Das Ziel dieser Arbeit ist die Entwicklung und Identifizierung der besten Hybrid-Modell zur Aktienindex Renditen vorherzusagen. Wir entwickeln drei verschiedene Hybridmodelle kombiniert lineare ARIMA und nichtlineare Modelle wie Support Vector Machines (SVM), künstliches neuronales Netzwerk (ANN) und Zufallswald (RF) Modelle, die Aktien-Index Renditen vorherzusagen. Die Leistung der ARIMA-SVM, ARIMA-Ann und ARIMA-RF mit Leistung ARIMA, SVM, ANN und RF-Modellen verglichen. Die verschiedenen konkurrierenden Modellen werden in Form von statistischen Kennzahlen und Handelsleistungskriterien über eine Trading-Strategie bewertet. Die Analyse zeigt, dass die Hybrid-ARIMA-SVM-Modell ist die beste Prognosemodell eine hohe Prognosegenauigkeit und bessere Renditen zu erzielen. Download Info Wenn Sie Probleme beim Herunterladen einer Datei Probleme auftreten, überprüfen Sie, ob Sie die richtige Anwendung, um sie zuerst anzuzeigen. Bei weiteren Problemen lesen Sie die Ideen helfen Seite. Beachten Sie, dass diese Dateien nicht auf die Ideen Website. Bitte haben Sie Geduld, da die Dateien groß sein kann. Datei-URL: Inderscience / link. php id = 64307? Herunterladen Einschränkung: Zugang zum vollständigen Wortlaut wird an Abonnenten beschränkt. Statistiken Korrekturen Bei der Beantragung einer Korrektur, geben Sie bitte Griff der Artikel: RePEc: ids: injbaf: v: 5: y: 2014: i: 3: p: 284-308. Allgemeine Informationen über das Material in RePEc korrigieren. Bei technischen Fragen zu diesem Artikel, oder seine Autoren, Titel, Beschreibung, bibliographischen korrigieren oder laden Informationen kontaktieren Sie bitte: (Graham Langley) Wenn Sie diesen Artikel verfasst haben und noch nicht mit RePEc registriert, empfehlen wir Ihnen, es zu tun. Dies ermöglicht es, um Ihr Profil zu diesem Artikel zu verknüpfen. Es erlaubt Ihnen auch, um potenzielle Zitate zu diesem Artikel, die wir unsicher sind zu akzeptieren. Wenn Verweise komplett fehlt sind, können Sie sie mit diesem Formular hinzuzufügen. Wenn die vollständige Referenzliste ein Element, das in RePEc vorhanden ist, aber das System nicht, um sie zu verbinden, können Sie mit dieser Form helfen können. Wenn Sie wissen, fehlende Teile unter Berufung auf diesen einen kennen, können Sie uns helfen zu schaffen jene Verbindungen, indem Sie die entsprechenden Verweise auf die gleiche Weise wie oben, für jede refering Artikel. Wenn Sie ein registrierter Autor dieses Einzelteils sind, können Sie auch wollen, um die Registerkarte "Zitate" in Ihrem Profil zu überprüfen, da es einige Zitate warten auf Bestätigung. Bitte beachten Sie, dass Korrekturen kann ein paar Wochen dauern, um durch die verschiedenen RePEc Dienstleistungen zu filtern.
No comments:
Post a Comment