文献

J-GLOBAL ID：202102270249371751   整理番号：21A0891868

ARIMA対ANNを用いた株式市場価格予測:CSEからの事例研究【JST・京大機械翻訳】

Stock Market Price Forecasting using ARIMA vs ANN; A Case study from CSE

著者 (2件)： Wijesinghe G.W.R.I. (Sabaragamuwa University of Sri Lanka,Department of Computing and Information Systems,Belihuloya,Sri Lanka) ,  Rathnayaka R.M.K.T. (Sabaragamuwa University of Sri Lanka,Department of Physical Sciences and Technology,Belihuloya,Sri Lanka)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICAC  ページ： 269-274  発行年： 2020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： ストック市場予測または予測は,上昇している株価を予測する挑戦的な仕事である。ストック価格は,ストック市場が様々な要因によって影響されるため,非定常で高雑音である。伝統的に,時系列の次の遅れは,単純な指数関数的平滑化,ARIMAのようなさまざまな技術によって効果的に予測されている。特に,ARIMAは次の時系列遅れの予測において精度と精度においてその成功を示した。文献の一部として,非常に少ない研究は,高揮発性株価指数の予測のための新しい予測アプローチを見つけるために,Colombo Stock交換(CSE)に焦点を当てた。異なる統計的アプローチと経済データ戦略は,過去10年間のCSEにおける市場価格運動と傾向と取引量レベルを定義するために広く適用されてきた。本論文は,バックプロパゲーションニューラルネットワークのような時系列データの投影のための新しく開発された深層学習アルゴリズムが,従来のアルゴリズムより大きいかどうかを調査した。結果は,BPNNのような深層学習アルゴリズムがモデルARIMAのような伝統的ベースアルゴリズムより優れていることを示した。ARIMAとBPNNに対するMAEとMSE値は,BPNNのARIMAへの優位性を示唆した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. 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 ,  雑音 ,  ニューラルネットワーク ,  指数関数 ,  *株式市場 ,  平滑化 ,  在庫量 ,  *事例研究 ,  逆伝搬法 ,  学習アルゴリズム
準シソーラス用語： 時系列データ ,  株価 ,  *ARIMAモデル ,  *価格予測 ,  *市場価格 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

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