MétaCan
Menu
Constructeur de cohorte

4 299 418 travaux, canadiens par l’une de quatre routes.

Chaque état de filtre est une URL; l’URL est la requête; la requête est citable via /q/⟨hash⟩. La page, l’API et l’export analysent les mêmes paramètres.

La cohorte courante, diffusée en continu depuis la base de données : toutes les colonnes des travaux, les étiquettes machine, les scores provisoires et l'état de validation de chaque rangée. Les exportations sont plafonnées à 100 000 rangées. Crée un lien /q/ permanent pour cette requête exacte. Les mêmes filtres produisent toujours le même lien, qui que soit le demandeur.

Terme de recherche
Auteur ou autrice
Période
Ordre
Langue
Type
Domaine
Revue
Sujet
Stock Market Forecasting Methods
Rétractation
Résumé
Source des données probantes
Devis d'étude
Accord des étiquettes
État des étiquettes

Les étiquettes directes de Codex et Gemma sont non validées et clairsemées. Les prédictions distillées couvrent la base complète et sont elles aussi non validées. Choisissez explicitement la source; l'absence d'une étiquette directe n'est jamais une étiquette négative.

affaffiliation
fundbailleur
venuerevue
aboutsujet

Les quatre voies se composent : exigez la voie du financement et excluez l'affiliation pour obtenir la strate financée-seulement qu'aucune base fondée sur l'affiliation ne voit jamais.

943 résultats · 1 filtre actif ·
Résultats par année
20002025
Date de publication
Catégories
Étiquettes machine · couverture clairsemée
Preuves
Langue
Type
Citations
Un travail non étiqueté est inconnu, pas un négatif. La couverture est rapportée à chaque requête.
943 travaux dans la cohorte · sur 4 299 418page 8 sur 19

Les étiquettes couvrent 2 des 943 travaux de cette cohorte. Les autres sont non étiquetés, ce qui n'est pas une étiquette négative : la table des étiquettes est clairsemée aujourd'hui et s'enrichit au fil des rondes d'étiquetage.

Les prédictions distillées couvrent 943 des 943 travaux de cette cohorte. Ces prédictions portent le statut machine_predicted_unvalidated. Le volet Gemma est une étiquette directe du modèle pour chaque travail (titre seulement); le volet Codex est un classifieur distillé et calibré. Le mode candidate est l'union; le consensus est l'intersection.

affsans résuménon étiqueté
Stock Investment Decision Making: A Social Network Approach
Negar Koochakzadeh, Fatemeh Keshavarz, Atieh Sarraf, Ali Rahmani, Keivan Kianmehr, Mohammad Rifaie +2 autres
2011· book-chapter· en· Studies in computational intelligence· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
3
citations
affsans résuménon étiqueté
A unified framework for financial commentary prediction
Ozan Ozyegen, Garima Malik, Mücahit Çevik, Kevin Ioi, Karim El Mokhtari
2024· article· en· Information Technology and Management· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
3
citations
affnon étiqueté
Use of Neural Networks in Forecasting Financial Market
Hosein Marzi, Mark M. Turnbull
2007· article· en· 2007 IEEE International Conference on Granular Computing (GRC 2007)· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
3
citations
venueno affnon étiqueté
Empirical Finance
Shigeyuki Hamori
2020· article· en· Journal of risk and financial management· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
3
citations
affsans résuménon étiqueté
GAs and Financial Analysis
Matty Leus, Dwight Deugo, Franz Oppacher, R. Cattral
2001· book-chapter· en· Lecture notes in computer science· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
3
citations
affsans résuménon étiqueté
EconSentGPT: A Universal Economic Sentiment Engine?
Aref Mahdavi Ardekani, Julie Bertz, Michael Dowling, Suwan Long
2023· article· en· SSRN Electronic Journal· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
3
citations
aboutno affnon étiqueté
Ichimoku Cloud Forecasting Returns in the U.S.
Matthew Lutey, Dave Rayome
2022· article· en· GLOBAL BUSINESS & FINANCE REVIEW· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
3
citations
affsans résuménon étiqueté
A Software Architecture Framework for On-Line Option Pricing
Kiran Kola, Amit Chhabra, Ruppa K. Thulasiram, Parimala Thulasiraman
2006· book-chapter· en· Lecture notes in computer science· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
3
citations
affnon étiqueté
A Deep Neural Network for Stock Price Prediction
Hengwei Dai, Jiashang Cao, Haotian Wu
2021· article· en· Journal of Physics Conference Series· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
3
citations
venueno affnon étiqueté
Hybrid Deep Learning Architectures for Stock Market Prediction
Iren Valova, Natacha Gueorguieva, Thakkar Aayushi, Pulluri Nikitha, Hassan Mohamed
2023· article· en· Proceedings of the World Congress on Electrical Engineering and Computer Systems and Science· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
3
citations
affsans résuménon étiqueté
Financial Risk Measurement for Financial Risk Management
Torben G. Andersen, Tim Bollerslev, Peter Christoffersen, Francis X. Diebold
2011· preprint· en· SSRN Electronic Journal· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
2
citations

En coulisses: Sélection · Constats · À propos