• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>電気学会論文誌 C:電子·情報·システム部門誌 >Application of Support Vector Machine to Forex Monitoring
【24h】

Application of Support Vector Machine to Forex Monitoring

机译：支持向量机在外汇监测中的应用

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Previous studies have demonstrated superior performance of artificial neural network (ANN) based forex forecasting models over traditional regression models. This paper applies support vector machines to build a forecasting model from the historical data using six simple technical indicators and presents a comparison with an ANN based model trained by scaled conjugate gradient (SCG) learning algorithm. The models are evaluated and compared on the basis of five commonly used performance metrics that measure closeness of prediction as well as correctness in directional change. Forecasting results of six different currencies against Australian dollar reveal superior performance of SVM model using simple linear kernel over ANN-SCG model in terms of all the evaluation metrics. The effect of SVM parameter selection on prediction performance is also investigated and analyzed.
机译：先前的研究已经证明，基于人工神经网络（ANN）的外汇预测模型的性能要优于传统回归模型。本文应用支持向量机从历史数据中使用六个简单的技术指标来构建预测模型，并与通过比例共轭梯度（SCG）学习算法训练的基于ANN的模型进行了比较。基于五个常用的性能指标对模型进行评估和比较，该五个指标测量预测的接近性以及方向变化的正确性。六种不同货币对澳元的预测结果显示，就所有评估指标而言，与ANN-SCG模型相比，使用简单线性核的SVM模型具有优越的性能。还研究和分析了支持向量机参数选择对预测性能的影响。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号