文献

J-GLOBAL ID：202002225196109795   整理番号：20A2275397

ARIMA,ANNおよびSVRを用いた株式市場予測【JST・京大機械翻訳】

Stock Market Prediction Using ARIMA, ANN and SVR

著者 (3件)： Sharma Divya (Computer Science and Engineering, Guru Nanak Dev Engineering College, Ludhiana, India) ,  Singla Sandeep Kumar (Information Technology, Guru Nanak Dev Engineering College, Ludhiana, India) ,  Sohal Amandeep Kaur (Computer Science and Engineering, Guru Nanak Dev Engineering College, Ludhiana, India)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 698  ページ： 1081-1092  発行年： 2020年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 予測と推定は,交換の間の他の金融商品と同様に,市場ストックの将来の価格を推定するプロセスである。会社の株価の実効推定は,それらの増加したターンオーバーに関して,企業にとって果実の多い結果をもたらすかもしれない。効率的な市場仮説は,株式市場の現在の価格が現在利用可能な情報のすべてであり,株式市場価格の僅かな変化が,新しく明らかにされた情報だけでなく,本質的に予測不可能で不規則なことに基づいている。他は逸脱し,この視点を持つものは,将来の価格情報の推定を可能にする,無数のモデル,方法,および専門知識を持っている。サポートベクトル回帰(SVR),人工ニューラルネットワーク(ANN)および他のモデルのような機械学習方法は,数学的関数近似者として考えられる。株式市場予測のためのANNの最もよく知られた形式は,フィードフォワードネットワークがネットワーク重みを更新するために誤差アルゴリズムの後方伝播を採用する。提案した研究のデータセットは,歴史的日常価格データが取られ,すべての株価データが脱気のために保たれるMSFT(Microsoft Inc)から収集された。提案した研究は,SVRに基づくストック予測モデルの開発に基づいている。Copyright The Editor(s) (if applicable) and The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  ネットワーク ,  ニューラルネットワーク ,  関数近似 ,  *株式市場 ,  在庫量 ,  ターンオーバー ,  機械学習 ,  予測モデル
準シソーラス用語： 株価 ,  金融商品 ,  *ARIMAモデル ,  フィードフォワードニューラルネットワーク ,  専門知識 ,  サポートベクトル回帰 , 【Automatic Indexing@JST】

著者キーワード (5件)： 機械学習 ,  SVM ,  SVR ,  ANN ARIMA ,  FFNN

分類 (3件)： 利益管理  (KA05030A) ,  人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (4件)： ARIMA ,  SVR ,  株式市場 ,  予測