Financial time series forecasting using rough sets with time-weighted rule voting

در مقاله ما به صورت تجربی بررسی امکان سنجی مجموعه های خشن در ساخت مدل های پیش بینی روند سودمند برای سری زمانی مالی. به منظور بهبود فرآیند تصمیم گیری برای سری های زمانی طولانی، یک روش رأی گیری جدید قانون زمان بندی وزن، که به دلیل پیر شدن اطلاعات مطرح می شود، پیشنهاد شده است. این آزمایش ها با استفاده از داده های بازار چند شاخص بازار سهام انجام شده است. راندمان طبقه بندی و عملکرد مالی مدل های مجموعه ای پیشنهاد شده تایید شده و با مدل های ماشین های بردار پشتیبانی و شاخص های مالی مرجع مقایسه شده است. نتایج نشان می دهد که روش مجموعه های خشن با رأی دادن به وزن زمانی، از مجموعه های خشن کلاسیک و پشتیبانی از سیستم های تصحیح ماشین های بردار برتر برخوردار است و در مقایسه با استراتژی خرید و نگهداری سود آور است. علاوه بر این، با استفاده از مجموعه های سخت دقت متغیر، کارایی سیگنال های تجاری تولید شده بیشتر بهبود یافته است.