یک روش جدید مبتنی بر تجزیه و تحلیل فنی برای پیش بینی بازار سهام

این هشدار با موفقیت اضافه شده است و به شما ارسال می شود: هر زمان که رکوردی که انتخاب کرده اید استناد شده است ، به شما اطلاع داده می شود.

برای مدیریت تنظیمات برگزیده هشدار خود ، روی دکمه زیر کلیک کنید. هشدارهای من را مدیریت کنید

هشدار استناد جدید!

لطفا وارد حساب کاربری خود شوید

صرفه جویی در اتصال

نام

محاسبات نرم - تلفیقی از پایه ها ، روش ها و برنامه ها

خلاصه

با توجه به تغییرات پویا بازار سهام و تأثیرات بی شماری بر قیمت سهام ، ارزیابی قیمت سهام به طور فزاینده ای دشوار شده است. علاوه بر این ، هنگام برخورد با اطلاعات مربوط به سهام ، مردم تمایل به تقویت اهمیت اطلاعات موجود و خود همبستگی دارند ، عادتی که برخلاف تصمیم گیری سرمایه گذاری عینی و معقول است. بنابراین ، نحوه استفاده از اطلاعات مؤثر سهام برای کمک به سرمایه گذاران در تصمیم گیری در مورد سرمایه گذاری سهام ، موضوع اصلی در سرمایه گذاری سهام است. این مطالعه یک روش جدید تجزیه و تحلیل فنی را برای پیش بینی بازار سهام برای ارتقاء موثر دقت پیش بینی ایجاد می کند ، که می تواند به سرمایه گذاران کمک کند تا کیفیت و سودآوری پشتیبانی از تصمیم خود را افزایش دهند. به طور خاص ، این مطالعه شامل وظایف زیر است: (1) طراحی یک فرآیند پیش بینی بازار سهام مبتنی بر تجزیه و تحلیل فنی ، (2) تکنیک های مربوط به پیش بینی بازار سهام مبتنی بر تجزیه و تحلیل فنی ، و (3) تجزیه و تحلیل فنی توسعه یافته را نشان داده و ارزیابی می کند. روش مبتنی بر پیش بینی بازار سهام. در تکنیک های در حال توسعه مرتبط با روش پیش بینی بازار سهام مبتنی بر تجزیه و تحلیل فنی ، این تکنیک ها شامل طبقه بندی سهام مبتنی بر روند ، انتخاب شاخص بازار سهام تطبیقی و پیش بینی سیگنال معاملات بورس است.

