Stock Price Prediction Using EGARCH Model and Fusion of Neural Network with Culture Algorithms
محل انتشار: دوازدهمین کنفرانس ملی سیستم های هوشمند ایران
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 993
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICS12_253
تاریخ نمایه سازی: 11 مرداد 1393
چکیده مقاله:
AI Algorithms are one of the most powerful tools for data analysis and modeling of non-linear equations that have widely been used in the analysis of stock market inrecent years. In this paper, we will demonstrate the performance of fusion evolutionary Algorithms and Autoregressive Conditional Heteroskedasticity of models likeEGARCH as a new method to predict the stock market. Comparing the efficiency of this method with similar ones forSouth Korean stock prices, the efficiency of the new model for stock market predictions will be investigated compared with previous works. Results show that the combination of Autoregressive Conditional Heteroskedasticity models with evolutionary algorithms are improved and are more efficient in forecasting stock.
کلیدواژه ها:
نویسندگان
Elmira Rahmani
Department of Electronic, Computer and Biomedical Engineering, Islamic Azad University, Qazvin Branch, Qazvin, Iran
Mohamad Saniee Abade
Department of Electrical and Computer Engineering, Tarbiat Modares University, Tehran, Iran
Farzin Rezaei
Department of Management and Accounting, Islamic Azad University, Qazvin Branch, Qazvin, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :