Genaue Vorhersage von Aktienkursen mit Hilfe von neuronalen LSTM- und GRU-Netzen - Ein Deep-Learning-Ansatz für die Vorhersage von Aktienkurs-Zeitreihen-Daten in Gruppen
Reduzierte Artikel in dieser Kategorie
| Verlag | Verlag Unser Wissen |
| Auflage | 2021 |
| Seiten | 52 |
| Format | 15,0 x 0,3 x 22,0 cm |
| Gewicht | 87 g |
| ISBN-13 | 9786204005614 |
| Bestell-Nr | 20400561NA |
Aktien oder Anteile sind Wertpapiere, die die Beteiligung oder das Eigentum einer natürlichen oder juristischen Person an einem Unternehmen bestätigen. Aktien sind eine attraktive Anlagemöglichkeit, da sie im Vergleich zu anderen Geschäften hohe Gewinne erwirtschaften können, allerdings kann das Risiko auch zu hohen Verlusten in kurzer Zeit führen. Daher ist die Minimierung des Verlustrisikos bei Aktienkäufen und -verkäufen sehr wichtig und erfordert eine sorgfältige Beobachtung der Aktienkursbewegungen. Technische Faktoren sind eine der Methoden, die beim Lernen der Vorhersage von Aktienkursbewegungen anhand historischer Datenmuster auf dem Aktienmarkt verwendet werden. Daher müssen Prognosemodelle, die technische Faktoren verwenden, sorgfältig, gründlich und genau sein, um das Risiko angemessen zu reduzieren. In diesem Buch werden die neuronalen Netze LSTM und GRU vorgestellt, um Aktienkursprognosemodelle in Gruppen unter Verwendung technischer Faktoren zu erstellen. Die Untersu chung verwendet sieben Jahre Benchmark-Zeitreihendaten über tägliche Aktienkursbewegungen mit denselben Merkmalen wie mehrere frühere verwandte Arbeiten, um Unterschiede in den Ergebnissen aufzuzeigen. Die Zeitreihendaten zu Aktienkursen werden gruppiert, um dem allgemeinen Muster der Aktienkursbewegungen auf dem Börsenmarkt zu folgen.
