Zobrazeno 1 - 10
of 281
pro vyhledávání: '"Stock forecasting"'
Publikováno v:
International Journal of Computational Intelligence Systems, Vol 17, Iss 1, Pp 1-14 (2024)
Abstract The paper proposes a hybrid algorithm for forecasting multiple correlated time-series data, which consists of two main steps. First, it employs a multivariate Bayesian structural time series (MBSTS) approach as a base step. This method allow
Externí odkaz:
https://doaj.org/article/b099cfd7fb14457d9b04d0a5f6819763
Autor:
Zinnet Duygu Akşehir, Erdal Kılıç
Publikováno v:
PeerJ Computer Science, Vol 10, p e2312 (2024)
Stock market or individual stock forecasting poses a significant challenge due to the influence of uncertainty and dynamic conditions in financial markets. Traditional methods, such as fundamental and technical analysis, have been limited in coping w
Externí odkaz:
https://doaj.org/article/aa1be4d88dc24f14b08c437704106d67
Publikováno v:
Digital Technology and Changing Roles in Managerial and Financial Accounting: Theoretical Knowledge and Practical Application
Publikováno v:
IEEE Access, Vol 11, Pp 1654-1670 (2023)
The traditional portfolio theory has relied heavily on historical asset returns while ignoring future information. Based on ensemble learning and maximum Sharpe ratio portfolio theory, this paper proposes a two-stage portfolio optimization method by
Externí odkaz:
https://doaj.org/article/29cfafc6756448ef8c54b4197b0eb7f6
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Entropy, Vol 25, Iss 9, p 1326 (2023)
This study introduces the Spacetimeformer model, a novel approach for predicting stock prices, leveraging the Transformer architecture with a time–space mechanism to capture both spatial and temporal interactions among stocks. Traditional Long–Sh
Externí odkaz:
https://doaj.org/article/0fd5c2c2bdac4d0eb31713d310890dfe
Publikováno v:
Systems, Vol 11, Iss 9, p 470 (2023)
Individual investors often struggle to predict stock prices due to the limitations imposed by the computational capacities of personal laptop Graphics Processing Units (GPUs) when running intensive deep learning models. This study proposes solving th
Externí odkaz:
https://doaj.org/article/e9bbf27e82b24eaebe1f5d3daf141624
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.