文摘

空气质量指数(AQI)可以使用不同的污染物指标进行描述。许多调查研究股票价格的影响和空气质量显示如果有改变股票市场之间的关系和各种污染物的浓度。本研究旨在找到一个沙特Tadawul所有股票指数之间的关系(TASI指数)和多种污染物,包括可吸入颗粒物(PM10),臭氧(O₃)、二氧化氮(没有₂)、二氧化硫(₂)、一氧化碳(CO)和机能。创建关系树模型的基础上,利用线性回归和两个预测模型,卡方自动交互检测(CHAID)和CR-Tree。为了实现本研究的目标,TASI指数数据集与六污染物使用时间;之后,新的数据集分为三个parts-test,验证和火车消除异常数据。为了测试两种预测模型的性能,R²和各种误差函数使用。线性回归模型的结果发现,PM10₂有限公司,月,日,年很重要,而O₃,所以₂和机能指标是微不足道。测试数据集显示R²分数是0.995和0.986 CR-Tree和CHAID分别用RMSE值CR-Tree CHAID, 387年和227年的分别。预测模型表明,CHAID模型比CR-Tree表现更好,因为它只使用三个指标,即PM10,机能,O₃,年,月。结果显示效果之间改变TASI指数和三个污染物,可吸入颗粒物,机能,O₃。

1。介绍

气候变化是一个紧急超越国界;这是一个世界范围的情况只有国家之间的合作才能解决它。在巴黎,2015年12月,巴黎的气候协议或COP21, 2016年11月4日开始,与195个国家签署,和190年批准了2021年1月,正如前面提到的由联合国气候变化框架公约(UNFCCC)。本协议提供了一个健壮的途径主要全球努力实现可持续发展目标,转向一个零排放的世界。本协议的主要目的包括各国减排承诺和共同努力,适应气候变化的影响。本协议旨在限制全球变暖,减少温室气体排放控制在2°C,最好到1.5°C,温度基准相比之前设置工业革命的开始。除此之外,该协议建立了结构平面之间达到平衡大气的温室气体排放源和删除输入2050后下沉。巴黎协议工作5年周期越来越雄心勃勃的气候行动由国家。因此,国家在2020年提交他们的气候行动计划,被称为全国贡献决定的。此外,本协议提供了一个轮廓为金融、技术和能力建设支持那些需要它的国家。 Although the Paris Agreement declared that no new funding targets are required, it is preferable to see developed countries providing funding to help developing countries. This funding mainly supports climate change mitigation and adaptation to climate impacts in less developed countries. This developed–developing support should walk on two parallel sides. On one side, the developed countries support the developing countries through grants, equipment, and technical expertise. On the other side, the less developed countries must enhance their economies and decrease poverty, resulting in solid and direct drops in greenhouse gas emissions.

沙特阿拉伯,世界领先的化石燃料出口国和世界第十大的二氧化碳排放国(有限公司₂),表明其在境内气候行动的承诺。2021年10月,国承诺削减碳排放到2060年零,这意味着不增加温室气体排放到大气中。这个声明和许多其他行为以提升其气候行动结束跟踪(CAT)评级从“严重不足”到“高度不够。“尽管沙特经济严重依赖石油生产和收入,沙特政府支持循环碳经济(CCE)方法来管理排放,减缓气候挑战效果,并使清洁和更可持续的能源系统。此外,英国仍然致力于循环经济的四个Rs(即。,减少、再利用、再循环和更新)。沙特阿拉伯国家最近减少了排放在2015年达到顶峰后由于减少石油消费在电力部门,COVID-19对经济的影响,pandemic-related全球石油需求的下降。

此外,沙特阿拉伯的发言人宣布,沙特将实现零排放的目标,而不会影响全球能源市场的“稳定”,通过许多行动。国的目的是使用可再生能源来生成50%的电力,到2030年,气候变化的新闻网站如前所述。此外,沙特阿拉伯宣布到2030年种植4.5亿棵树的目的,一样恢复退化土地2亿公顷,种植500亿棵树的协作努力在中东,像猫。最后,国家会使用碳捕获技术,提取有限公司₂从空气——帮助它满足我们的目标。一些研究人员从不同的方面探讨沙特经济交易1,2]。

