일본 촛대의 고대 투자 기법에 기초하여 주식 시장 타이밍을 수행하는 현대 신경 네트워크 모델.
이 논문은 감독 된 피드 - 포워드 뉴럴 네트워크 (feed-forward neural network)와 일본 촛대의 기술적 분석에 기초하여 주식 시장 타이밍을 수행하는 새로운 모델을 제시한다. 이 접근법에서 네트워크는 촛대 선을 단독으로 또는 조합하여 배울 것이 아니라 독립 변수가 기술적 분석 패턴의 중요한 단서 및 요소 인 일종의 회귀 모델을 제시합니다. 그 종속 변수는 가까운 미래의 시장 추세이다. 독립 변수를 정의 할 때 두 가지 접근법이 사용됩니다. 하나는 원시 데이터 기반이고 다른 하나는 신호 기반이며 15 개의 변수와 24 개의 변수가 있습니다. Yahoo. finance에서 실제 공개 된 일일 데이터에 따라 추정 된 신호를 실제 이벤트와 비교 한 실험 결과는 제안 된 모델이 구매 및 판매 신호의 방출을 훌륭하게 수행하는 반면 첫 번째 접근은 두 번째 .
연구 하이라이트.
► 우수한 성능으로 "적응 형 기술적 분석"개념을 제시합니다. ► 복잡한 비선형 관계를 발견하는 데 신경 네트워크의 놀라운 능력에 대한 혁신적인 증거를 제시합니다. ► 주식에 대한 투자의 확실한 방법으로서 일본 촛대의 기술적 분석 평가.
이 기사를 찾고 액세스 할 수있는 옵션을 선택하십시오.
로그인 자격 증명이나 기관을 통해 액세스 할 수 있는지 확인하십시오.
신경망 기반 거래 시스템에 기술 분석 포함.
추출 된 핵심 문구.
통계.
추가 정보는 FAQ를 참조하십시오.
시맨틱 학자 (Semantic Scholar)는 인용 된 출판물이 인용 출판물에 중대한 영향을주는 인용문을 식별하여 출판물이 서로 어떻게 형성되고 서로 연관되는지 쉽게 이해할 수있게합니다.
영향력있는 인용을 식별하는 방법에 대해 자세히 알아보십시오.
지난 3 년간 평균 5 건의 인용 횟수를 평균화.
FAQ에서이 측정 항목을 계산하는 방법에 대해 자세히 알아보십시오.
Comments
Post a Comment