دانلود مقاله و خرید ترجمه:پیش بینی رفتار بازار بورس با استفاده از روش داده کاوی و تحلیل عاطفی اخبار - 2017
دانلود بهترین مقالات isi همراه با ترجمه فارسی 2

با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد). 

مقالات ترجمه شده داده کاوی ( data mining )
  • Predicting Stock Market Behavior using Data Mining Technique and News Sentiment Analysis پیش بینی رفتار بازار بورس با استفاده از روش داده کاوی و تحلیل عاطفی اخبار

    دسته بندی:

    داده کاوی - data mining


    سال انتشار:

    2017


    ترجمه فارسی عنوان مقاله:

    پیش بینی رفتار بازار بورس با استفاده از روش داده کاوی و تحلیل عاطفی اخبار


    عنوان انگلیسی مقاله:

    Predicting Stock Market Behavior using Data Mining Technique and News Sentiment Analysis


    منبع:

    I:J: Intelligent Systems and Applications, 2017, 7, 22-30


    نویسنده:

    Ayman E: Khedr, S:E:Salama, Nagwa Yaseen


    چکیده انگلیسی:

    Stock market prediction has become an attractive investigation topic due to its important role in economy and beneficial offers. There is an imminent need to uncover the stock market future behavior in order to avoid investment risks. The large amount of data generated by the stock market is considered a treasure of knowledge for investors. This study aims at constructing an effective model to predict stock market future trends with small error ratio and improve the accuracy of prediction. This prediction model is based on sentiment analysis of financial news and historical stock market prices. This model provides better accuracy results than all previous studies by considering multiple types of news related to market and company with historical stock prices. A dataset containing stock prices from three companies is used. The first step is to analyze news sentiment to get the text polarity using naïve Bayes algorithm. This step achieved prediction accuracy results ranging from 72.73% to 86.21%. The second step combines news polarities and historical stock prices together to predict future stock prices. This improved the prediction accuracy up to 89.80%.
    Index Terms: Data Mining | Stock Market | sentiment analysis | Text Mining | news sentiment analysis.


    چکیده فارسی:

    پیش بینی بازار سهام به دلیل نقش مهم خود در پیشنهادات اقتصادی و سودمند، تبدیل به یک موضوع پژوهشی جذاب شده است. به منظور اجتناب از خطرات سرمایه گذاری، نیازی حتمی به کشف رفتار آتی بازار سهام وجود دارد. مقدار زیاد داده های تولید شده توسط بازار سهام به عنوان یک گنجینه ای از دانش برای سرمایه گذاران تلقی می شود. هدف این مطالعه ساخت یک مدل مفید برای پیش بینی گرایشات آتی بازار سهام با نسبت خطای کوچک و بهبود دقت پیش بینی می باشد. این مدل پیش بینی مبتنی بر تحلیل عاطفی اخبار مالی و قیمت های تاریخی بازار سهام می باشد. این مدل ازطریق بررسی انواع مختلف اخبار مربوط به بازار و شرکت با قیمت های تاریخی سهام، درمقایسه با همه مطالعات قبلی، نتایجی با دقت بهتر فراهم می کند. از یک سری داده های حاوی قیمت های سهام حاصل از سه شرکت استفاده می شود. مرحله اول، تحلیل عاطفی اخبار برای به دست آوردن تقارن اخبار با استفاده الگوریتم نایو بایس می باشد. این مرحله به نتایج پیش بینی دقیقی که از 73/72 تا 21/86 درصد محدوده داشت دست یافت. مرحله دوم، تقارنهای اخبار و قیمت های تاریخی سهام را باهم ترکیب می کند تا قیمت های آتی سهام را پیش بینی کند. این مرحله دقت پیش بینی را تا بیش از 80/89 درصد بهبود بخشید.
    عبارت های شاخص: واکاوی داده ها | بازار سهام | تحلیل عاطفی | واکاوی متن | تحلیل عاطفی اخبار


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 10
    تعداد صفحات فایل doc فارسی(با احتساب مراجع): 26

    وضعیت ترجمه عناوین تصاویر و جداول: به صورت کامل ترجمه شده است

    وضعیت ترجمه متون داخل تصاویر و جداول: به صورت کامل ترجمه شده است

    حجم فایل: 342 کیلوبایت


    قیمت: 43680 تومان   


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi
بازدید امروز: 8579 :::::::: بازدید دیروز: 0 :::::::: بازدید کل: 8579 :::::::: افراد آنلاین: 78