PRÉDICTION DU PRIX DES ACTIONS À L'AIDE DE SÉRIES CHRONOLOGIQUES - Sateesh Kumar, Kanagala
32,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 1-2 Wochen
payback
16 °P sammeln
  • Broschiertes Buch

Le modèle ARIMA et le modèle EXPONENTIAL SMOOTHING pour la prédiction des cours boursiers ont été présentés dans ce livre. Chaque algorithme identifie l'ensemble des données boursières des cinq institutions, en fonction des évaluations de ces deux modèles. Les résultats des tests du modèle ARIMA ont montré qu'il peut prédire de manière fiable les prix des actions à court terme. Cela peut conduire à des décisions d'investissement bénéfiques pour les spéculateurs du marché boursier. Sur la base des résultats obtenus, le modèle ARIMA peut être prêt à concurrencer d'autres modèles de prévision à…mehr

Andere Kunden interessierten sich auch für
Produktbeschreibung
Le modèle ARIMA et le modèle EXPONENTIAL SMOOTHING pour la prédiction des cours boursiers ont été présentés dans ce livre. Chaque algorithme identifie l'ensemble des données boursières des cinq institutions, en fonction des évaluations de ces deux modèles. Les résultats des tests du modèle ARIMA ont montré qu'il peut prédire de manière fiable les prix des actions à court terme. Cela peut conduire à des décisions d'investissement bénéfiques pour les spéculateurs du marché boursier. Sur la base des résultats obtenus, le modèle ARIMA peut être prêt à concurrencer d'autres modèles de prévision à court terme. Le lissage exponentiel permet d'utiliser une large gamme de valeurs de fréquence. L'approche du lissage exponentiel a été choisie pour une série temporelle unique qui suivait un modèle en termes de sélection de l'ordre. Il existe de nombreuses techniques de séries temporelles bien connues dans l'ARIMA. La section de conception de l'ARIMA s'est avérée critique, fournissant une ligne presque droite.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Autorenporträt
Il Dr. K Sateesh Kumar lavora come professore assistente presso lo SNIST di Hyderabad. Le sue aree di interesse sono l'elaborazione digitale delle immagini, il telerilevamento e l'apprendimento automatico, ecc. Ha diverse pubblicazioni internazionali in riviste e conferenze rinomate.