Abstrait

ANALYSE PRÉDICTIVE DU MODÈLE SÉQUENTIEL DANS LES ENSEMBLES DE DONNÉES TEMPORELLES DE SÉRIES TEMPORELLES POUR LE MARCHÉ BOURSIER INDIEN

Mme Shilpa Dang, Dr Naveeta Mehta

L'exploration de données est le processus d'extraction d'informations ou de modèles intéressants à partir de grandes quantités d'informations sur le marché boursier. Par conséquent, l'objectif du travail de recherche est de trouver et de caractériser des modèles séquentiels intéressants dans des ensembles de données temporelles. Pour atteindre l'objectif susmentionné, des procédures de séries chronologiques peuvent être utilisées pour analyser les données collectées au fil du temps, communément appelées séries chronologiques. Ces procédures comprennent des méthodes simples de prévision et de lissage, des méthodes d'analyse de corrélation et la modélisation ARIMA. Bien que l'analyse de corrélation puisse être effectuée séparément de la modélisation ARIMA, l'auteur présente les méthodes de corrélation dans le cadre de la modélisation ARIMA.

Avertissement: Ce résumé a été traduit à l'aide d'outils d'intelligence artificielle et n'a pas encore été examiné ni vérifié

Indexé dans

Google Scholar
Academic Journals Database
Open J Gate
Academic Keys
ResearchBible
CiteFactor
Electronic Journals Library
RefSeek
Hamdard University
Scholarsteer
International Innovative Journal Impact Factor (IIJIF)
International Institute of Organised Research (I2OR)
Cosmos

Voir plus