×
Alireza Namdari；塔里克·杜拉尼。

神经网络中用于预测股市短期趋势的多层前馈感知器模型。 （英语） Zbl 1471.91548号

序号操作。Res.论坛 2，第3号，第38号论文，30页（2021年）.
摘要：股市预测对于寻求投资回报的投资者来说非常重要，但由于股价时间序列的复杂性，这一预测是一项具有挑战性的任务。这项任务可以通过进行两个主要分析来完成：基本分析和技术分析。在本文中，我们使用多层前馈感知器神经网络（MLP）检查这两种分析的可预测性，并确定MLP是否能够准确预测股市短期趋势。我们利用股票价格（2013年3月至2018年6月）和通过特征选择预处理选择的十二家科技公司的财务比率。我们的模型使用自组织映射（SOM）对历史价格进行聚类，并生成输入空间的低维离散表示。使用三层隐层MLP通过超参数优化获得最佳结果。这些模型使用带有外部输入的非线性自回归结构（NARX）进行集成。我们发现，混合模型成功地预测了短期股票趋势。与基础和技术分析（64.38%和62.85%）以及最先进的模型相比，混合模型产生了最大的方向精度（70.36%）。结果表明，市场并非完全有效。我们的模型将对寻求投资和交易机会的从业者以及其他对金融市场研究感兴趣的人有用。

MSC公司：

91G15型 金融市场
68T07型 人工神经网络与深度学习
68T09号 数据分析和大数据的计算方面

关键词：

多层前馈感知器；超参数优化；自组织映射；特征选择；数据离散化；股票市场

软件：

RSPOP公司；群集查找
PDF格式BibTeX公司 XML格式引用
\textit{A.Namdari}和\textit{T.S.Durrani}，序号Oper。Res.论坛2，第3号，第38号文件，第30页（2021；兹bl 1471.91548）
全文： 内政部

