The second case study addresses the

The second case study addresses the problem of trying to build a stock trading

system based on prediction models obtained with daily stock quotes data. We

will apply different models to predict the returns of IBM stocks at the New York

Stock Exchange. These predictions will be used together with a trading rule

that will generate buy and sell signals. This chapter addresses several new data

mining issues: (1) how to use R to analyze data stored in a database; (2) how

to handle prediction problems where there is a time ordering among training

cases (usually known as a time series); (3) and the consequences of wanting to

translate model predictions into actions.

ผลลัพธ์ (ไทย) 1:

ปัญหาของการพยายามสร้างการซื้อขายหุ้นอยู่สองกรณีศึกษาระบบตามแบบจำลองพยากรณ์รับกับข้อมูลราคาหุ้นทุกวัน เราจะใช้รุ่นที่แตกต่างกันเพื่อคาดการณ์ผลตอบแทนของหุ้น IBM ที่นิวยอร์คตลาดหลักทรัพย์ คาดการณ์เหล่านี้จะใช้กับกฎการค้าที่จะสร้างซื้อ และสัญญาณขาย บทนี้อยู่หลายข้อมูลใหม่ปัญหาการทำเหมืองแร่: (1) วิธีการใช้ R ในการวิเคราะห์ข้อมูลที่เก็บอยู่ในฐานข้อมูล (2) วิธีการจัดการปัญหาพยากรณ์มี เวลาเรียงลำดับระหว่างฝึกอบรมกรณีที่ (มักจะเรียกว่าชุดเวลา); (3) และผลต้องแปลแบบจำลองการคาดคะเนเป็นการดำเนินการ

ผลลัพธ์ (ไทย) 2:

กรณีศึกษาที่สองอยู่ปัญหาของการพยายามที่จะสร้างการซื้อขายหุ้นตามระบบในรูปแบบที่ได้รับกับการคาดการณ์ราคาหุ้นประจำวันของข้อมูล เราจะใช้รูปแบบที่แตกต่างกันที่จะคาดการณ์ผลตอบแทนของหุ้นของไอบีเอ็มที่นิวยอร์กตลาดหลักทรัพย์ การคาดการณ์เหล่านี้จะถูกนำมาใช้ร่วมกับกฎการค้าที่จะสร้างสัญญาณซื้อและขาย บทนี้อยู่หลายข้อมูลใหม่ปัญหาการทำเหมืองแร่ (1) วิธีการใช้ R เพื่อวิเคราะห์ข้อมูลที่เก็บไว้ในฐานข้อมูล; (2) วิธีการที่จะจัดการกับปัญหาการทำนายที่มีการสั่งซื้อเวลาในหมู่การฝึกอบรมกรณี (ที่รู้จักกันมักจะเป็นอนุกรมเวลา); (3) และผลกระทบของความต้องการที่จะแปลการคาดการณ์รูปแบบในการกระทำ

ผลลัพธ์ (ไทย) 3:

กรณีศึกษาที่สองที่อยู่ปัญหาของการพยายามที่จะสร้างการซื้อขายหุ้น

ระบบตามแบบจำลองการคาดการณ์ที่ได้รับกับราคาหุ้นรายวันข้อมูล เรา

จะใช้รูปแบบที่แตกต่างกันเพื่อพยากรณ์ผลตอบแทนของหุ้นไอบีเอ็มที่นิวยอร์ก

ตลาดหลักทรัพย์ การคาดการณ์เหล่านี้จะใช้ร่วมกันกับการซื้อขายกฎ

ที่จะสร้างสัญญาณซื้อและขาย บทนี้อยู่หลายข้อมูลใหม่

ปัญหาเหมืองแร่ : ( 1 ) การใช้ R เพื่อวิเคราะห์ข้อมูลที่เก็บไว้ในฐานข้อมูล ( 2 ) วิธี

จัดการทำนายปัญหาในกรณีที่มีการสั่งซื้อในเวลาฝึก

กรณี ( มักจะเรียกว่าอนุกรมเวลา ) ; ( 3 ) และผลที่ต้องการ

แปลรูปแบบในการคาดคะเน .