A new method for forecasting the tr

A new method for forecasting the trend of time series, based on mixture of MLP experts, is presented. In this paper, three neural network combining methods and an Adaptive Network-Based Fuzzy Inference System (ANFIS) are applied to trend forecasting in the Tehran stock exchange. There are two experiments in this study. In experiment I, the time series data are the Kharg petrochemical company’s daily closing prices on the Tehran stock exchange. In this case study, which considers different schemes for forecasting the trend of the time series, the recognition rates are 75.97%, 77.13% and 81.64% for stacked generalization, modified stacked generalization and ANFIS, respectively. Using the mixture of MLP experts (ME) scheme, the recognition rate is strongly increased to 86.35%. A gain and loss analysis is also used, showing the relative forecasting success of the ME method with and without rejection criteria, compared to a simple buy and hold approach. In experiment II, the time series data are the daily closing prices of 37 companies on the Tehran stock exchange. This experiment is conducted to verify the results of experiment I and to show the efficiency of the ME method compared to stacked generalization, modified stacked generalization and ANFIS.

ผลลัพธ์ (ไทย) 1:

การนำเสนอวิธีการใหม่สำหรับการคาดการณ์แนวโน้มของเวลาชุด ตามส่วนผสมของ MLP ผู้เชี่ยวชาญ ในเอกสารนี้ สามวิธีการรวมโครงข่ายประสาทและการ Adaptive Network-Based เอิบข้อระบบ (ANFIS) จะใช้กับการคาดการณ์แนวโน้มในการแลกเปลี่ยนหุ้นเตหราน มีการทดลองในการศึกษานี้ ในการทดสอบผม ข้อมูลอนุกรมเวลาเป็นคาร์กปิโตรเคมีของบริษัทราคาประจำวันปิดในเตหรานทรัพย์ ในกรณีนี้ ศึกษา ซึ่งพิจารณาโครงร่างต่าง ๆ สำหรับการคาดการณ์แนวโน้มของชุดข้อมูลเวลา อัตราการรู้จำ ได้ 75.97%, 77.13% และ % 81.64 generalization ซ้อน generalization แก้ไขแบบกองซ้อน และ ANFIS ตามลำดับ ใช้ส่วนผสมของแผนผู้เชี่ยวชาญ (ME) MLP อัตราการรู้จำจะขอเพิ่ม 86.35% ขึ้น การวิเคราะห์กำไรและขาดทุนยังใช้ แสดงญาติคาดการณ์ความสำเร็จ ME ที่มี และไม่ มีการปฏิเสธ เงื่อนไข เปรียบเทียบกับการซื้อเชื่อ และค้างวิธี ในการทดลอง II ข้อมูลอนุกรมเวลามีราคาปิดรายวันของบริษัท 37 ในเตหรานทรัพย์ การทดลองนี้จะดำเนินการเพื่อตรวจสอบผลทดลองฉัน และแสดงประสิทธิภาพของ ME วิธีการเปรียบเทียบ การ generalization ซ้อน แก้ไขซ้อน generalization ANFIS

ผลลัพธ์ (ไทย) 2:

วิธีใหม่สำหรับการคาดการณ์แนวโน้มของอนุกรมเวลาขึ้นอยู่กับส่วนผสมของผู้เชี่ยวชาญ MLP จะนำเสนอ ในบทความนี้สามวิธีการรวมเครือข่ายประสาทและการปรับเปลี่ยนเครือข่ายที่ใช้ระบบฝอยอนุมาน (ANFIS) จะถูกนำไปใช้กับการคาดการณ์แนวโน้มในกรุงเตหะรานตลาดหลักทรัพย์ มีสองการทดลองอยู่ในการศึกษาครั้งนี้ ในการทดลองผมเวลาข้อมูลที่ซีรีส์เป็น บริษัท ปิโตรเคมี Kharg ของราคาปิดวันในกรุงเตหะรานตลาดหลักทรัพย์ ในกรณีศึกษานี้ที่จะพิจารณารูปแบบที่แตกต่างกันสำหรับการคาดการณ์แนวโน้มของอนุกรมเวลาที่อัตราการรับรู้เป็น 75.97%, 77.13% และ 81.64% สำหรับลักษณะทั่วไปซ้อนกันทั่วไปซ้อนกันแก้ไขและ ANFIS ตามลำดับ โดยใช้ส่วนผสมของผู้เชี่ยวชาญ MLP (ME) โครงการอัตราการรู้จำจะเพิ่มขึ้นอย่างยิ่งที่จะ 86.35% กำไรและการวิเคราะห์การสูญเสียนอกจากนี้ยังใช้แสดงให้เห็นความสำเร็จในการคาดการณ์ความสัมพันธ์ของว​​ิธี ME ที่มีและไม่มีหลักเกณฑ์การปฏิเสธเมื่อเทียบกับการซื้อง่ายและวิธีการถือ ในการทดลองครั้งที่สองครั้งที่ข้อมูลชุดที่มีราคาปิดทุกวันจาก 37 บริษัท ในตลาดหลักทรัพย์กรุงเตหะราน การทดลองนี้จะดำเนินการเพื่อตรวจสอบผลของการทดลองผมและเพื่อแสดงประสิทธิภาพของวิธี ME เมื่อเทียบกับทั่วไปซ้อนแก้ไขทั่วไปซ้อนและ ANFIS

ผลลัพธ์ (ไทย) 3:

วิธีการใหม่ในการพยากรณ์แนวโน้มของอนุกรมเวลา ขึ้นอยู่กับส่วนผสมของผู้เชี่ยวชาญ MLP คือแสดง ในกระดาษนี้สามเครือข่ายประสาทรวมวิธีการและเครือข่ายระบบอนุมานฟัซซี่แบบพื้นฐาน ( anfis ) ใช้กับแนวโน้มการพยากรณ์ในเตหะรานตลาดหลักทรัพย์ มี 2 การทดลองในการทดลอง ในการทดลองผมข้อมูลอนุกรมเวลาเป็น kharg ปิโตรเคมีของ บริษัท ทุกวัน ราคาปิดในเตหะรานตลาดหลักทรัพย์ ในกรณีศึกษานี้ ซึ่งจะพิจารณาโครงร่างที่แตกต่างกันสำหรับการพยากรณ์แนวโน้มของเวลา ชุด จำราคา 75.97 % , 77.13 % และ 81.64 % สำหรับการแก้ไขและการ anfis ซ้อนกันเรียงตามลำดับ การใช้ส่วนผสมของผู้เชี่ยวชาญ MLP ( ฉัน ) กับโครงการอัตราการรับรู้ขอเพิ่ม 86.35 % ได้รับและการวิเคราะห์การสูญเสียยังใช้แสดงการพยากรณ์ความสำเร็จของฉันวิธีญาติที่มีและไม่มีเกณฑ์การปฏิเสธ เมื่อเทียบกับ ง่าย ๆซื้อไว้ใช้ ในการทดลองที่สอง ข้อมูลอนุกรมเวลาเป็นทุกวัน ปิดราคา 37 บริษัทในเตหะรานตลาดหลักทรัพย์การทดลองนี้มีวัตถุประสงค์เพื่อตรวจสอบผลของการทดลอง และเพื่อแสดงประสิทธิภาพของวิธีที่ผมเปรียบเทียบกับการแก้ไขการ anfis ซ้อนกันและซ้อนกัน