Beschreibung
Die Entscheidungsfindung an der Börse ist eine sehr anspruchsvolle und schwierige Aufgabe bei der Vorhersage von Finanzdaten. Vorhersagen über den Aktienmarkt mit hoher Genauigkeit bringen Gewinn für die Investoren der Aktien. Aufgrund der Komplexität der Finanzdaten an der Börse ist die Entwicklung effektiver Modelle für die Entscheidungsvorhersage sehr schwierig, und sie müssen genau sein. In dieser Studie wurde versucht, mit Hilfe von Data-Mining- und maschinellen Lerntechniken Modelle zur Vorhersage des Aktienmarktes und zur Entscheidung über den Kauf/Halt von Aktien zu entwickeln. Für die Entwicklung des Vorhersagemodells wurden maschinelle Lerntechniken wie Naive Bayes, k-Nearest Neighbor (k-NN), Support Vector Machine (SVM), Artificial Neural Network (ANN) und Random Forest verwendet. Technische Indikatoren werden aus den Aktienkursen auf der Grundlage von Zeitreihendaten berechnet und als Input für die vorgeschlagenen Prognosemodelle verwendet. Für die Signalvorhersage von Aktien wurden zehn Jahre Börsendaten verwendet. Basierend auf dem Datensatz sind diese Modelle in der Lage, Kauf-/Haltesignale für den Aktienmarkt zu generieren.
Autorenporträt
Parth Shah completou a graduação e pós-graduação em ciências informáticas com uma especialização em Aprendizagem de Máquinas. Actualmente, trabalha como Cientista de Dados para empresa privada líder em Ahmedabad, Índia. Tem conhecimentos especializados em Aprendizagem Mecânica e Processamento de Linguagem Natural.
Herstellerkennzeichnung:
OmniScriptum SRL
Str. Armeneasca 28/1, office 1
2012 Chisinau
MD
E-Mail: info@omniscriptum.com
