Forecasting stock prices has been r

Forecasting stock prices has been regarded as one of the most challenging applications of modern time series forecasting.
Thus, numerous models have been depicted to provide the investors with more precise predictions. Recently,
artificial neural networks (ANN) have been applied to solve problems of forecasting stock prices. Kimoto and Asakawa
[1] used modular neural networks to predict the timing of buying and selling for the Tokyo Stock Exchange. Experimental
results showed that an excellent profit was achieved.
Kamijo and Tanigawa [2] developed a pattern recognition technique to predict the stock prices on the Tokyo Stock Exchange.
A new method has been presented to evaluate the recurrent networks to decrease the mismatching patterns.

ผลลัพธ์ (ไทย) 1:

การคาดการณ์ราคาหุ้นได้รับถือเป็นงานท้าทายมากที่สุดของยุคนี้ชุดการคาดการณ์ดังนั้น หลายรุ่นมีการอธิบายเพื่อให้นักลงทุนคาดการณ์ที่แม่นยำมากขึ้น เมื่อเร็ว ๆ นี้มีการใช้เครือข่ายประสาทเทียม (แอน) เพื่อแก้ปัญหาของการคาดการณ์ราคาหุ้น มมัยและอา[1] ใช้เครือข่ายประสาท modular ทำนายระยะเวลาของการซื้อ และการขายสำหรับตลาดหลักทรัพย์โตเกียว ทดลองผลการศึกษาพบว่า มีกำไรดีสำเร็จKamijo และทานิงาวะ [2] ได้พัฒนาเทคนิคการรู้จำรูปแบบการทำนายราคาหุ้นในตลาดหลักทรัพย์โตเกียววิธีการใหม่ได้ถูกนำเสนอการประเมินเครือข่ายลดลวดลายไม่ซ้ำ

ผลลัพธ์ (ไทย) 2:

คาดการณ์ราคาหุ้นที่ได้รับการยกย่องว่าเป็นหนึ่งในโปรแกรมที่ท้าทายที่สุดของการที่ทันสมัยการพยากรณ์อนุกรมเวลา.
ดังนั้นหลายรุ่นได้รับภาพเพื่อให้นักลงทุนที่มีการคาดการณ์ที่แม่นยำมากขึ้น เมื่อเร็ว ๆ นี้
เครือข่ายประสาทเทียม (ANN) ได้ถูกนำมาใช้ในการแก้ปัญหาของราคาหุ้นคาดการณ์ Kimoto และ Asakawa
[1] ใช้โครงข่ายประสาทเทียมแบบแยกส่วนที่จะคาดการณ์ระยะเวลาของการซื้อและการขายสำหรับตลาดหลักทรัพย์โตเกียว การทดลอง
ผลการทดลองพบว่ามีผลกำไรที่ดีก็ประสบความสำเร็จ.
KAMIJO และ Tanigawa [2] พัฒนาเทคนิคการจดจำรูปแบบการคาดการณ์ราคาหุ้นในตลาดหลักทรัพย์โตเกียว.
วิธีการใหม่ที่ได้รับการเสนอให้ประเมินเครือข่ายที่เกิดขึ้นอีกเพื่อลดรูปแบบไม่ตรงกัน

ผลลัพธ์ (ไทย) 3:

การพยากรณ์ราคาหุ้น ถือเป็นหนึ่งในความท้าทายมากที่สุดการประยุกต์ใช้สมัยใหม่การพยากรณ์อนุกรมเวลาดังนั้นโมเดลมากมายได้ถูกอธิบายให้นักลงทุนมีการคาดการณ์ที่แม่นยำมากขึ้น เมื่อเร็วๆ นี้โครงข่ายประสาทเทียม ( ANN ) มาใช้ในการแก้ไขปัญหาของการพยากรณ์ราคาหุ้น คิโมโตะ และ อาซาคาวะ[ 1 ] ใช้โครงข่ายประสาทเทียมแบบแยกส่วนเพื่อทำนายระยะเวลาในการซื้อและขายในตลาดหลักทรัพย์โตเกียว ทดลองผลการศึกษาพบว่า ผลกำไรที่ดีเยี่ยมมีความคามิโจ และทานิ [ 2 ] พัฒนารูปแบบเทคนิคการพยากรณ์ราคาหุ้นในตลาดหลักทรัพย์โตเกียววิธีการใหม่ได้รับการเสนอเพื่อประเมินเครือข่ายกำเริบ ลด mismatching รูปแบบ