Using Internet Search Trends and Historical Trading Data for Predicting Stock Markets by the Least Squares Support Vector Regression Model
CONTENIDO PARA USUARIOS REGISTRADOS
Inicia sesión para disfrutar este recurso. Si aún no estás afiliado a BibloRed, haz clic en el botón.
Acceder- Autor
- Año de publicación 2018
- Idioma Inglés
- Publicado por Revista VirtualPRO,
- Descripción
- Los datos históricos de las operaciones, que están inevitablemente asociados al marco de causalidad tanto financiera como teóricamente, se utilizaron ampliamente para predecir los valores bursátiles. Con la popularidad de las redes sociales y las herramientas de búsqueda en Internet, se han diversificado las formas de recogida de información. En lugar de limitarse a la causalidad teórica en la previsión, ha aumentado la importancia de las relaciones entre los datos. Así pues, el objetivo de este estudio es investigar los resultados de la previsión de los mercados bursátiles a partir de datos de Google Trends, datos históricos de negociación (HTD) y datos híbridos. Las palabras clave empleadas para Google Trends se recogen de tres maneras diferentes, incluyendo las definiciones de los usuarios (GTU), las búsquedas de tendencias de Google Trends (GTTS) y los tweets (GTT), respectivamente. Los datos híbridos incluyen las tendencias de búsqueda en Internet de Google Trends y los datos históricos de negociación. Además, se utiliza la técnica de selección de características basada en la correlación (CFS) para seleccionar las variables independientes, y se adopta la política de un paso adelante mediante la regresión de vectores de soporte de mínimos cuadrados (LSSVR) para predecir los mercados de valores. Los experimentos numéricos indican que el uso de datos híbridos puede proporcionar resultados de predicción más precisos que el uso de datos históricos únicos de negociación o de datos de Google Trends. Por tanto, el uso de datos híbridos de tendencias de búsqueda en Internet y datos históricos de negociación por parte de los modelos LSSVR es una alternativa prometedora para predecir los mercados de valores.
-
Citación recomendada (normas APA)
- Hindawi, "Using Internet Search Trends and Historical Trading Data for Predicting Stock Markets by the Least Squares Support Vector Regression Model", -:Revista VirtualPRO,, 2018. Consultado en línea en la Biblioteca Digital de Bogotá (https://www.bibliotecadigitaldebogota.gov.co/resources/3436479/), el día 2024-05-18.