دانلود مقاله ISI انگلیسی شماره 101400
ترجمه فارسی عنوان مقاله

یک روش جامع خوشه بندی و طبقه بندی برای پیش بینی بازگشت به بازار سهام روزانه

عنوان انگلیسی
A comprehensive cluster and classification mining procedure for daily stock market return forecasting
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
101400 2017 36 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 17101 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 25 روز بعد از پرداخت 205,212 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 13 روز بعد از پرداخت 410,424 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Neurocomputing, Volume 267, 6 December 2017, Pages 152-168

پیش نمایش مقاله
پیش نمایش مقاله یک روش جامع خوشه بندی و طبقه بندی برای پیش بینی بازگشت به بازار سهام روزانه

چکیده انگلیسی

Data mining and big data analytic techniques are playing an important role in many application fields, including the financial markets. However, only few studies have focused on predicting daily stock market returns, and among these studies, the data mining procedures utilized are either incomplete or inefficient. This paper presents a comprehensive data mining process to forecast the daily direction of the S&P 500 Index ETF (SPY) return based on 60 financial and economical features. The fuzzy c-means method (FCM) is initially used to cluster the preprocessed data. A principal component analysis (PCA) is applied next to the entire data set and each of seven clusters. The dimension of the entire cleaned data set is then reduced according to the combining results from the entire data set and each cluster. Corresponding to different levels of the dimensionality reduction, twelve new data sets are generated from the entire cleaned data. Artificial neural networks (ANNs) and logistic regression models are then used with the twelve transformed data sets for classification in order to forecast the daily direction of future market returns and indicate the efficiency of dimensionality reduction with PCA. A group of hypothesis tests are performed over the classification and simulation results to show that the ANNs give significantly higher classification accuracy than logistic regression, and that the trading strategies guided by the comprehensive cluster and classification mining procedure based on PCA and ANNs gain higher risk-adjusted profits than the comparison benchmarks, as well as those strategies guided by the forecasts based on PCA and logistic regression models.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 17101 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 25 روز بعد از پرداخت 205,212 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 13 روز بعد از پرداخت 410,424 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.