TY -的A2 Precup Radu-Emil盟——Mishra Shambhavi AU -艾哈迈德,Tanveer盟——Mishra Vipul AU -考尔Manjit盟——Martinetz托马斯AU - Jain, Amit Kumar盟——Alshazly澡堂PY - 2021 DA - 2021/12/17 TI -多元和在线预测的收盘价使用内核自适应过滤SP - 6400045六世- 2021 AB -提出了一种多变量和在线预测股票价格通过内核模式的自适应过滤(KAF)。股票价格预测的传统分类和回归问题需要独立和批量训练的性质。在本文中,我们挑战这个现有文献的概念,提出在线内核适应filtering-based方法来预测股票价格。我们用十个不同实验KAF算法来分析股市的表现和展示这里介绍工作的有效性。此外,在当前的文学相比,我们看看粒度级别的数据。实验执行引号聚集在窗口的一分钟,五分钟,十分钟,十五分钟,二十分钟,三十分钟,一小时,一天。这些时间窗口代表一些常见的windows经常使用的交易员。拟议的框架是测试50个不同的股票占印度股票指数:漂亮50。实验结果表明,在线学习和KAF不仅是一个很好的选择,但实际上,他们可以部署在高频交易。SN - 1687 - 5265 UR - https://doi.org/10.1155/2021/6400045 - 10.1155 / 2021/6400045摩根富林明计算智力和神经科学PB - Hindawi KW - ER