Predicting stock and stock price index movement using Trend Deterministic Data Preparation and machine learning techniques

Patel, Jigar; Shah, Sahil; Thakkar, Priyank; Kotecha, Ketan

doi:10.1016/j.eswa.2014.07.040

Cited by 841 publications

(481 citation statements)

References 17 publications

Supporting

Mentioning

441

Contrasting

Unclassified

Order By: Relevance

“…Furthermore, Atmeh and Dobbs (2006) Patel et al (2015) compared four prediction models to forecast the trend direction in the Indian financial markets: random forest, Support Vector Machine (SVM), Artificial Neural Network (ANN), and Naive-Bayes. The results recommended that random forest beats the three other expectation models on overall performance.…”

Section: Studies Conducted In the Emerging Marketsmentioning

confidence: 99%

“…Technical analysis creates its decisions based on historical prices, assuming that historical behaviours have an effect on the future evolution of stock market returns. In technical analysis it is common to use indicators (Patel, Shah, Thakkar, & Kotecha, 2015, Liu, 2015Zbikowski, 2015), that are generated by applying more or less compound formulas to historical returns. Subsequently, investors explore market behavior using technical analysis to anticipate future market trends.…”

Section: Previous Studiesmentioning

confidence: 99%

See 1 more Smart Citation

The Impact of Technical Analysis on Stock Returns in an Emerging Capital Markets (ECM’s) Country: Theoretical and Empirical Study

Masry¹

2017

IJEF

View full text Add to dashboard Cite

Technical analysis, even if deliberated by some as purely conjecture, is still generally acknowledged as additional information to main brokerage companies. There are existent two reasons for the achievement of technical analysis and why its success is still debated: (1) stock return predictability stems from efficient markets that can be analysed by time-varying equilibrium returns, and (2) stock return predictability forms from prices wandering apart from their fundamental valuations. Fundamentally, both explanations show some kind of overall market inefficiency where investors are capable of exploiting. Therefore, technical analysis derived its importance from its ability to train investors to take investment decision based on historical trends of securities prices. To help find answers to the issues raised and to structure the study, the following general research question is set: is it possible for technical analysis to achieve abnormal returns in an Emerging Capital Markets (ECM's) country, more specifically, the Egyptian Stock Exchange? If yes, hence it could be possibly used to help individual investors to take effective investment decision. By means of theoretical and empirical investigation, this study provides significant evidences that technical analysis achieved abnormal returns in inefficiency periods. This study suggests that simple trading rules, more specifically; the simple moving average beat the standard buy-and-hold strategy for the Egyptian stock exchange.

show abstract

Section: Studies Conducted In the Emerging Marketsmentioning

confidence: 99%

Section: Previous Studiesmentioning

confidence: 99%

The Impact of Technical Analysis on Stock Returns in an Emerging Capital Markets (ECM’s) Country: Theoretical and Empirical Study

Masry¹

2017

IJEF

View full text Add to dashboard Cite

show abstract

“…Efektyviosios rinkos atveju tokie modeliai, pavyzdžiui, 90 proc. tikslumu galėtų sukurti neįtikėtinai didelį pelningumą (Patel et al 2015). Dalis kompiuterinių akcijų kainų prognozavimo modelių yra statiški, kur prognozes kuria modelis, turintis fiksuotą bandymų skaičių, todėl reikia įtraukti kuo daugiau metodų, kurie padidintų galimybes atpažinti tinkamiausius prognozavimo modelius.…”

