fINANCIAL TIME SERIES—and foreign e

fINANCIAL TIME SERIES—and foreign exchange rate forecasts in particular—are difficult to model [39J. Hsieh 115] and others [7| have demonstrated that foreign exchange and other financial time series follow a random walk and should therefore not be predictable much past 50 percent (the average performance of random walk models for foreign exchange markets). Neural networks provide a valuable tool for building nonlinear models of data, especially when the underlying laws governing the system are unknown [39]. Neural network forecasting models have outperformed

ผลลัพธ์ (ไทย) 2:

การเงิน TIME SERIES-และการคาดการณ์อัตราการแลกเปลี่ยนเงินตราต่างประเทศโดยเฉพาะอย่างยิ่งมีความยากในการจำลอง [39J Hsieh 115] และอื่น ๆ [7 | ได้แสดงให้เห็นว่าการแลกเปลี่ยนเงินตราต่างประเทศและอนุกรมเวลาทางการเงินอื่น ๆ ทำตามเดินสุ่มและควรดังนั้นจึงไม่สามารถคาดเดาได้มากที่ผ่านมาร้อยละ 50 (ผลการดำเนินงานเฉลี่ยของรุ่นเดินสุ่มสำหรับตลาดแลกเปลี่ยนเงินตราต่างประเทศ) เครือข่ายประสาทให้เป็นเครื่องมือที่มีคุณค่าสำหรับการสร้างแบบจำลองเชิงเส้นของข้อมูลโดยเฉพาะอย่างยิ่งเมื่ออยู่ภายใต้กฎหมายการปกครองระบบเป็นที่รู้จัก [39] รูปแบบการพยากรณ์เครือข่ายประสาทเทียมมีประสิทธิภาพสูงกว่า

ผลลัพธ์ (ไทย) 3:

เวลาทางการเงินชุดและอัตราแลกเปลี่ยนเงินตราต่างประเทศคาดการณ์โดยเฉพาะอย่างยิ่งยากแบบ [ 39j . Hsieh 115 ] และคนอื่น ๆ [ 7 | ได้แสดงว่า การแลกเปลี่ยนเงินตราต่างประเทศและชุดอื่น ๆเวลาทางการเงินตามเดินสุ่มและควรจึงไม่สามารถคาดเดามากที่ผ่านมา 50 เปอร์เซ็นต์ ( ค่าเฉลี่ยประสิทธิภาพของรุ่นเดินสุ่มสำหรับตลาดแลกเปลี่ยนเงินตราต่างประเทศ )โครงข่ายประสาทเทียมเป็นเครื่องมือที่มีคุณค่าสำหรับการสร้างแบบจำลองเชิงเส้นของข้อมูล โดยเฉพาะอย่างยิ่งเมื่อมีกฎหมายว่าด้วยระบบไม่รู้จัก [ 39 ] โครงข่ายประสาทเทียมแบบพยากรณ์มี outperformed