دانلود رایگان مقالات MDPIدانلود رایگان مقالات بیس مدیریت مالیدانلود رایگان مقالات ژورنالی اقتصاددانلود رایگان مقالات ژورنالی مدیریتدانلود رایگان مقالات سال 2021دانلود رایگان مقاله ISI اقتصاد به زبان انگلیسی سال 2022 و 2023دانلود رایگان مقاله ISI اقتصاد مالی به زبان انگلیسیدانلود رایگان مقاله ISI تحلیل داده ها به زبان انگلیسیدانلود رایگان مقاله ISI داده کاوی به زبان انگلیسیدانلود رایگان مقاله ISI سرمایه گذاری به زبان انگلیسیدانلود رایگان مقاله ISI مدیریت به زبان انگلیسی سال 2022 و 2023دانلود رایگان مقاله ISI مدیریت مالی به زبان انگلیسیمقالات اقتصاد دارای متغیر به زبان انگلیسیمقالات مدیریت دارای متغیر به زبان انگلیسینشریه

مقاله انگلیسی رایگان در مورد یک پلتفرم داده کاوی و تحلیل برای پیشنهادات سرمایه گذاری – MDPI 2021

 

مشخصات مقاله
ترجمه عنوان مقاله یک پلتفرم داده کاوی و تحلیل برای پیشنهادات سرمایه گذاری
عنوان انگلیسی مقاله A Data Mining and Analysis Platform for Investment Recommendations
انتشار مقاله سال ۲۰۲۱
تعداد صفحات مقاله انگلیسی  ۱۷ صفحه
هزینه  دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده  نشریه MDPI
مقاله بیس این مقاله بیس نمیباشد
نوع مقاله
ISI
فرمت مقاله انگلیسی  PDF
فرضیه ندارد
مدل مفهومی ندارد
پرسشنامه ندارد
متغیر دارد
رفرنس دارد
رشته های مرتبط مدیریت، اقتصاد
گرایش های مرتبط مدیریت مالی، اقتصاد مالی
نوع ارائه مقاله
ژورنال
مجله / کنفرانس Electronics – الکترونیک
دانشگاه University of Salamanca, Salamanca, Spain
شناسه دیجیتال – doi https://doi.org/10.3390/electronics10070859
کد محصول E16063
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
Abstract
Introduction
State of the Art
Proposed Model
Platform Visualization
Discussion and Results
References

بخشی از متن مقاله:
Abstract
This article describes the development of a recommender system to obtain buy/sell signals from the results of technical analyses and of forecasts performed for companies operating in the Spanish continuous market. It has a modular design to facilitate the scalability of the model and the improvement of functionalities. The modules are: analysis and data mining, the forecasting system, the technical analysis module, the recommender system, and the visualization platform. The specification of each module is presented, as well as the dependencies and communication between them. Moreover, the proposal includes a visualization platform for high-level interaction between the user and the recommender system. This platform presents the conclusions that were abstracted from the resulting values.
Introduction
Data analysis is a process of inspecting, cleaning, transforming, sorting, and modelling data for the purpose of finding useful information, reaching conclusions, and making appropriate decisions. In statistics, data analysis is divided into descriptive analytics, exploratory analytics, and predictive analytics. Predictive analytics is defined as the branch of analytics that is used to make predictions regarding future events facing, for example, an organization. To do so, it will use various methods, such as data mining, text mining, artificial intelligence, statistics, or data modelling, among others. In addition, predictive analytics manages information technologies, analysis methods, and business process modelling with the purpose of anticipating future events that may happen to the organization in question. In this research the focus is on predictive analytics with a specific approach to stock market analysis. It is assumed that a stock market prediction is considered successful if it achieves the best results using the minimum data input and the least complex stock market model [1]. Within the field of Artificial Intelligence, the emergence of Machine Learning and the increasing computing performance have allowed developing new services on the basis of traditional financial products, providing financial-economic instruments that provide higher versatility and greater speed [2].

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا