Информационный анализ результатов финансового прогнозирования с использованием классификатора со случайными подпространствами
В работе описан эксперимент по техническому прогнозированию цены акций на следующий день с использованием
 нейросетевого классификатора со случайными подпространствами, рассмотрены случаи разделения множества значений
 приращения цены на две и пять категорий. Исследованы динамика чис...
Gespeichert in:
| Datum: | 2005 |
|---|---|
| Hauptverfasser: | , , |
| Format: | Artikel |
| Sprache: | Russisch |
| Veröffentlicht: |
Інститут проблем математичних машин і систем НАН України
2005
|
| Schlagworte: | |
| Online Zugang: | https://nasplib.isofts.kiev.ua/handle/123456789/2421 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Zitieren: | Информационный анализ результатов финансового прогнозирования с использованием классификатора со случайными подпространствами / Д.В. Жора, А.М. Резник, А.Е. Дорошенко // Мат. машини і системи. — 2005. — N 1. — С. 39-59. — Библиогр.: 14 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1862741420072239104 |
|---|---|
| author | Жора, Д.В. Резник, А.М. Дорошенко, А.Е. |
| author_facet | Жора, Д.В. Резник, А.М. Дорошенко, А.Е. |
| citation_txt | Информационный анализ результатов финансового прогнозирования с использованием классификатора со случайными подпространствами / Д.В. Жора, А.М. Резник, А.Е. Дорошенко // Мат. машини і системи. — 2005. — N 1. — С. 39-59. — Библиогр.: 14 назв. — рос. |
| collection | DSpace DC |
| description | В работе описан эксперимент по техническому прогнозированию цены акций на следующий день с использованием
нейросетевого классификатора со случайными подпространствами, рассмотрены случаи разделения множества значений
приращения цены на две и пять категорий. Исследованы динамика числа ошибок прогнозирования и скорость обучения
нейронной сети в зависимости от количества входных параметров, проведено структурное исследование полученных
результатов. Вероятностный анализ эксперимента позволяет оценить количество полезной информации, предоставляемой
классификатором. Рассмотрены совместные распределения между входными параметрами и номерами классов, которые
определяются реальным изменением цены. Малые значения полученных коэффициентов корреляции демонстрируют
сложность поставленной задачи.
У роботi описано експеримент по технiчному прогнозуванню цiни акцiй на наступний день з використанням нейромережевого
класифiкатора з випадковими пiдпросторами, розглянутi випадки роздiлення множини значень приросту цiни на двi та п’ять
категорiй. Дослiдженi динамiка числа помилок прогнозування та швидкість навчання нейронной мережi в залежностi вiд
кiлькостi вхiдних параметрiв, проведено структурне дослiдження отриманих результатiв. Ймовiрнiсний аналiз даних
експеримента дозволяє оцiнити кiлькiсть корисної iнформацiї, що надається класифiкатором. Розглянутi сумiснi розподiли
мiж вхiдними параметрами та номерами класiв, якi обумовленi дiйсною змiною цiни. Малi значення отриманих коефiцiєнтiв
кореляцiї демонструють складнiсть поставленої задачi.
This article describes the technical forecasting procedure, which was conducted using the feedforward neural network classifier. In
order to predict the price move for the next day two experiments were considered: the set of price increment values was divided on
two and five categories correspondingly. The error rate and training speed dependencies on the number of input paramemers were
investigated. The results, obtained in these experiments, were structured according to the actual price change. The probabilistic
analysis allows to estimate the quantity of useful information provided by the classifier. Some joint distributions for input parameters
and required class numbers were investigated. The small values of the obtained correlation coefficients show the complexity of the
forecasting problem.
