In the last years the financial markets around the world have
been modified by the rapid development of advance systems. The
acquisition of high-frequency data in real time has developed
new fields like econophysics, renewing also the interest in the forecasting
of financial and stock market indexes. Forecasting stock
market assumes that financial information (or other) can modify
the actual behavior of stocks, in contraposition to the theory of efficient
market (Fama, 1970), which stipulates that all the relevant
information is efficiently incorporated in the price before anyone
can use it. Nevertheless, there are some evidences that the financial
returns can be predictable through the use of public information
on financial indexes, as also by using the prices trajectory
(Balvers, Cosimano, & MacDonals, 1990; Lo & MacKinlay, 1988).
Artificial neural networks (ARN) and statistical tools are different
methods that can be used to predict financial indexes. Neural
networks incorporate a large number of parameters which allows
to learn the intrinsic non-linear relationship presented in time-series,
enhancing their forecasting possibilities (Haykin, 2001; Specht,
1990). ARN have been successfully applied to predict important
financial and market indexes, like for example, Standart and Pool
500 (SP&500), Nikei 225 Index, and others (Chen, 1994; Enke & Thawornwong,
ตลาดการเงินทั่วโลกได้ในปีสุดท้ายถูกแก้ไข โดยการพัฒนาอย่างรวดเร็วของระบบล่วงหน้า ที่ซื้อสูงความถี่ของข้อมูลในเวลาจริงได้พัฒนาเขตข้อมูลใหม่เช่น econophysics ต่ออายุยังสนใจในการคาดการณ์ดัชนีตลาดหุ้น และการเงิน การคาดการณ์สต็อกตลาดถือว่า การเงินข้อมูล (หรืออื่น ๆ) สามารถปรับเปลี่ยนลักษณะการทำงานจริงของหุ้น contraposition กับทฤษฎีประสิทธิภาพในตลาด (Fama, 1970), ซึ่งสถานภาพที่ทั้งหมดเกี่ยวข้องข้อมูลได้อย่างมีประสิทธิภาพได้รวมอยู่ในราคาก่อนใครสามารถใช้ อย่างไรก็ตาม มีบาง evidences ที่ทางการเงินกลับสามารถได้โดยใช้ข้อมูลข่าวสารในดัชนีทางการเงิน เป็นยังโดยวิถีราคา(Balvers, Cosimano, & MacDonals, 1990 หล่อ & MacKinlay, 1988)เครือข่ายประสาทเทียม (อาร์น) และเครื่องมือทางสถิติจะแตกต่างกันวิธีที่สามารถใช้ทำนายดัชนีทางการเงิน ประสาทเครือข่ายรวมจำนวนพารามิเตอร์ซึ่งช่วยให้เพื่อศึกษาความสัมพันธ์เชิงเส้นไม่ intrinsic ในเวลาชุดเพิ่มโอกาสการคาดการณ์ (Haykin, 2001 Specht1990) . อาร์นได้ถูกนำไปใช้เพื่อทำนายสิ่งสำคัญการเงิน และตลาดดัชนี ตัวอย่าง สแตนดาร์ดและสระว่ายน้ำ500 (SP และ 500), ดัชนี 225 Nikei และคนอื่น ๆ (Chen, 1994 Enke & Thawornwong
การแปล กรุณารอสักครู่..
ในปีที่ผ่านมาตลาดการเงินทั่วโลกได้
รับการแก้ไขโดยการพัฒนาอย่างรวดเร็วของระบบล่วงหน้า
การเข้าซื้อกิจการของข้อมูลความถี่สูงในเวลาจริงได้มีการพัฒนา
สาขาใหม่เช่น econophysics, ต่ออายุความสนใจในการพยากรณ์
ทางการเงินและหุ้นดัชนีตลาด พยากรณ์หุ้น
ตลาดอนุมานว่าข้อมูลทางการเงิน (หรืออื่น ๆ ) สามารถปรับเปลี่ยน
พฤติกรรมที่แท้จริงของหุ้นใน contraposition กับทฤษฎีของที่มีประสิทธิภาพ
ของตลาด (Fama, 1970) ซึ่งกำหนดว่าทั้งหมดที่เกี่ยวข้อง
ข้อมูลเป็นนิติบุคคลที่จัดตั้งได้อย่างมีประสิทธิภาพในราคาที่ทุกคนก่อนที่จะ
สามารถใช้ มัน แต่มีหลักฐานบางอย่างที่ทางการเงิน
ผลตอบแทนที่สามารถคาดเดาได้ผ่านการใช้ข้อมูลสาธารณะ
ในดัชนีทางการเงินเป็นยังโดยใช้วิถีราคา
(BALVERS, Cosimano และ MacDonals 1990; Lo & MacKinlay, 1988).
