عنوان فارسی مقاله:پیش بینی بازده روزانه بازار سهام با استفاده از کاهش ابعاد
چکیده
در بازارهای مالی، پیش بینی جهت روزانه بازده بازار سهام هم مهم است و هم چالش برانگیز است. در میان معدود مطالعاتی که بر پیش بینی بازده روزانه بازار سهام متمرکز شده است، روشهای داده کاوی مورد استفاده یا ناقص یا ناکارآمد هستند، به ویژه هنگامی که تعداد زیادی از ویژگیها در آن دخیل هستند. این مقاله یک فرایند داده کاوی کامل و کارآمد برای پیش بینی جهت روزانه بازده S&P 500 Index ETF SPY بر اساس ۶۰ ویژگی مالی و اقتصادی ارائه می دهد. سه تکنیک کاهش ابعاد، از جمله تجزیه و تحلیل مولفه های اصلی (PCA)، تجزیه و تحلیل اجزای اصلی قوی فازی (FRPCA) و تجزیه و تحلیل مولفه های اصلی مبتنی بر هسته (KPCA) برای ساده سازی و تنظیم مجدد ساختار داده اصلی به کل مجموعه داده ها اعمال می شود. مطابق با سطوح مختلف کاهش ابعاد، دوازده مجموعه داده جدید از کل داده های پاک شده با استفاده از هر یک از سه روش مختلف کاهش ابعاد تولید می شود. شبکه های عصبی مصنوعی (ANN) سپس با سی و شش مجموعه داده تبدیل شده برای طبقه بندی جهت پیش بینی جهت روزانه بازده های آینده بازار استفاده می شوند. علاوه بر این، سه روش مختلف کاهش ابعاد با توجه به مجموعه داده های طبیعی مقایسه می شوند. سپس گروهی از فرضیه های آزمایش بر اساس طبقه بندی و شبیه سازی انجام می شوند تا نشان دهند که ترکیب ANN ها با PCA دقت طبقه بندی کمی بالاتر از دو ترکیب دیگر را ارائه می دهد و استراتژی های معاملاتی که با روش های جامع استخراج طبقه بندی بر اساس PCA و ANN ها به طور قابل توجهی سودهای تعدیل شده با ریسک بیشتری نسبت به معیارهای مقایسه ای بدست می آورند، در حالی که کمی بالاتر از استراتژی های پیش بینی شده بر اساس مدلهای FRPCA و KPCA هستند.
- لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
- همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
- ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.