Section: Prielaidos Investavimo Sprendimų Priėmimo Modeliams Kurtiunclassified

Comparative Analysis of Investment Decision Models

Kekytė

Stasytytė

2017

Science - Future of Lithuania

View full text Add to dashboard Cite

2017 © Straipsnio autoriai. Leidėjas VGTU leidykla "Technika". Šis straipsnis yra atvirosios prieigos straipsnis, turintis Kūrybinių bendrijų (Creative Commons) licenciją (CC BY-NC 4.0), kuri leidžia neribotą straipsnio ar jo dalių panaudą su privaloma sąlyga nurodyti autorių ir pirminį šaltinį. Straipsnis ar jo dalys negali būti naudojami komerciniams tikslams. ISSN 2029-2341 / eISSN 2029-2252 De Oliveira et al. 2013). Taigi pagrindinė mokslinė problema, kuri bus sprendžiama šiame straipsnyje, yra informacijos ir kriterijų trūkumas, pagal kuriuos investuotojas ar rinkos tyrinėtojas rinktųsi investavimo modelį. Kadangi yra daug įvai-rių modelių bei sprendimų paramos sistemų, kyla sunkumų norint išsirinkti tinkamiausią dinamiškai rinkai ir didelėms duomenų apimtims analizuoti. Modelių palyginimas pagal jų privalumus, trūkumus, taikomus metodus ir rezultatus galėtų būti svarus indėlis sprendžiant įvardytą mokslinę problemą. MOKSLAS -LIETUVOS ATEITIS SCIENCE -FUTURE OF LITHUANIATradicinių inovacijų augimo požiūriu inovacijos finan sų srityje padeda gerinti įvairių banko paslaugų kokybę, palengvinti rizikos valdymą, išpildyti rinką ir galiausiai padidinti išteklių paskirstymo efektyvumą (Berger 2003;Houston et al. 2010). Lerner ir Tufano (2011) teigia, kad finansinės naujovės teigiamai veikia finansų sektoriaus stiprėjimą, taip pat ir ekonominį augimą. Taigi aukštesnis finansinių inovacijų lygis skatina spartesnį atskirų pramonės sektorių ir visos šalies ekonominį augimą bei suteikia daugiau galimybių didinti plėtros efektyvumą (Beck et al. 2016).Per pastaruosius kelis dešimtmečius finansinių duomenų analizė, padedanti prognozuoti akcijų kainas, prekybos vietas ir investicinius portfelius, tapo labai populiari mokslinių tyrimų tema (Wu et al. 2014 Santrauka. Sparti finansų rinkų plėtra lemia naujus iššūkius tiek investuotojams, tiek investavimo problematiką nagrinėjantiems mokslininkams. Kyla būtinybė sukurti inovatyvius, šiuolaikines finansų rinkų sąlygas atitinkančius investicijų portfelio sudarymo ir valdymo sprendimus. Finansų rinkos sulaukia ypatingo dėmesio, atliekami įvairūs tyrimai, įskaitant įvairių investavimo modelių formavimą, kurie apima finansinės rizikos valdymą ir investavimo sprendimų paramos sistemas. Mokslininkai pripažįsta būtinumą nagrinėti finansines problemas integruotais ir realybę atitinkančiais būdais, grindžiamais sudėtinga kiekybinės analizės technika. Taigi matematinio modeliavimo vaidmuo finansų sektoriuje tampa labai svarbus. Straipsnyje nagrinėjami įvairūs investavimo sprendimų priėmimo modeliai, apimantys prognozavimą, optimizavimą, stochastinius procesus, dirbtinį intelektą ir kt., kurie tampa reikšmingo-mis priemonėmis priimant investicinius sprendimus.reikšminiai žodžiai: investavimas, sprendimų priėmimo modeliai, akcijų rinka, portfelis, duomenų analizė, prognozavimas. ĮvadasFinansų rinkos palengvina tarptautinę prekybą, sujungia ir suteikia informacijos apie organizacijų bei ekonomikos ateities perspektyvas, yra ekonomikos augimą skatinanti priemonė . Tačiau šiuolaikinėje finan...

show abstract

“…There are no rules for parameters setting for sensitiveparameters and comprehensive-parameter for both models. Patel et al (2015a) used ANN, SVM, RF, and Naïve-Bayes for accurate prediction. In this research the author introduce Two-approaches for input these models.…”

Section: Literature Reviewmentioning

confidence: 99%

“…The most important factors include: inflation rates, interest-rates, employmentrates, the real-estate-market, oil-prices, war, naturaldisasters, big-company-mergers, big company outs buy and good/bad company news (Patel et al, 2015a;Asadi et al, 2012).…”

Section: Introductionmentioning

confidence: 99%

Pakistan stock exchange prediction using RIDOR classifier

Akram¹,

Imran

2017

Int. j. adv. appl. sci.

View full text Add to dashboard Cite

Now-a-days stock market prediction is important activity and interesting topic for professional analyst. The stock market is biggest investment platform, however investment in stock market need accurate and complete information. The accurate and fast-prediction of stock market attracted the investor for profitable output. The stock market prediction is complex task because uncertainty involves in the market movement up/down. Mostly the machine learning techniques (MLT) are used for accurate prediction of stock market, because of its capability of partitioning; extract hidden information form raw data, monitors the fluctuation rate of stock market, suitable for nonlinear data etc. This research work is about to review the strength and weakness of existing stock market prediction techniques. This research work proposed a Ripple-down-rule-learner (RIDOR) classifier based technique. The RIDOR rule base classifier generates default value and work like if-else statement for uncertainties. The other contribution is a prepared data-set using technical indicator to predict stock market trend. The output of the propose model is outperformed as compare to the exiting techniques.

show abstract

Predicting stock and stock price index movement using Trend Deterministic Data Preparation and machine learning techniques

Cited by 841 publications

References 17 publications

The Impact of Technical Analysis on Stock Returns in an Emerging Capital Markets (ECM’s) Country: Theoretical and Empirical Study

The Impact of Technical Analysis on Stock Returns in an Emerging Capital Markets (ECM’s) Country: Theoretical and Empirical Study

Comparative Analysis of Investment Decision Models

Pakistan stock exchange prediction using RIDOR classifier

Contact Info

Product

Resources

About