دانلود ترجمه مقاله آموزش غیرخطی چندگانه (مانیفولد) برای هشدارهای زودهنگام در بازارهای مالی

ELSEVIER
سال انتشار :
2016
تعداد صفحات مقاله انگلیسی :
29
نشریه :
ELSEVIER
تعداد رفرنس ها :
19
نوع مقاله :
مقاله ISI
کلمات کلیدی :
داده کاوی، یادگیری چندگانه، بازارهای مالی، هشدار زودهنگام، سیستم پویا
عنوان فارسی :

آموزش غیرخطی چندگانه (مانیفولد) برای هشدارهای زودهنگام در بازارهای مالی

عنوان انگلیسی :

Nonlinear Manifold Learning for Early Warnings in Financial Markets

وضعیت ترجمه :
لینک مقاله :
http://www.sciencedirect.com/science/article/pii/S037722171630697X

سال انتشار : 2016

تعداد صفحات مقاله انگلیسی : 29

نشریه : ELSEVIER

تعداد رفرنس ها : 19

نوع مقاله : مقاله ISI

ترجمه : انجام نشده. سفارش ترجمه تخصصی این مقاله

کلمات کلیدی : داده کاوی، یادگیری چندگانه، بازارهای مالی، هشدار زودهنگام، سیستم پویا

عنوان فارسی : آموزش غیرخطی چندگانه (مانیفولد) برای هشدارهای زودهنگام در بازارهای مالی

عنوان انگلیسی : Nonlinear Manifold Learning for Early Warnings in Financial Markets

لینک مقاله : http://www.sciencedirect.com/science/article/pii/S037722171630697X



فهرست مطالب
1- مقدمه 2- مقدمات 3- آموزشی مانیفولد برای سیستم پویای مالی 4- آزمایش 5- نتیجه گیری

چکیده انگلیسی
Abstract A financial market is a complex, dynamic system with an underlying governing manifold. This study introduces an early warning method for financial markets based on manifold learning. First, we restructure the phase space of a financial system using financial time series data. Then, we propose an information metric-based manifold learning (IMML) algorithm to extract the intrinsic manifold of a dynamic financial system. Early warning ranges for critical transitions of financial markets can be detected from the underlying manifold. We deduce the intrinsic geometric properties of the manifold to detect impending crises. Experimental results show that our IMML algorithm accurately describes the attractor manifold of the financial dynamic system, and contributes to inform investors about the state of financial markets.

چکیده فارسی
چکیده- بازار مالی یک سیستم پویای پیچیده ای با چندین حالت حاکمیتی است. این مقاله یک روش هشداردهنده برای بازارهای مالی مبتنی بر یادگیری چند گانه معرفی می کند. اول، ما فضای فاز یک سیستم مالی را با استفاده از داده های سری زمانی مالی بازسازی می کنیم. سپس، ما اطلاعات متریک مبتنی بر الگوریتم یادگیری چندگانه (IMML) برای استخراج جنبه¬ی ذاتی یک سیستم مالی پویا را پیشنهاد می کنیم. محدوده هشدار اولیه برای انتقال بحران بازارهای مالی از چندین جنبه¬ های مختلف شناسایی می شود. ما نتیجه گرفتیم خواص هندسی ذاتی چندگانه برای تشخیص بحران قریب الوقوع مناسب است. نتایج تجربی نشان می دهد که الگوریتم IMML ما با دقت جنبه های مختلف و چندگانه سیستم پویا مالی را توصیف کرده و به سرمایه گذاران برای اطلاع در مورد وضعیت بازارهای مالی کمک می کند.