دسته‌ها
اقتصاد - ترجمه مقالات تکنولوژی اطلاعات - ترجمه مقالات مقالات انگلیسی رایگان مقالات ترجمه شده

دانلود ترجمه مقاله بررسی روش بازار سهام از طریق مدلهای پنهان مارکوف

مقاله بررسی روش بازار سهام از طریق مدلهای پنهان مارکوف

http://20elm.ir/wp-content/uploads/2016/10/%D8%AA%D8%B1%D8%AC%D9%85%D9%87-%D9%85%D9%82%D8%A7%D9%84%D8%A7%D8%AA-%D8%A7%D9%82%D8%AA%D8%B5%D8%A7%D8%AF-%D8%AA%DA%A9%D9%86%D9%88%D9%84%D9%88%DA%98%DB%8C-%D8%A7%D8%B7%D9%84%D8%A7%D8%B9%D8%A7%D8%AA-158x158.png

نمونه متن ترجمه شده در زیر :

تغییرات قیمت در بازار سهام را نمی توان به کل تصادفی دانست. در اصل،  چیزی که باعث تحریک بازار مالی شده و الگویی که سری های زمانی مالی از آن تبعیت می کنند، مورد توجه اقتصاد دانان، ریاضی دانان و اخیراٌ نیز دانشمندان علوم کامپیوتر قرار گرفته است[17]. در این مقاله، ایده ای در مورد تحلیل گرایش رفتار بازار سرمایه، با استفاده از مدل مخفی مارکوف (HMM)  ارائه خواهد شد. زمانی که گرایشی از یک بازه ی زمانی خاص تبعیت کرد، این اطمینان داده می شود که در آینده نیز این تبعیت تکرار خواهد شد. یک  تفاوت یک روزه در ارزش سهام برای بازه ی زمانی خاص پیدا شده و مقادیر توزیع احتمال مقادیر یکپارچه ی آن نیز مشخص می-شود. سپس رفتار الگوی بازار سهام بر مبنای مقادیر احتمالی برای بازه ی زمانی خاصی تصمیم گیری می شود. هدف این بوده که دنباله  ی وضعیت مخفی مشخص را محاسبه کرده تا این گرایش را بتوان با استفاده از مقادیر توزیع وضعیت یکنواخت تحلیل کرد. شش دنباله ی وضعیت مخفی بهینه نیز ایجاد شده و مقایسه شده اند. تنها تفاوت یک روزه در ارزش نزدیک در زمانی که در نظر گرفته می شود، بهترین دنباله وضعیت بهینه را ارائه خواهد داد

واژگان کلیدی: مدل مخفی مارکوف، گرایش بازار سرمایه، ماتریس احتمال تبدیل، ماتریس احتمال انتشار، توزیع احتمال وضعیت یکنواخت


عنوان انگلیسی مقاله: Stock Market Trend Analysis Using Hidden Markov Models
عنوان فارسی مقاله: تحلیل روند بازار سهام، با استفاده از مدل های مخفی مارکوف
فرمت فایل ترجمه شده: WORD (قابل ویرایش)
تعداد صفحات فایل ترجمه شده: 19
جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید
ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.

بخشی از مقاله انگلیسی :
noise of the stock market data makes it difficult t o re- estimate the ANN parameters. Romahi and Shen [14] a lso found that ANN occasionally suffers from over fitti ng problem. They developed an evolving rule based expe rt system and obtained a method which is used to forec ast financial market behaviour. There were also hybridi zation models effectively used to forecast financial behav iour. The drawback was requirement of expert knowledge. T o overcome all these problems Hassan and Nath [15] us ed HMM for a better optimization. Hassan et al. [16] proposed a fusion model of HMM, ANN and GA for stoc k Market forecasting. In continuation of this, Hassan [7] combined HMM and fuzzy logic rules to improve the prediction accuracy on non-stationary stock data se ts. Jyoti Badge[8] used technical indicators as an input vari able instead of stock prices for analysis. Aditya Gupta and Bhuwan Dhingra[1] considered the fractional change in Stock value and the intra-day high and low values o f the stock to train the continuous HMM . In the earlier studies, much research work had been carried out using vario us techniques and algorithms for training the model fo r forecasting or predicting the next day close value of the stock market, for which randomly generated Transiti on Probability Matrix (TPM), Emission Probability Matr ix (EPM) and prior probability matrix have been consid ered.

مقاله بررسی روش بازار سهام از طریق مدلهای پنهان مارکوف