巴拉苏布拉曼尼亚语,Senthil Arasu;马尼卡瓦萨甘,吉瓦南坦;塔马拉塞尔万·纳塔拉扬;贾纳塔南·巴拉克里什南 使用数据挖掘技术预测成熟经济体和新兴经济体股票指数高频数据的实验分析。 (英语) Zbl 1362.62011年 国际期刊运营。物件。 23,第4期,406-426(2015). 摘要:本文研究了三种数据挖掘技术,即反向传播神经网络(BPNN)、支持向量回归(SVR)和多元自适应回归样条(MARSplines)在利用日内数据进行股指一步预测中的适用性。使用印度标准普尔CNX Nifty(Nifty)和美国纳斯达克综合指数(NCI)的高频数据进行分析,以检验这些技术在预测新兴和成熟经济体股市方面的效率。据我们所知,之前没有关于使用MARSplines预测成熟市场和新兴市场高频数据的研究。本文为日内交易员提供了关于使用这些技术预测新兴经济体股票指数或股票的新有用信息。我们的研究表明,MARSPlines和SVR在预测股市指数值方面优于BPNN,前者对NCI的预测效果最好,后者最适合Nifty。 MSC公司: 62-07 数据分析(统计)(MSC2010) 62H30型 分类和区分;聚类分析(统计方面) 62P05号 统计学在精算科学和金融数学中的应用 关键词:反向传播神经网络;BPNN公司;数据挖掘;指标值预测;当日交易;高频数据;敏捷;纳斯达克;支持向量回归;SVR公司;多元自适应回归样条;火星线;新兴经济体;成熟市场;股票市场;印度;美国;美国 PDF格式BibTeX公司 XML格式引用 \textit{S.A.Balasubramanian}等人,国际期刊Oper。第23号决议,第4号,406--426(2015;Zbl 1362.62011) 全文: 内政部