازار بورس تایلند (SET) استفاده می شود. پیش بینی سری زمانی انجام می شود و مدت زمان مناسبی برای داده های بازار سهام مورد بررسی قرار می گیرد. یک رویکرد جدید برای پیش بینی جهت بازار آینده بر اساس تشخیص الگوهای نمودار با استفاده از طبقه بندی داده کاوی معرفی شده است. مدل ها از طریق روش های مختلفی از جمله شبکه عصبی ، درخت تصمیم ، بیوها و همسایگان K-Nearest ساخته می شوند. نتایج به دست آمد ، در مقایسه با جزئیات مورد بحث قرار گرفت. الگوهای مهم نمودار برای حمایت از تصمیم گیری در تجارت سهام مشخص شده است. به منظور تجسم نتیجه ، یک تکنیک تجسم نیز معرفی شده است.

مقاله را بخوانید اکنون PDF رایگان را بارگیری کنید مقاله را بخوانید اکنون PDF رایگان را بارگیری کنید

مقالات مرتبط

مجله مهندسی و علوم کاربردی ARPN

بارگیری رایگان PDF PDF

پیش بینی ارزشهای سری زمانی آینده بر اساس اطلاعات گذشته و حال برای برنامه های مختلف صنعتی و مالی بسیار مفید و ضروری است. در این مطالعه ، یک رویکرد جدید که در سیستم های مبتنی بر حاکمیت-قانون برای پیش بینی قیمت سهام ، موجک و Takagi-Sugeno-Kang (TSK) را ادغام می کند. تبدیل موجک با استفاده از موجک HAAR برای تجزیه سری زمانی در HAAR اعمال می شود.

بارگیری رایگان PDF PDF

بارگیری رایگان PDF PDF

بارگیری رایگان PDF PDF

بارگیری رایگان PDF PDF

بارگیری رایگان PDF PDF

بارگیری رایگان PDF PDF

این مقاله ادامه کار تحقیقاتی ما در مورد عدم قطعیت های بازار بورس اوراق بهادار نیجریه (NSE) است ، در اولین مقاله ما (Magaji et al ، 2013) ما الگوریتم بیو Bayes را به عنوان ابزاری برای پیش بینی بازار بورس اوراق بهادار نیجریه ارائه دادیم. متعاقباً ما از همان داده های تبدیل شده NSE استفاده کردیم و اجرای الگوریتم دستگاه بردار پشتیبانی را بر روی پلت فرم WEKA بررسی کردیم و نتایج به دست آمده ، ما را نیز نتیجه گرفتیم که دستگاه بردار پشتیبانی-سیستم الگوریتم دیگری است که راه را برای پیش بینی فراهم می کندبورس اوراق بهادار نیجریه.

بارگیری رایگان PDF PDF

داده کاوی و ابزار آن نقش حیاتی در کاوش داده ها از انبارهای مختلف داشته است. با استفاده از ابزارهای داده کاوی و فن آوری های تحلیلی، ما تحقیقات کمی را برای کشف رویکرد جدید برای تصمیم گیری های سرمایه گذاری انجام می دهیم. بازاری با حجم عظیمی از سرمایه گذاران با دانش کافی خوب و پیش بینی و همچنین کنترل بر سرمایه گذاری های آنها. بازار سهام برای مدتی موفق به جذب سرمایه گذار جدید نمی شود. دلیل بیان می کند که افراد ناآگاه و همچنین نمی خواهند در معرض خطر قرار بگیرند. رویکردی با تخصص کافی طراحی شده است تا به سرمایه گذاران کمک کند تا الگوهای پنهانی را از داده های تاریخی که توانایی پیش بینی عملی در تصمیم گیری های سرمایه گذاری خود دارند، تعیین کنند. در این مقاله شرکت NSE Nifty Midcap 50 از میان آنها 4 شرکت برتر دارای حداکثر مقدار Midcap برای تجزیه و تحلیل انتخاب شده است. داده های تاریخی نقش مهمی در کمک به سرمایه گذاران برای به دست آوردن یک دید کلی از رفتار بازار در دهه گذشته دارد. داده های موجودی پنج سال گذشته با استفاده از مدل ARIMA با پارامترهای مختلف جمع آوری و آموزش داده شده است. معیارهای آزمون مانند معیار اطلاعات بیزی معیار اطلاعات آکایک (AICBIC) برای پیش بینی دقت مدل اعمال می شوند. عملکرد مدل آموزش دیده تجزیه و تحلیل می شود و همچنین برای یافتن روند و رفتار بازار برای پیش بینی آینده آزمایش می شود.

بارگیری رایگان PDF PDF