|
| first_indexed | 2025-12-07T20:19:32Z |
| format | Article |
| fulltext | |
| id | nasplib_isofts_kiev_ua-123456789-2421 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1028-9763 |
| language | Russian |
| last_indexed | 2025-12-07T20:19:32Z |
| publishDate | 2005 |
| publisher | Інститут проблем математичних машин і систем НАН України |
| record_format | dspace |
| spelling | Жора, Д.В. Резник, А.М. Дорошенко, А.Е. 2008-10-07T10:46:42Z 2008-10-07T10:46:42Z 2005 Информационный анализ результатов финансового прогнозирования с использованием классификатора со случайными подпространствами / Д.В. Жора, А.М. Резник, А.Е. Дорошенко // Мат. машини і системи. — 2005. — N 1. — С. 39-59. — Библиогр.: 14 назв. — рос. 1028-9763 https://nasplib.isofts.kiev.ua/handle/123456789/2421 519.76+681.3 В работе описан эксперимент по техническому прогнозированию цены акций на следующий день с использованием
 нейросетевого классификатора со случайными подпространствами, рассмотрены случаи разделения множества значений
 приращения цены на две и пять категорий. Исследованы динамика числа ошибок прогнозирования и скорость обучения
 нейронной сети в зависимости от количества входных параметров, проведено структурное исследование полученных
 результатов. Вероятностный анализ эксперимента позволяет оценить количество полезной информации, предоставляемой
 классификатором. Рассмотрены совместные распределения между входными параметрами и номерами классов, которые
 определяются реальным изменением цены. Малые значения полученных коэффициентов корреляции демонстрируют
 сложность поставленной задачи. У роботi описано експеримент по технiчному прогнозуванню цiни акцiй на наступний день з використанням нейромережевого
 класифiкатора з випадковими пiдпросторами, розглянутi випадки роздiлення множини значень приросту цiни на двi та п’ять
 категорiй. Дослiдженi динамiка числа помилок прогнозування та швидкість навчання нейронной мережi в залежностi вiд
 кiлькостi вхiдних параметрiв, проведено структурне дослiдження отриманих результатiв. Ймовiрнiсний аналiз даних
 експеримента дозволяє оцiнити кiлькiсть корисної iнформацiї, що надається класифiкатором. Розглянутi сумiснi розподiли
 мiж вхiдними параметрами та номерами класiв, якi обумовленi дiйсною змiною цiни. Малi значення отриманих коефiцiєнтiв
 кореляцiї демонструють складнiсть поставленої задачi. This article describes the technical forecasting procedure, which was conducted using the feedforward neural network classifier. In
 order to predict the price move for the next day two experiments were considered: the set of price increment values was divided on
 two and five categories correspondingly. The error rate and training speed dependencies on the number of input paramemers were
 investigated. The results, obtained in these experiments, were structured according to the actual price change. The probabilistic
 analysis allows to estimate the quantity of useful information provided by the classifier. Some joint distributions for input parameters
 and required class numbers were investigated. The small values of the obtained correlation coefficients show the complexity of the
 forecasting problem. ru Інститут проблем математичних машин і систем НАН України Обчислювальні системи Информационный анализ результатов финансового прогнозирования с использованием классификатора со случайными подпространствами Iнформацiйний аналiз результатiв фiнансового прогнозування з використанням класифiкатора з випадковими пiдпросторами Informational analysis of financial forecasting data provided by Random Subspace Classifier Article published earlier |
| spellingShingle | Информационный анализ результатов финансового прогнозирования с использованием классификатора со случайными подпространствами Жора, Д.В. Резник, А.М. Дорошенко, А.Е. Обчислювальні системи |
| title | Информационный анализ результатов финансового прогнозирования с использованием классификатора со случайными подпространствами |
| title_alt | Iнформацiйний аналiз результатiв фiнансового прогнозування з використанням класифiкатора з випадковими пiдпросторами Informational analysis of financial forecasting data provided by Random Subspace Classifier |
| title_full | Информационный анализ результатов финансового прогнозирования с использованием классификатора со случайными подпространствами |
| title_fullStr | Информационный анализ результатов финансового прогнозирования с использованием классификатора со случайными подпространствами |
| title_full_unstemmed | Информационный анализ результатов финансового прогнозирования с использованием классификатора со случайными подпространствами |
| title_short | Информационный анализ результатов финансового прогнозирования с использованием классификатора со случайными подпространствами |
| title_sort | информационный анализ результатов финансового прогнозирования с использованием классификатора со случайными подпространствами |
| topic | Обчислювальні системи |
| topic_facet | Обчислювальні системи |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/2421 |
| work_keys_str_mv | AT žoradv informacionnyianalizrezulʹtatovfinansovogoprognozirovaniâsispolʹzovaniemklassifikatorasoslučainymipodprostranstvami AT reznikam informacionnyianalizrezulʹtatovfinansovogoprognozirovaniâsispolʹzovaniemklassifikatorasoslučainymipodprostranstvami AT dorošenkoae informacionnyianalizrezulʹtatovfinansovogoprognozirovaniâsispolʹzovaniemklassifikatorasoslučainymipodprostranstvami AT žoradv informaciiniianalizrezulʹtativfinansovogoprognozuvannâzvikoristannâmklasifikatorazvipadkovimipidprostorami AT reznikam informaciiniianalizrezulʹtativfinansovogoprognozuvannâzvikoristannâmklasifikatorazvipadkovimipidprostorami AT dorošenkoae informaciiniianalizrezulʹtativfinansovogoprognozuvannâzvikoristannâmklasifikatorazvipadkovimipidprostorami AT žoradv informationalanalysisoffinancialforecastingdataprovidedbyrandomsubspaceclassifier AT reznikam informationalanalysisoffinancialforecastingdataprovidedbyrandomsubspaceclassifier AT dorošenkoae informationalanalysisoffinancialforecastingdataprovidedbyrandomsubspaceclassifier |