ترجمه مقاله پیش اندیشی نرخ سهام با محاسبه های ژنتیک و نمونه پیوندی راف
چکیده فارسی
۱) فرضیه های آماری در ارتباط با متغیرها برای مدل های سری زمانی همانند
مدل میانگین متحرّک اتورگرسیو (ARMA) و ناهماهنگی پراکنش شرطی اتورگرسیو
(ARCH) مورد نیاز می باشند، تا مدل های پیش بینی کننده معادلات ریاضی را
مطرح کرده و این موارد به آسانی توسط سرمایه گذاران بازار سهام درک نمی
گردد؛ و ۲) قوانینی که در نتیجه بعضی از الگوریتم های هوش مصنوعی، همانند
شبکه های عصبی (NN)می باشند که به آسانی قابل درک نیستند.چکیده بخشی از مقاله انگلیسی
In the stock market, technical analysis is a useful method for predicting stock prices. be considered. In addition to these last two obstacles in many predictive models exist: 1) statistical hypotheses in relation to the variables for time series models like the autoregressive moving average (ARMA) and autoregressive conditional distribution disharmony (ARCH) are required , the proposed model predictive mathematical equations, and these can not be easily understood by investors in the stock market; and 2) rules as a result of some artificial intelligence algorithms, such as neural networks (NN), which are not easy to understand.توضیحات
عنوان انگلیسی مقاله: A hybrid model based on rough sets theory and genetic algorithms for stock price forecasting
عنوان فارسی مقاله: مدل هیبریدی مبتنی بر تئوری مجموعه های راف و الگوریتم های ژنتیک برای پیش بینی قیمت سهام
دسته: اقتصاد
فرمت فایل ترجمه شده: WORD (قابل ویرایش)
تعداد صفحات فایل ترجمه شده: ۳۹
جهت مشاهده توضیحات کامل تر و دانلود اصل و ترجمه این مقاله اینجا کلیک نمایید.
