سال انتشار: 2016

---

چکیده:

در بازارهای مالی، پیش بینی جهت گیری یا تغییرات روزانه سود بازار سهام هم مهم و هم موضوعی چالش برانگیز است. در میان مطالعات اندکی که تمرکز بر پیش بینی سودهای روزانه بازار سهام دارند، مراحل کاوش داده های مورد استفاده یا ناتمام یا غیرکارامد هستند، بویژه هنگامیکه که این داده ها مقدار زیادی از ویژگی ها را شامل می شوند. این مقاله یک فرایند کاوش داده های کامل و کارآمد را برای پیش بینی جهت گیری روزانه سود S&P 500 شاخص ETF (SPY) براساس 60 ویژگی مالی و اقتصادی را ارائه می دهد.

---

کلمات کلیدی این محصول:

کلمات کلیدی اصلی این محصول:

• مقاله سود بازار سهام

• مقاله روش کاهش ابعاد

• مقاله در مورد سود بازار سهام

• مقاله درباره سود بازار سهام

• مقاله در مورد روش کاهش ابعاد

• مقاله درباره روش کاهش ابعاد

• دانلود مقاله سود بازار سهام

• دانلود مقاله روش کاهش ابعاد

• مقاله پیش بینی سود سهام

کلمات کلیدی انگلیسی:  Daily stock return forecasting ; Principal component analysis (PCA) ; Fuzzy robust principal component analysis (FRPCA) ; Kernel-based principal component analysis (KPCA) ; Artificial neural networks (ANNs) ; Trading strategies