参考文献：

[1] Basu，S.，《与市盈率相关的普通股投资绩效：有效市场假设的检验》，《金融杂志》，32，3，663-682（1977）·doi:10.1111/j.1540-6261.1977.tb01979.x
[2] Fama EF（1970）《有效资本市场：理论与实证研究综述》，《金融杂志》25（2）：383-417
[3] 布鲁姆，L。；Easley，D。；O'hara M.，《市场统计和技术分析：数量的作用》，《金融杂志》，49，1，153-181（1994）·doi:10.1111/j.1540-6261.1994.tb04424.x
[4] 布洛克·W。；Lakonishok，J。；LeBaron，B.，《简单技术交易规则与股票收益的随机性》，《金融杂志》，第47、5、1731-1764页（1992年）·doi:10.1111/j.1540-6261.1992.tb04681.x
[5] Lo，AW；Mamaysky，H。；Wang，J.，《技术分析基础：计算算法、统计推断和实证实施》，《金融杂志》，55，4，1705-1765（2000）·doi:10.1111/0022-1082.00265
[6] Namdari A，Durrani TS（2018）GARCH模型对VMA和FMA交易规则的预测能力：道琼斯工业平均指数和DAX的案例。美国工程管理学会国际年会论文集。（第1-10页）。美国工程管理学会（ASEM）
[7] Lev B，Thiagarajan SR（1993）《基本信息分析》。J账户研究190-215
[8] McQueen，G。；罗利，VV，《股票价格、新闻和商业状况》，《Rev Financ Stud》，第6、3、683-707页（1993年）·doi:10.1093/rfs/5.3.683
[9] JL贝特曼；绍尔特，SJ；舒尔茨，EL，《基础和技术分析：替代品还是补充品？》？，《会计与财务》，49，1，21-36（2009）·doi:10.1111/j.1467-629X.2008.00277.x
[10] Chan，LK；Hamao，Y。；Lakonishok，J.，《日本基本面与股票收益》，《金融杂志》，46，5，1739-1764（1991）·doi:10.1111/j.1540-6261.1991.tb04642.x
[11] Yildiz，B。；Yezegel，A.，《用人工神经网络进行基本分析》，国际商业金融研究杂志，4，1，149-158（2010）
[12] Devine，K.，《季度财务比率稳定性的研究：对财务决策的影响》，应用总线研究杂志（JABR），11，1，81-97（1995）·doi:10.19030/jabr.v11i1.5895
[13] Namdari A、Mohammadi S、Drzymalski J、Salmon C（2017）提出一种自优化神经网络来预测总股票回报。在IIE年会上。会议记录（第2153-2158页）。工业与系统工程师协会（IISE）
[14] 艾伦，F。；Karjalainen，R.，《使用遗传算法寻找技术交易规则》1，《金融经济学杂志》，51，2，245-271（1999）·doi:10.1016/S0304-405X（98）00052-X
[15] Tan TZ，Quek C，Ng GS（2005），用于股市预测的大脑启发遗传互补学习。《进化计算》，2005年。2005年IEEE大会（第3卷，第2653-2660页）。电气与电子工程师协会
[16] 休斯，J。；刘杰。；Su，W.，《关于可预测市场回报和可预测分析师预测误差之间的关系》，Rev Acc Stud，13，2-3，266-291（2008）·doi:10.1007/s11142-007-9065-9
[17] Namdari A，Li ZS（2018）通过多层感知器整合股市的基本面和技术分析。2018年IEEE技术和工程管理会议（TEMSON）（第1-6页）。电气与电子工程师协会
[18] 欧，JA；彭曼，SH，《财务报表分析与股票收益预测》，《会计经济学杂志》，11，4，295-329（1989）·doi:10.1016/0165-4101（89）90017-7
[19] 帕特尔，J。；沙阿·S。；Thakkar，P。；Kotecha，K.，《使用趋势确定性数据准备和机器学习技术预测股票和股价指数走势》，专家系统应用，42，1，259-268（2015）·doi:10.1016/j.eswa.2014.07.040
[20] Mantalos P、Karagrigoriou A、Střelec L、Jordanova P、Hermann P、Kiseľák J。。。Stehlík M（2019）关于通过拟合ARCH模型中的偏度来改进波动率建模。J应用统计1-33
[21] Sheta AF、Ahmed SEM、Faris H（2015）回归、人工神经网络和支持向量机预测股市指数的比较。软计算7（8）：2
[22] Kimoto T、Asakawa K、Yoda M、Takeoka M（1990）《模块化神经网络股市预测系统》。在神经网络中。IJCNN国际联合会议（第1-6页）。电气与电子工程师协会
[23] 费尔南德斯·罗德·盖兹，F。；Gonzalez-Martel，C。；Sosvilla-Rivero，S.，《基于人工神经网络的技术交易规则的盈利能力：来自马德里股市的证据》，《经济快报》，69，1，89-94（2000）·Zbl 0963.91056号 ·doi:10.1016/S0165-1765（00）00270-6
[24] Leigh，W。；普维斯，R。；Ragusa，JM，《利用技术分析、模式识别器、神经网络和遗传算法预测纽约证交所综合指数：浪漫决策支持的案例研究》，Decis support Syst，32，4，361-377（2002）·doi:10.1016/S0167-9236（01）00121-X
[25] Roman J，Jameel A（1996）多重股票市场收益财务分析中的反向传播和递归神经网络。《系统科学》，1996年，第二十届夏威夷国际会议论文集（第2卷，第454-460页）。电气与电子工程师协会
[26] PC Chang；吴，JL；Lin，JJ，结合支持向量回归的高木-苏格诺模糊模型用于股票交易预测，应用软件计算，38，831-842（2016）·doi:10.1016/j.soc.2015.10.030
[27] 阿萨拉基斯，GS；Valavanis，KP，使用神经模糊方法预测股市短期趋势，专家系统应用，36，7，10696-10707（2009）·doi:10.1016/j.eswa.2009.02.043
[28] 陈，Y。；Wang，X.，使用遗传网络编程和平均条件价值-风险的混合股票交易系统，《欧洲运营研究杂志》，240，3，861-871（2015）·Zbl 1338.91165号 ·doi:10.1016/j.ejor.2014.07.034
[29] AC布里扎；Naval，PC Jr，基于多目标粒子群优化技术指标的股票交易系统，《应用软件计算》，11，1，1191-1201（2011）·doi:10.1016/j.asoc.2010.02.017
[30] Wang，F。；菲利普，LH；Cheung，DW，使用粒子群优化组合技术交易规则，专家系统应用，41，6，3016-3026（2014）·doi:10.1016/j.eswa.2013.10.032
[31] Ang，KK；Quek，C.，《使用RSPOP进行股票交易：一种新的基于粗糙集的神经模糊方法》，IEEE Trans Neural Networks，17，5，1301-1315（2006）·doi:10.1109/TNN.2006.875996
[32] Chavarnakul，T。；Enke，D.，《使用神经网络进行股票交易的基于智能技术分析的等量图绘制》，专家系统应用，34，2，1004-1017（2008）·doi:10.1016/j.eswa.2006年10月28日
[33] 马萨诸塞州博亚西奥卢；Avci，D.，《股票市场收益预测的自适应网络模糊推理系统（ANFIS）：伊斯坦布尔证券交易所案例》，专家系统应用，37，12，7908-7912（2010）·doi:10.1016/j.eswa.2010.04.045
[34] Fischer，T。；Krauss，C.，《利用长短期记忆网络进行金融市场预测的深度学习》，《欧洲运营研究杂志》，270，2，654-669（2018）·Zbl 1403.91387号 ·doi:10.1016/j.ejor.2017.11.054
[35] Kim R，So CH，Jeong M，Lee S，Kim J，Kang J（2019）Hats：股票走势预测的层次图注意力网络。arXiv预打印arXiv:1908.07999
[36] Dunne RA（2007）模式识别神经网络的统计方法（第702卷）。约翰·威利父子公司·兹比尔1183.62165
[37] 罗梅罗，E。；Sopena，JM，使用多层感知器执行特征选择，IEEE Trans Neural Networks，19，3，431-441（2008）·doi:10.1109/TNN.2007.909535
[38] 盒子，GE；詹金斯，总经理；重新安装，GC；GM Ljung，《时间序列分析：预测和控制》（2015），John Wiley&Sons
[39] 奈尔，BB；库马尔，PS；萨克西维尔，NR；Vipin，U.，《聚类股价时间序列数据以生成股票交易建议：实证研究》，《专家系统应用》，70，20-36（2017）·doi:10.1016/j.eswa.2016.11.002
[40] 南达，SR；马汉蒂，B。；Tiwari，MK，《投资组合管理的印度股市数据聚类》，专家系统应用，37，12，8793-8798（2010）·doi:10.1016/j.eswa.2010.06.026
[41] Kaufman L，Rousseeuw PJ（2009）《数据中的发现群体：聚类分析导论》（第344卷）。约翰·威利父子公司·Zbl 1345.62009号
[42] Wijaya YB、Kom S、Napitupulu TA（2010）《股票价格预测：Arima和人工神经网络方法的比较——印度尼西亚股票案例》。2010年第二届计算机、控制和电信技术进步国际会议（第176-179页）。电气与电子工程师协会
[43] 卡拉，Y。；马萨诸塞州博亚西奥卢；Baykan，ØK，使用人工神经网络和支持向量机预测股价指数走势：伊斯坦布尔证券交易所样本，专家系统应用，38，5，5311-5319（2011）·doi:10.1016/j.eswa.2010.10.027
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。