Combining SVM with an efficient feature selection mechanism to predict the stock-market trend

سال انتشار: 1402
محل انتشار: اولین کنفرانس بین المللی هوش مصنوعی و خودروی هوشمند
کد COI اختصاصی: ICAISV01_014
زبان مقاله: انگلیسی
تعداد مشاهده: 315

نویسندگان

Department of Mathematics and Computer Science, Amirkabir University of Technology (Tehran Polytechnic), Tehran, Iran,

چکیده

Support vector machine (SVM) is a popular classification method and selecting appropriate features and tuning parameters have a great impact on its efficiency. In this paper, SVM is utilized to predict the movement of stocks in the Iran market. First, a broad set of features including different important ratios and technical indicators and signals are gathered. Then, a combined approach based on particle swarm optimization (PSO) is developed as a feature selection and parameter tuning mechanism. A clustering method is suggested to generate the initial particles of PSO. Computational results over real datasets confirm the performance of our algorithm in comparison with other approaches. The accuracy of our algorithm over ۱۲ stocks is ۶۷.۵%, on average, while this number for other approaches are ۶۲.۲۵% and ۶۳.۶%.

کلیدواژه ها

Support vector machine, Particle swarm optimization, Feature selec-tion, Parameter tuning, Iran stock market

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.