ترجمه مقاله ردیابی رسانه های اجتماعی متعدد برای پیش بینی رویدادها در بازار سهام - نشریه اشپرینگر

قیمت خرید این محصول

۲۹,۰۰۰ تومان

دانلود مقاله انگلیسی

عنوان فارسی

ردیابی رسانه های اجتماعی متعدد برای پیش بینی رویدادها در بازار سهام

عنوان انگلیسی

Tracking Multiple Social Media for Stock Market Event Prediction

صفحات مقاله فارسی

20

صفحات مقاله انگلیسی

15

سال انتشار

2017

نشریه

اشپرینگر - Springer

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده

رفرنس

دارد

کد محصول

f399

وضعیت ترجمه عناوین تصاویر و جداول

ترجمه شده است

وضعیت ترجمه متون داخل تصاویر و جداول

ترجمه نشده است

وضعیت فرمولها و محاسبات در فایل ترجمه

به صورت عکس، درج شده است

رشته های مرتبط با این مقاله

علوم اقتصادی

گرایش های مرتبط با این مقاله

اقتصاد مالی و اقتصاد پولی

مجله

کنفرانس صنعتی داده کاوی - Industrial Conference on Data Mining

دانشگاه

گروه علوم کامپیوتر، دانشگاه تگزاس

کلمات کلیدی

پیش بینی بازار، رسانه های اجتماعی، ترکیب مشخصات، گوگل ترندز، burst توئیتر، تمایلات اخبار

ترجمه این مقاله در سطح متوسط انجام شده است.

فهرست مطالب

چکیده
1. مقدمه
2. اثر مرتبط
3. استخراج ویژگی
3.1. جستجوی گوگل ترندز
3.2. نظرکاوی از مقالات خبری
3.3. تشخیص burst توئیتر
4- اثر کلی و پیش ینی
4.1- فیوژن ویژگی
4.2 گسسته سازی سهام
4.3 مدل دلتا نایو بیز
5 ارزیابی تجربی
5.1 معیار ارزیابی
5.2 آنالیز عملکرد
5.3 مطالعه موردی
6 بحث

نمونه چکیده متن اصلی انگلیسی

Abstract

The problem of modeling the continuously changing trends in finance markets and generating real-time, meaningful predictions about significant changes in those markets has drawn considerable interest from economists and data scientists alike. In addition to traditional market indicators, growth of varied social media has enabled economists to leverage micro- and real-time indicators about factors possibly influencing the market, such as public emotion, anticipations and behaviors. We propose several specific market related features that can be mined from varied sources such as news, Google search volumes and Twitter. We further investigate the correlation between these features and financial market fluctuations. In this paper, we present a Delta Naive Bayes (DNB) approach to generate prediction about financial markets. We present a detailed prospective analysis of prediction accuracy generated from multiple, combined sources with those generated from a single source. We find that multi-source predictions consistently outperform single-source predictions, even though with some limitations.

نمونه چکیده ترجمه متن فارسی

چکیده
مسئله مدلسازی روندهای مداوم در حال تغییر در بازارهای مالی و ایجاد پیش بینی های معنی دار و زمان واقعی در مورد تغییرات قابل توجه در این بازارها از جانب اقتصاددانان و دانشمندان علاقمندی های چشمگیری را معطوف به خود کرده است. علاوه بر شاخص های سنتی بازار، رشد رسانه های اجتماعی متنوع، اقتصاددانان را قادر می سازد تا شاخص های میکرو و زمان واقعی را در مورد عوامل احتمالی تاثیرگذار بر بازار همچون احساسات و عواطف عمومی، پیش بینی ها و رفتارها را تحت نفوذ قرار دهند. چندین ویژگی مربوط به بازار خاص را ارائه می کنیم که از منابع متنوعی همچون اخبار، حجم جستجوی گوگل و توئیتر کاوش می شود. علاوه بر این همبستگی بین این ویژگی ها و نوسانات بازار مالی را بررسی می کنیم. در این مقاله، رویکرد دلتا نایو بیز (DNB) را به منظور ایجاد پیش بینی درباره بازارهای مالی ارائه می کنیم. آنالیز آینده نگرانه دقیق دقت پیش بینی تولید شده از منابع متعدد، منابع ترکیب شده با منابع تولید شده از منبع مستقل را ارائه می کنیم. در می یابیم که پیش بینی های منابع متعدد عملکرد بهتری نسبت به پیش بینی های تک منبع دارد، حتی اگر با برخی از محدودیت ها همراه باشد.