Estimation of International Gold Price by Fusing Deep/Shallow Machine Learning
Pourquoi ce travail est-il 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.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.
Dossier post-publication
- Nature
- Retraction
- Motif
- Concerns/Issues about Data;Concerns/Issues about Results and/or Conclusions;Concerns/Issues about Referencing/Attributions;Concerns/Issues about Peer Review;Investigation by Journal/Publisher;Investigation by Third Party;Paper Mill;Computer-Aided Content or Computer-Generated Content;Unreliable Results and/or Conclusions;
- Date
- 8/9/2023 0:00
- Signalé par OpenAlex ?
- Oui
Source : Retraction Watch, jointe par DOI. OpenAlex consigne la rétractation dans is_retracted, un booléen sur un espace d'états à au moins quatre valeurs ; il ne peut donc exprimer ni une expression de préoccupation, ni une correction, ni un rétablissement, et les rapporte comme false, ce qui se lit comme « rien à signaler ».
Résumé
In this work, we propose a new method that combines the support vector machine (SVM) and the long short-term memory (LSTM) model utilizing the theory of quotient space to predict the price of gold by leveraging the price factors that have supposedly an impact on the gold price. The Pearson correlation coefficient is employed to measure the relations between nine price factors and gold price. The five price factors with larger correlation coefficients are picked. Then, by utilizing the Granger causality test, the gold price may change concerning the two price factors when time is a concern, which results in combining the results of the correlation analysis with the results of Granger causality leading to a total of seven price factors. Also, the gold price can be divided into the quarters of the year according to the theory of the quotient space and temporal attribute. With three granularities per month, a 3-layer quotient space is constructed based on the synthesized and calculated granularities. The proposed method provides the prediction results that are compared with the predicted values of some grey models (GM) and the actual gold price, respectively. The results suggested that the prediction results of gold price have a comparable lower error measurement and perform better.
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.
La notice
- Revue
- Journal of Advanced Transportation
- Thématique
- Market Dynamics and Volatility
- Domaine
- Economics, Econometrics and Finance
- Établissements canadiens
- —
- Organismes subventionnaires
- —
- Mots-clés
- Gold as an investmentGranger causalitySupport vector machineQuotientGold standard (test)EconometricsCorrelation coefficientSpace (punctuation)Measure (data warehouse)Artificial intelligenceCorrelationRange (aeronautics)Price levelComputer scienceMathematicsMachine learningStatisticsEconomicsData miningFinancial economicsEngineering
- Résumé présent dans OpenAlex
- oui