Resumen

La previsión del mercado de valores ha sido una tarea difícil para los investigadores aplicados debido a la naturaleza de los hechos, que es muy ruidosa y variable en el tiempo. Sin embargo, esta hipótesis ha sido destacada por varios estudios empíricos y varios investigadores han aplicado eficazmente técnicas de aprendizaje automático para predecir el mercado de valores. En este trabajo se ha estudiado la predicción bursátil para uso de los inversores. Siempre es cierto que los inversores suelen obtener pérdidas debido a la incertidumbre de los propósitos de inversión y a la falta de visión de los activos. Este trabajo propone un modelo de conjuntos rugosos, un modelo de red neuronal y un modelo híbrido de red neuronal y conjuntos rugosos para encontrar la compra y venta óptimas de una acción en la bolsa de Dhaka. Los resultados de la investigación demuestran que nuestro modelo híbrido propuesto tiene una mayor precisión que el modelo de conjunto aproximado y el modelo de red neuronal. Creemos que los resultados de este artículo ayudarán a los inversores en acciones a decidir el momento óptimo de compra y/o venta en la bolsa de Dhaka.

• Materias:Algoritmos (Matemáticas) Ingeniería del transporte Neurociencias Seguridad del transporte Ingeniería ferroviaria
• Subjects:Agorithms (Math) Transport engineering Neurosciences Transport safety Railway engineering
• Palabras claves:modelo de conjunto aproximado, modelo de red neuronal, bolsa de dhaka, mercado de valores, técnicas de aprendizaje automático, propósito de inversión incierto, uso del inversor, estudio empírico experimental, red neuronal híbrida, modelo híbrido propuesto
• Keywords:rough set model, neural network model, dhaka stock exchange, stock market, machine learning techniques, uncertain investment purpose, use of investor, empirical experiential study, hybrid neural network, proposed hybrid model