Epsilon-SVR and decision tree for stock market forecasting

Panigrahi, Sibarama; Mantri, Jibendu Kumar

doi:10.1109/icgciot.2015.7380565

Cited by 11 publications

(5 citation statements)

References 10 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…LR Model intention locate the superior viable range to that amount matches the training engage and then predicts the lawful residence price beyond the take a look at set. We applied KNN [19] among the sam housing dataset because of housing cost prediction. KNN is barely specific beyond the famous computing device learning algorithm Support Vector Machine(SVM).…”

Section: Analysis Proceduresmentioning

confidence: 99%

Machine learning based prediction of house price

Suganya¹,

Gowtham²,

Raja³

2022

ijhs

View full text Add to dashboard Cite

Getting a house of our wishes within our budget in a residential area of our customization is quite a tedious process. In order to overcome this, we have developed a model to get a houses of our interest with religious belief and budget this Implemented model is of linear regression and k nearest neighbor’s algorithm with gradient descent optimization to make an optimal model for predicting house prices using the dataset. Performed feature engineering and selection using lasso and ridge penalties to eliminate features which had little or no impact on the residual sum of squares error. Then exposes Jupyter notebook cells as REST Endpoints to make prediction with new information. Finally, we are trying to send email alert to the concern user to give alert of the house price

show abstract

Section: Analysis Proceduresmentioning

confidence: 99%

Machine learning based prediction of house price

Suganya¹,

Gowtham²,

Raja³

2022

ijhs

View full text Add to dashboard Cite

show abstract

“…Her ne kadar temelleri 60'lı yıllara dayansada 1995 yılında Vladir Vapnik, Berhard Boser ve Isabelle Guyon tarafından geliştirilmiştir (Akpınar, 2017). SVM modelleri aşırı öğrenmeyi azaltan yapısı ile sınıflandırma ve regresyon problemlerinin çözümünde uygulanan ve daha iyi sonuçlar veren güdümlü bir öğrenme algoritmasıdır (Panigrahi ve Mantri, 2015). SVM algoritmasında, regresyon için Destek Vektör Bağlayıcısı (Support Vector Regressor-SVR) adı verilen bir yapı bulunmaktadır.…”

Section: Destek Vektör Makineleriunclassified

Hibrit Regresyon Modelleri İle BİST’e Etki Eden G20 Endekslerinin Belirlenmesi

Sel

2021

Süleyman Demirel Üniversitesi Vizyoner Dergisi

View full text Add to dashboard Cite

Yatırımcılar için borsa endekslerinin yönelim tahmini endeksin etkilendiği çok fazla değişken olmasından dolayı zor olduğu kadar ihtiyaç duyulan bir konudur. Küresel olaylar, politika yapıcıların davranışları, ekonomik faktörler ile özellikle son dönemde görülen salgın hastalıklar endekslerin fazlasıyla değişkenlik göstermesine sebep olmuştur. Bu çalışmada parametrik olmayan regresyon modelleri ve hibrit yaklaşımları kullanarak BİST 100 endeksine etki eden G20 endeksleri incelenmiştir. Veri setinde 2010/01/01 ve 2019/12/31 tarihleri arasında endeks günlerinin açık olduğu ortak günler dikkate alınarak 2432 günlük kapanış değerleri kullanılmıştır. Bağımsız değişkenler Bovespa, İtaly40, KOSPI, Nikkei 225, BMVIIPC ve Shanghai endeksleri seçilmiştir. Çalışmada veri madenciliği uygulamaları Knime programı yardımıyla 30 bölütleme için en yüksek R 2 =0,9918 için en düşük MAE=0,0650, MSE=0,0082 ve RMSE=0,0903 değerleri bulunmuştur. Analiz sonuçlarına göre Bovespa, İtaly40, KOSPI, Nikkei 225 ve BMVIIPC endekslerinin BİST-100 endeksini pozitif yönlü olarak etkilediği, Shanghai endeksinin ise negatif yönlü etkilediği belirlenmiştir.

show abstract

“…The network can automatically and optimally Punish overly complex models that demonstrate their effectiveness by predicting the stock prices of Microsoft and Goldman Sachs. Panigrahi & Mantri (2015) combined the improved support vector regression machine and decision tree to empirically study stock market historical data and BSE-sensex index, and provide decision support for investors to analyze stock market trends.…”

Section: Foreign Related Research Statusmentioning

confidence: 99%

The Forecasting Model of Stock Price Based on PCA and BP Neural Network

Zhang¹

2018

JFRM

View full text Add to dashboard Cite

Based on Principal Component Analysis (PCA) and Back Propagation neural network, this paper establishes stock forecast model, and takes the Yunnan Baiyao (000538) as example, 29 indicators are selected from stocks technical analysis, and the neural network is input after dimension reduction and further confirms number of hidden layer nodes, learning rate, activation function and training function of the network in accordance with comparison and analysis of Mean Square Error (MSE) and Mean Absolute Error (MAE) in different parameter data experiments. Lastly, the model with steadiness and accuracy is obtained.

show abstract

Epsilon-SVR and decision tree for stock market forecasting

Cited by 11 publications

References 10 publications

Machine learning based prediction of house price

Machine learning based prediction of house price

Hibrit Regresyon Modelleri İle BİST’e Etki Eden G20 Endekslerinin Belirlenmesi

The Forecasting Model of Stock Price Based on PCA and BP Neural Network

Contact Info

Product

Resources

About