เครือข่ายประสาทเทียม (ARN) และเครื่องมือทางสถิติที่แตกต่างกัน
วิธีการที่สามารถนำมาใช้ในการคาดการณ์ดัชนีทางการเงิน ประสาท
เครือข่ายรวมเป็นจำนวนมากของพารามิเตอร์ซึ่งจะช่วยให้
การเรียนรู้มีความสัมพันธ์ที่ไม่ใช่เชิงเส้นที่แท้จริงที่นำเสนอในอนุกรมเวลา,
การเสริมสร้างความเป็นไปได้การคาดการณ์ของพวกเขา (Haykin 2001; Specht,
1990) ARN ได้รับการใช้ประสบความสำเร็จในการทำนายที่สำคัญ
ทางการเงินและดัชนีตลาดเหมือนเช่น Standart และสระว่ายน้ำ
500 (SP และ 500), Nikei 225 ดัชนีและอื่น ๆ (Chen, 1994; Enke & Thawornwong,
การแปล กรุณารอสักครู่..
ในปีที่ผ่านมาตลาดการเงินทั่วโลกได้
ถูกเปลี่ยนแปลงโดยการพัฒนาอย่างรวดเร็วของระบบล่วงหน้า
การได้มาของข้อมูลที่ใช้ในเวลาจริงได้พัฒนา
สาขาใหม่เหมือน econophysics , ต่ออายุยังมีความสนใจในการพยากรณ์
ของดัชนีทางการเงินและตลาดหุ้น การคาดการณ์ตลาดหุ้น
ถือว่าข้อมูลทางการเงิน ( หรืออื่น ๆ ) สามารถปรับเปลี่ยน
พฤติกรรมที่แท้จริงของหุ้นใน contraposition กับทฤษฎีตลาดมีประสิทธิภาพ
( Fama , 1970 ) ซึ่งระบุว่าทั้งหมดเกี่ยวข้อง
ข้อมูลมีประสิทธิภาพรวมในราคาก่อนใครๆ
สามารถใช้ อย่างไรก็ตาม มีหลักฐานบางส่วนที่การเงิน
ผลตอบแทนที่สามารถคาดเดาได้ ผ่านการใช้ข้อมูลสาธารณะ
ดัชนีทางการเงิน ทั้งโดยการใช้วิถี
ราคา( balvers cosimano , & macdonals , 1990 ; ดูเถิด& แม็คกินเลย์ , 1988 ) .
โครงข่ายประสาทเทียม ( ARN ) และการใช้เครื่องมือทางสถิติเป็นวิธีการที่แตกต่างกัน
ที่สามารถใช้ทำนายดัชนีทางการเงิน โครงข่ายประสาทเทียม
รวมเป็นจำนวนมากของพารามิเตอร์ที่ช่วยให้เรียนรู้ความสัมพันธ์ที่แท้จริง
) ที่นำเสนอในเวลาของพวกเขา , เพื่อการพยากรณ์ความเป็นไปได้ ( haykin , 2001 ; สเปกต์
,1990 ) 21 มีการใช้เรียบร้อยแล้วทำนายดัชนีทางการเงินและตลาดสำคัญ
อย่างเช่น Standart และพูล
500 ( SP & 500 ) , ดัชนี nikei 225 , และคนอื่น ๆ ( Chen , 1994 ; & thawornwong เ งเค่ ,
การแปล กรุณารอสักครู่..