Entropy-Based Technical Analysis Indicators Selection for International Stock Markets Fluctuations Prediction Using Support Vector Machines
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Most of works on stock price forecasting are concerned with the problem of predicting its future value. However, forecasting stock price future fluctuation trend could be easier and interesting for traders and investors to maximize profits. The purpose of this study is to predict CAC40, FTSE, NASDAQ and S&P500 price index up and down fluctuations. In particular, it aims to propose a methodology to forecast regime switches in these markets time series to assist traders and investors in decision making. In the first stage, a large set composed of twenty five technical analysis indicators is formed. They fall into four broad categories namely oscillators, stochastic measures, indexes and indicators. Entropy statistic is employed to rank the initial technical analysis indicators. Finally, in the third stage, polynomial-based kernel support vector machines (SVM) are used for predicting CAC40, FTSE, NASDAQ and S&P500 future upward and downward fluctuations. The forecasting results show that the choice of technical analysis indicators used to predict CAC40 and NASDAQ fluctuations depend on the type of risk-aversion and risk-appetite of the investor. For the S&P500 and FTSE, technical analysis indicators used in our study can detect future downshifts with high accuracy. Thus, they are suitable for market analysis and trading by risk-averse investors on these markets.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle