ترجمه تخصصی ارزان مقاله پیش‌بینی قیمت سهام با استفاده تکنیک‌های فراگیری ماشین (الزویر 2020)
ترجمه فارسی چکیده مقاله:
پیش‌بینی دقیق بازده بازار سهام به دلیل ماهیت ناپایدار و غیر خطی بازارهای سهام مالی، کار بسیار چالش برانگیزی است. با معرفی هوش مصنوعی و افزایش قابلیت‌های محاسباتی، ثابت شده است که روش‌های برنامه‌ریزی‌شده پیش‌بینی در پیش‌بینی قیمت سهام کارآمدتر هستند. در این تحقیق، تکنیک‌های شبکه عصبی مصنوعی و جنگل تصادفی برای پیش‌بینی قیمت بسته شدن روز بعد برای پنج شرکت متعلق به بخش‌های مختلف عملیات مورد استفاده قرار گرفته‌است. داده‌های مالی: قیمت‌های باز، بالا، پایین و نزدیک سهام برای ایجاد متغیرهای جدیدی استفاده می‌شوند که به عنوان ورودی مدل استفاده می‌شوند. این مدل‌ها با استفاده از شاخص‌های استراتژیک استاندارد ارزیابی می‌شوند: RMSE و MAPE. مقادیر پایین این دو شاخص نشان می‌دهد که مدل‌ها در پیش‌بینی قیمت نهایی سهام کارآمد هستند.
کلمات کلیدی: مراجعه جنگل تصادفی؛ شبکه عصبی مصنوعی؛ پیش‌بینی بازار سهام.
عنوان مقاله انگلیسی:
Stock Closing Price Prediction using Machine Learning Techniques
چکیده مقاله انگلیسی:
Accurate prediction of stock market returns is a very challenging task due to volatile and non-linear nature of the financial stock markets. With the introduction of artificial intelligence and increased computational capabilities, programmed methods of prediction have proved to be more efficient in predicting stock prices. In this work, Artificial Neural Network and Random Forest techniques have been utilized for predicting the next day closing price for five companies belonging to different sectors of operation. The financial data: Open, High, Low and Close prices of stock are used for creating new variables which are used as inputs to the model. The models are evaluated using standard strategic indicators: RMSE and MAPE. The low values of these two indicators show that the models are efficient in predicting stock closing price.
Keywords: Random Forest Regression; Artificial Neural Network; Stock market prediction
مشخصات فایل مقاله انگلیسی (اصلی)
تعداد صفحات مقاله: 8
تاریخ انتشار مقاله: 2020
نشریه: الزویر Elsevier/ ساینس دایرکت ScienceDirect
Procedia Computer Science
فرمت فایل: pdf
حجم فایل: 1/652KB
لینک دانلود رایگان مقاله انگلیسی:
مشخصات فایل‌های ترجمه تخصصی ارزان مقاله (فارسی)
تعداد صفحات فایل pdf ترجمه: 10
تعداد صفحات فایل word ترجمه: 10
حجم فایل pdf ترجمه: 325/747KB
حجم فایل word ترجمه: 691/480KB
حجم فایل فشرده ترجمه (فایل زیپ): 995KB
زبان ترجمه: فارسی
ترجمه تصاویر: ندارد
ترجمه زیرنویس تصاویر: دارد
ترجمه جداول: ندارد
ترجمه زیرنویس جداول: دارد
فونت فارسی ترجمه: BTitr و BNazanin
فایل‌های قابل دانلود پس از پرداخت: فایل فشرده شامل فایل word و فایل pdf ترجمه
تصاویر بخشی از ترجمه فارسی مقاله:
جهت بهبود خدمات ترجمه، ما را از نظرات ارزشمند خود درباره این ترجمه آگاه سازید