Biblioteca93.141 documentos en línea

Artículo

Financial Time Series Forecasting Using Directed-Weighted Chunking SVMsPredicción de series temporales financieras mediante SVM de fragmentación ponderada dirigida

Resumen

Las máquinas de vectores soporte (SVM) son una alternativa prometedora a los métodos tradicionales de estimación por regresión. Sin embargo, cuando se trata de conjuntos de datos a gran escala, existen muchos problemas, como el largo tiempo de entrenamiento y la excesiva demanda de espacio de memoria. Por lo tanto, el algoritmo SVM no es adecuado para tratar datos de series temporales financieras. Para resolver estos problemas, se propone el algoritmo SVMs de fragmentación ponderada dirigida. En este algoritmo, todo el conjunto de datos de entrenamiento se divide en varios trozos y, a continuación, los vectores de soporte se obtienen en cada subconjunto. Además, se calculan las regresiones ponderadas de los vectores de soporte para obtener el modelo de previsión sobre el nuevo conjunto de datos de trabajo. Nuestro algoritmo de troceado ponderado dirigido proporciona un nuevo método de descomposición y combinación de vectores de soporte según la importancia de los trozos, que puede mejorar la velocidad de operación sin reducir la precisión de la predicción. Por último, se utilizan datos de precios de cierre diario de acciones de IBM para verificar la validez del algoritmo propuesto.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento