文献

J-GLOBAL ID：201702263598632003   整理番号：17A0942684

機械学習技法を用いた株式市場特性の予測【Powered by NICT】

Prediction of Stock Market performance by using machine learning techniques

著者 (1件)： Raza Kamran (FEST, Iqra University Karachi, Pakistan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIEECT  ページ： 1  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 株式市場における一つの決定は投資家の寿命に大きな影響を与えることができる。株式市場は,複雑なシステムであり,しばしば謎でカバーされた,は従って,意思決定をする前に,全衝撃因子を解析するために非常に困難である。本研究では,著者らは種々の因子に基づく株式市場予測モデルを設計することを試みた。モデルはKSE,100指数の性能を予測するために構築した。予測モデルは,異なる属性の助けを借りて正または負として市場を予測した。これらの因子は,市場の歴史的データの助けを借りて燃料,商品,外国為替,利率,一般市民感情,関連ニュースと自己回帰統合移動平均(ARIMA)と簡単な移動平均(SMA)予測値の価格変動を含んでいる。予測のために使用した方法は単層パーセプトロン(SLP),多層パーセプトロン(MLP),動径基底関数(RBF)と深い信念ネットワーク(DBN)を含む人工ニューラルネットワーク(ANN)の四つの異なるバージョンを含んでいる。他の技術としては,サポートベクトルマシン(SVM),決定木とナイーブBayesを含んでいる。すべてのこれらの技術は最良の予測モデルを見出すために比較した。結果は,MLPが最良の性能と77%の精度で市場を予測することを示した。各要因は,市場性能との関係を見出すために個別に調べた。ガソリン価格の変化は,市場性能と最も強い関連性を示した。結果は,市場の挙動は,機械学習技術を用いて予測できることを示唆した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 意思決定 ,  パーセプトロン ,  *機械学習 ,  多層パーセプトロン ,  ニュース ,  *株式市場 ,  サポートベクトルマシン ,  予測モデル ,  動径基底関数 ,  ディシジョンツリー
準シソーラス用語： 信念ネットワーク ,  価格変動 ,  ARIMAモデル ,  外国為替 ,  投資家 , 【Automatic Indexing@JST】

分類 (1件)： 利益管理  (KA05030A)

タイトルに関連する用語 (4件)： 機械学習 ,  技法 ,  株式市場 ,  予測