کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
11021196 1715031 2019 35 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Global stock market investment strategies based on financial network indicators using machine learning techniques
ترجمه فارسی عنوان
استراتژی های سرمایه گذاری بازار جهانی بر اساس شاخص های شبکه مالی با استفاده از تکنیک های یادگیری ماشین
کلمات کلیدی
شبکه مالی بازار سهام جهانی، فراگیری ماشین، استراتژی سرمایه گذاری،
ترجمه چکیده
این مطالعه نشان دهنده شاخص های شبکه مالی است که می تواند برای استراتژی های سرمایه گذاری جهانی در بازار سهام استفاده شود. ما پیشنهاد می کنیم که شبکه های بی ثباتی و نوسان پذیری بازار سهام جهانی را براساس همبستگی ساده و همبستگی سیستم های شاخص های سهام ملی با استفاده از یک مدل خودکار رگرسیون بردار طراحی کنیم. ما تاثیر و سودمندی شاخص های شبکه را با استفاده از آنها به عنوان ورودی برای تعیین راهکارها از طریق چندین روش یادگیری ماشین (رگرسیون لجستیک، ماشین بردار پشتیبانی و جنگل تصادفی) مورد بررسی قرار می دهیم. دو استراتژی با توجه به شاخص های قیمت سهام ساخته شده است: (1) استراتژی پیش بینی بازار جهانی و (2) استراتژی تخصیص منطقه ای برای بازار توسعه یافته / در حال ظهور. با توجه به نتایج تجزیه و تحلیل عملکرد، شاخص های شبکه به عنوان مهم شاخص های تکمیلی در پیش بینی بازار سهام جهانی و جهت نسبی منطقه ای (بالا / پایین) ثابت شده است. به طور خاص، این شاخص ها در دوره بحران بازار موثر بوده است. این مطالعه اولین تلاش برای ایجاد استراتژی برای مدیریت نمونه کارها با استفاده از شاخص های شبکه مالی است و پیشنهاد می کند که چگونه شاخص های شبکه در زمینه های عملی استفاده شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
استراتژی های سرمایه گذاری بازار جهانی بر اساس شاخص های شبکه مالی با استفاده از تکنیک های یادگیری ماشین
چکیده انگلیسی
This study presents financial network indicators that can be applied to global stock market investment strategies. We propose to design both undirected and directed volatility networks of global stock market based on simple pair-wise correlation and system-wide connectedness of national stock indices using a vector auto-regressive model. We examine the effect and usefulness of network indicators by applying them as inputs for determining strategies via several machine learning approaches (logistic regression, support vector machine, and random forest). Two strategies are constructed considering stock price indices: (1) global stock market prediction strategy and (2) regional allocation strategy for developed market/emerging market. According to the results of the performance analysis, network indicators were proven to be important supplementary indicators in predicting global stock market and regional relative directions (up/down). In particular, these indicators were more effective during market crisis periods. This study is the first attempt to construct strategies for global portfolio management using financial network indicators and to suggest how network indicators can be used in practical fields.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 117, 1 March 2019, Pages 228-242
نویسندگان
, , , ,