حراج!
elsevier

A multiple-kernel support vector regression approach for stock market price forecasting (شیوه رگراسیون برداری پشتیبان چند-کرنلی (هسته ای) برای پیش بینی قیمت در بازار بورس)

20,000 تومان 12,000 تومان

دانلود رایگان مقاله انگلیسی

Elsevier Journals

Year: 2011

28 صفحه فارسی

توضیحات محصول

 A multiple-kernel support vector regression approach for stock market price forecasting

Abstarct

Support vector regression has been applied to stock market forecasting problems. However, it is usually needed to tune manually the hyperparameters of the kernel functions. Multiple-kernel learning was developed to deal with this problem, by which the kernel matrix weights and Lagrange multipliers can be simultaneously derived through semidefinite programming. However, the amount of time and space required is very demanding. We develop a two-stage multiple-kernel learning algorithm by incorporating sequential minimal optimization and the gradient projection method. By this algorithm, advantages from different hyperparameter settings can be combined and overall system performance can be improved. Besides, the user need not specify the hyperparameter settings in advance, and trial-and-error for determining appropriate hyperparameter settings can then be avoided. Experimental results, obtained by running on datasets taken from Taiwan Capitalization Weighted Stock Index, show that our method performs better than other methods.

شیوه رگراسیون برداری پشتیبان چند-کرنلی (هسته ای) برای پیش بینی قیمت در بازار بورس

چکیده

رگراسیون برداری پشتیبان به مسائل پیش بینی بازار بورس اعمال شده است. به هرحال معمولا احتیاجی برای هماهنگ سازی هایپر-پارامترهای توابع کرنلی می باشد. یادگیری چند کرنلی برای کار کردن با این مسائل توسعه داده شده است که بوسیله آن وزن های ماتریس کرنل و ضریب تکاثر لاگرانژی می تواند همزمان از برنامه نویسی نیمه معین استنتاج شود. به هرحال مقدار زمان و فضای لازم، بسیار زیاد می باشد. ما یک الگوریتم یادگیری دو مرحله ای چند کرنلی را توسط یکپارچه کردن دو روش بهینه سازی حداقل ترتیبی و روش تصویر سازی گرادیانی توسعه دادیم. توسط این الگوریتم مزیت ها از تنظیمات هایپرپارامترهای مختلف می تواند ترکیب شود و کارایی سیستم بهبود می یابد. به علاوه استفاده کننده نیاز به مشخص نمودن از پیش تنظیمات هایپرپارامتر نداشته و روش سعی و خطا برای تعیین تنظیمات مناسب هایپر پارامتر می تواند حذف شود. نتایج ازمایشگاهی بدست آمده توسط اجرا، روی پایگاه داده ایجاد شده از شاخص بورس تایوان نشان میدهد که روش ما بهتر از دیگر روش ها اجرا می شود.

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “A multiple-kernel support vector regression approach for stock market price forecasting (شیوه رگراسیون برداری پشتیبان چند-کرنلی (هسته ای) برای پیش بینی قیمت در بازار بورس)”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *