دانلود مقاله ISI انگلیسی شماره 101419
ترجمه فارسی عنوان مقاله

پیش بینی قیمت سهام کوتاه مدت با استفاده از تجزیه و تحلیل جزء اصلی هسته و پشتیبانی از ماشین های بردار: مورد بورس اوراق بهادار کازابلانکا

عنوان انگلیسی
Short-term stock price forecasting using kernel principal component analysis and support vector machines: the case of Casablanca stock exchange
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
101419 2018 9 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 4396 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 10 روز بعد از پرداخت 52,752 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 5 روز بعد از پرداخت 105,504 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

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

Journal : Procedia Computer Science, Volume 127, 2018, Pages 161-169

ترجمه کلمات کلیدی
ماشین آلات بردار پشتیبانی، تجزیه و تحلیل مولفه اصلی هسته، پیش بینی، حرکت سهام قیمت،
کلمات کلیدی انگلیسی
Support vector machines; Kernel principal component analysis; Prediction; Stock price movement;
پیش نمایش مقاله
پیش نمایش مقاله پیش بینی قیمت سهام کوتاه مدت با استفاده از تجزیه و تحلیل جزء اصلی هسته و پشتیبانی از ماشین های بردار: مورد بورس اوراق بهادار کازابلانکا

چکیده انگلیسی

Stock market prediction is a key problem to the financial field. An accurate prediction model may yield profits for investors. However, the volatile nature of the stock market makes it difficult to develop efficient models. This study attempts to improve the prediction capacity of the stock price via an integrated prediction model based on Kernel Principal Component Analysis (KPCA) and Support Vector Machines for Regression (SVR). KPCA is firstly introduced to reduce the feature dimensions. On that basis, SVR is used to build a short-term investment decision system. 23 technical indicators are calculated for five major Moroccan banks listed on the Casablanca Stock Exchange (Casablanca S.E) and used as input of the models. A comprehensive parameters setting is performed to improve the prediction performance. The simulation results show that, through KPCA attribute reduction, the structure of the investment decision system can be simplified significantly with improvement of the model performance. The average performance of the integrated model that uses KPCA and SVR is significantly better than that of SVR model, which verifies the effectiveness and accuracy of the proposed method.

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 4396 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 10 روز بعد از پرداخت 52,752 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 5 روز بعد از پرداخت 105,504 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.