Отрывок: S V M cl as sif ic at io n – ac tu al an d pr ed ic te d pr ob ab ili tie s ( C as e I) Fi gu re 4 -3 8( b) . S V M c la ss ifi ca tio n - a ct ua l an d pr ed ic te d pr ob ab ili tie s ( C as e II) EBSCOhost - printed on 2/8/2023 2:23 PM via . All use subject to https://www.ebsco.com/terms-of-use Chapter 4 182 TABLE 4-16: SVM CLASSIFICATION RESULTS Accuracy Metrics Case I Case II Sensitivity 83.87 75.36 Specificit...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.coverage.spatial | financial time series data | ru |
dc.coverage.spatial | machine learning algorithms | ru |
dc.coverage.spatial | данные финансовых временных рядов | ru |
dc.coverage.spatial | predictive models | ru |
dc.coverage.spatial | алгоритмы машинного обучения | ru |
dc.coverage.spatial | прогностические модели | ru |
dc.coverage.spatial | deep learning approaches | ru |
dc.coverage.spatial | подходы к глубокому обучению | ru |
dc.date.accessioned | 2023-12-08 11:40:38 | - |
dc.date.available | 2023-12-08 11:40:38 | - |
dc.date.issued | 2022 | ru |
dc.identifier | 3277060 | ru |
dc.identifier.citation | Machine Learning in the Analysis and Forecasting of Financial Time Series / Jaydip Sen, Editor, Sidra Mehtab, Editor. - Newcastle-upon-Tyne : Cambridge Scholars Publishing, 2022. - 1 file (13,7 Mb) (385 p.). - ISBN = 9781527583245, 9781527583252. - Текст : электронный | ru |
dc.identifier.isbn | 9781527583245 | ru |
dc.identifier.isbn | 9781527583252 | ru |
dc.identifier.uri | http://repo.ssau.ru/handle/eBooks/Machine-Learning-in-the-Analysis-and-Forecasting-of-Financial-Time-Series-107300 | - |
dc.description.abstract | Используемые программы Adobe Acrobat | ru |
dc.description.abstract | This book is a collection of real-world cases, illustrating how to handle challenging and volatile financial time series data for a better understanding of their past behavior and robust forecasting of their future movement. It demonstrates how the concepts and techniques of statistical, econometric, machine learning, and deep learning are applied to build robust predictive models, and the ways in which these models can be used for constructing profitable portfolios of investments. All the concepts and methods used here have been implemented using R and Python languages on TensorFlow and Keras frameworks. The book will be particularly useful for advanced postgraduate and doctoral students of finance, economics, econometrics, statistics, data science, computer science, and information technology. | ru |
dc.description.abstract | Эта книга представляет собой сборник примеров из реального мира, иллюстрирующих, как обращаться со сложными и изменчивыми данными финансовых временных рядов для лучшего понимания их поведения в прошлом и надежного прогнозирования их движения в будущем. В ней демонстрируется, как концепции и методы статистического, эконометрического, машинного и глубокого обучения применяются для построения надежных прогностических моделей, а также способы, которыми эти модели могут быть использованы для формирования прибыльных инвестиционных портфелей. Все концепции и методы, используемые здесь, были реализованы с использованием языков R и Python в фреймворках TensorFlow и Keras. Книга будет особенно полезна для продвинутых аспирантов и докторантов в области финансов, экономики, эконометрики, статистики, науки о данных, информатики и информационных технологий. | ru |
dc.language.iso | eng | ru |
dc.publisher | Cambridge Scholars Publishing | ru |
dc.subject | BUSINESS & ECONOMICS / Econometrics | ru |
dc.subject | Artificial intelligence--Financial applications | ru |
dc.title | Machine Learning in the Analysis and Forecasting of Financial Time Series | ru |
dc.type | Text | ru |
dc.subject.rubbk | У.в6 | ru |
dc.subject.rugasnti | 27.01 | ru |
dc.subject.udc | 517.1 | ru |
dc.textpart | S V M cl as sif ic at io n – ac tu al an d pr ed ic te d pr ob ab ili tie s ( C as e I) Fi gu re 4 -3 8( b) . S V M c la ss ifi ca tio n - a ct ua l an d pr ed ic te d pr ob ab ili tie s ( C as e II) EBSCOhost - printed on 2/8/2023 2:23 PM via . All use subject to https://www.ebsco.com/terms-of-use Chapter 4 182 TABLE 4-16: SVM CLASSIFICATION RESULTS Accuracy Metrics Case I Case II Sensitivity 83.87 75.36 Specificit... | - |
Располагается в коллекциях: | eBooks |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
3277060.pdf | 14.08 MB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.