منابع

1. Agrawal R ، Srikant R (1994) الگوریتم های سریع برای قوانین انجمن عمومی معدن. مجموعه مقالات بیستمین کنفرانس بین المللی در پایگاه داده بسیار بزرگ (VLDB94). سانتیاگو ، شیلی ، صص 487-499. گوگل دانشکده
2. Altay E ، Satman MH (2005) پیش بینی بازار سهام: شبکه های عصبی مصنوعی و مقایسه رگرسیون خطی در یک بازار نوظهور. J Manag Manager Anal 18 (2): 18-33. گوگل دانشکده
3. Behera S ، Sahoo S ، Pati BB (2015) مروری بر الگوریتم های بهینه سازی و کاربرد برای ادغام انرژی باد در شبکه. تجدید انرژی Rev 48: 214-227. Google Scholarcross Ref
4. Chang PC ، Liu CH ، Lin JL ، Fan CY ، NG CSP (2009) یک شبکه عصبی با یک پنجره پویا مبتنی بر مورد برای پیش بینی معاملات سهام. Exp Syst Appl 36 (3): 6889-6898. Google Scholarcross Ref
5. Chavaakul T ، Enke D (2008) نمودار مبتنی بر تجزیه و تحلیل فنی مبتنی بر تجزیه و تحلیل فنی برای تجارت سهام با استفاده از شبکه های عصبی. Exp Syst Appl 34 (2): 1004-1017. Google Scholarcross Ref
6. Darvas N (2001) چگونه من 2000،000 دلار در بورس سهام ساختم. لیل استوارت ، نیویورک. گوگل دانشکده
7. Diler AI (2003) پیش بینی جهت گیری شاخص ISE National-100 با شبکه عصبی آموزش داده شده در پشت. J Istanb بورس 7 (25-26): 65-81. گوگل دانشکده
8. Goodwin P ، Onkal-Atay D ، Thomson ME ، Pollock AC ، Macaulay A (2004) هم افزایی های برچسب بازخورد در پیش بینی قیمت سهام داوری. DECIS از Syst 37 (1) پشتیبانی می کند: 175-186. کتابخانه Scholardigital Google
9. Gorgulho A ، Neves R ، Horta N (2011) با استفاده از هسته GA در بهینه سازی قوانین تحلیل فنی برای انتخاب سهام و ترکیب نمونه کارها. Exp Syst Appl 38 (11): 14072-14085. گوگل دانشکده
10. Ha YM ، Sanghyun P ، Kim SW ، Won JI ، Yoon JH (2009) سیستم توصیه سهام که از کشف قانون در پایگاه داده های سهام بهره برداری می کند. INF Technol 51 (7): 1140-1149. کتابخانه Scholardigital Google
11. http://www. dgbas. gov. tw/mp. asp؟mp=1. اداره کل بودجه ، حسابداری و آمار ، اجرایی یوان ، R. O. C.(تایوان) http://www. twse. com. tw/ch/index. php. بورس اوراق بهادار تایوان ، R. O. C (تایوان). گوگل دانشکده
12. Huang CL ، Tsai CY (2009) یک SOFM-SVR ترکیبی با انتخاب ویژگی های مبتنی بر فیلتر برای پیش بینی بازار سهام. Exp Syst Appl 36 (2): 1529-1539. Google Scholarcross Ref
13. Hung JC (2015) فیلتر کالمن قوی بر اساس یک مدل گارچ فازی برای پیش بینی نوسانات با استفاده از بهینه سازی swarm ذرات. رایانه نرم 19 (10): 2861-2869. کتابخانه Scholardigital Google
14. Kara Y ، Boyacioglu MA ، Baykan ök (2011) پیش بینی جهت حرکت شاخص قیمت سهام با استفاده از شبکه های عصبی مصنوعی و دستگاه های بردار پشتیبانی: نمونه بورس اوراق بهادار استانبول. Exp Syst Appl 38 (5): 5311-5319. کتابخانه Scholardigital Google
15. Karaboga D (2005) ایده ای مبتنی بر Swarm Bee Honey برای بهینه سازی عددی. گزارش فنی ، گروه مهندسی کامپیوتر ، دانشگاه Erciyes ، ترکیه. گوگل دانشکده
16. Keedy J ، Eberhart R (1995) بهینه سازی ذرات. مجموعه مقالات کنفرانس بین المللی IEEE در شبکه های عصبی 4: 1942- 1948. Google Scholar
17. Kirkpatrick S ، Gelatt CD Jr ، Vecchi MP (1983) بهینه سازی با بازپخت شبیه سازی شده. Science 220 (4598): 671-680. کتابخانه Scholardigital Google
18. CD Kirkpatrick CD ، Dahlguist JR (2010) تجزیه و تحلیل فنی: منبع کامل تکنسین های بازار مالی. معاون رئیس جمهور ، تیم مور ، رودخانه زین فوقانی. گوگل دانشکده
19. Krolzig HM ، Toro J (2004) پیش بینی چندرسانه ای در بازارهای سهام: یک پارادوکس حل شد. DECIS پشتیبانی از Syst 37 (4): 531-542. کتابخانه Scholardigital Google
20. Lai RK ، Fan CY ، Huang WH ، Chang PC (2009) در حال تکامل و خوشه بندی درخت تصمیم فازی برای پیش بینی داده های سری زمانی مالی. Exp Syst Appl 36 (2): 3761-3773. Google Scholarcross Ref
21. Li Z ، Smith KH ، Mumford KA ، Wang Y ، Stevens GW (2015) رگرسیون پارامترهای NRTL از تعادل مایع مایع سه گانه با استفاده از بهینه سازی و بحث و گفتگوهای ذرات. فاز سیال Equilib 398: 36-45. Google Scholarcross Ref
22. Liang TP (2006) سیستم های پشتیبانی از تصمیم گیری و هوش تجاری. Bestwize ، تایپه. گوگل دانشکده
23. Liu LX ، Zhuang YQ ، Liu XY (2011) نظریه و مدل پیش بینی مالیات بر اساس SVM بهینه شده توسط PSO. Exp Syst Appl 38 (1): 116-120. Google Scholarcross Ref
24. Lu CJ ، Le TS ، Chiu CC (2009) پیش بینی سری زمانی مالی با استفاده از تجزیه و تحلیل مؤلفه مستقل و رگرسیون بردار پشتیبانی. DECIS از Syst 47 (2) پشتیبانی می کند: 115-125. کتابخانه Scholardigital Google
25. Mieko Ty ، Seiji T (2007) استفاده تطبیقی از شاخص های فنی برای پیش بینی قیمت سهام داخل روز. Phys A: Stat Mech Appl 383 (1): 125-133. Google Scholarcross Ref
26. Sto R ، Price KV (1997) تکامل دیفرانسیل-اکتشافی ساده و کارآمد برای بهینه سازی جهانی در فضاهای مداوم. J Global Optim 11: 341-359. کتابخانه Scholardigital Google
27. Tsai CF ، Hsiao YC (2010) ترکیب چندین روش انتخاب ویژگی برای پیش بینی سهام: رویکردهای اتحادیه ، تقاطع و تقاطع. DECIS از Syst 50 (1) پشتیبانی می کند: 258-269. کتابخانه Scholardigital Google
28. Yakup K ، Melek AB ، ömer KB (2011) پیش بینی جهت حرکت شاخص قیمت سهام با استفاده از شبکه های عصبی مصنوعی و دستگاه های بردار پشتیبانی: نمونه بورس اوراق بهادار استانبول. Exp Syst Appl 38 (5): 5311-5319. کتابخانه Scholardigital Google
29. Yu L ، Wang S ، Lai KK (2005) گرایش سهام معدن با استفاده از ماشین های بردار پشتیبانی مبتنی بر GA. در: Deng X ، Ye Y (eds) یادداشت های سخنرانی در علوم کامپیوتر ، جلد 3828. اسپرینگر ، هایدلبرگ ، ص 336- 345. Google Scholar
30. Zhiqiang G ، Huaiqing W ، Quan L (2013) پیش بینی سری زمانی مالی با استفاده از LPP و SVM بهینه سازی شده توسط PSO. Compute Soft 17 (5): 805-818. کتابخانه Scholardigital Google