空气质量指数(AQI)测量气体排放在任何国家。伊拉克基地组织每日空气质量和就像天气报告;它可以改变每天甚至每个小时。它告诉空气清洁或在多大程度上污染和什么相关的健康影响可能会关心人。空气质量指数关注健康影响人们可能经历后几小时或几天内呼吸被污染的空气。美国环境保护署(EPA)计算空气质量指数五主要大气污染物受《清洁空气法》:地面臭氧、颗粒污染[(可吸入颗粒物(PM10)],一氧化碳(CO)、二氧化硫(₂)、二氧化氮(没有₂)。环保局建立了国家空气质量标准,这些污染物,保护公众健康。地面臭氧和空气中是两个污染物,对人类健康构成最大威胁这个国家。伊拉克基地组织是一个指数范围从0到500。机能价值越高越大,空气污染水平和更大的健康问题。伊拉克基地组织的价值50代表良好的空气质量很少或根本没有可能影响公共卫生机能价值超过300相比,这意味着空气质量很不安全,每个人都可能对他们的健康有严重的影响,解释了在airnow.gov网站。几个学者专注于研究机能水平的影响在不同国家的行业和金融市场指数。在这项研究中,作者感兴趣的是填补差距的影响通过检查沙特驻沙特证券交易所指数,Tadawul所有股票指数(TASI指数)。

根据以往的作品,空气质量指数对股市的影响指数很少研究人员,特别是在沙特阿拉伯。研究各种线性和非线性模型用于理解独立变量之间的关系(空气质量指数和日期变量)和因变量(TASI指数)没有找到最合适的模型。不幸的是,很少有研究建议使用各种变量作为一个指标来描述空气污染物对股票指数的影响。本研究提出了多个线性和非线性分析画一个独立和相关的变量之间的关系。我们对这项工作的贡献可以描述如下:(1)可视化测试和线性回归模型是用来显示的能力找到一个线性模型的独立和依赖的变量(TASI指数)之间的关系(2)决策树模型通过选择两个树模型,使用CR-Tree和卡方自动交互检测(CHAID),画一个独立和相关的变量之间的非线性关系(3)预测模型是用来找到最有效的污染物与TASI指数相关变量

这项研究由七个部分组成。第二节介绍了文献综述。第三节解释了方法。第四部分论述了分析。第5部分描述了一些结论,第六节提供了理论及实际意义。

2。文献综述

本节介绍了大多数相关研究,环境和伊拉克基地组织的链接,一方面,另一方面和股票市场回报。

2.1。环境的支柱和金融市场回报和波动性

许多学者研究感兴趣的影响环境可持续发展支柱的支柱作为一个股票市场指数的回报和波动性。Yoo的发现等。3]表明环境得分显著积极影响股票市场指数,特别是对于nonenergy部门。这个结果与Merckoll和Kvarberg [4)研究,调查环境支柱分数对股票价格波动的影响在北欧国家从2010年到2019年。结果显示显著负面影响环境的支柱分数股票价格波动。此外,Hoepner et al。5]提出了重大不利影响分数高环境支柱的下行风险。最后,Eratalay和天使的6)研究结论与一个微不足道的影响环境的支柱分数指数收益率的波动性所使用的样本。

然而,其他研究人员专注于其他财务指标,如环境支柱分数对财务业绩的影响和不同的金融机构的效率。此外,阿拉姆et al。(7]研究调查的影响环境支柱得分的效率沙特银行和其他三个海湾合作委员会(GCC)的国家。本研究的结果显示阳性E分数对效率的影响。Buallay et al。8)对环境的影响支柱分数伊斯兰银行的财务业绩,发现环境的积极影响支柱分数对银行的性能。最后,杨et al。9]研究了金融不稳定的关系,经济增长、能源消费、贸易开放,城市人口和有限公司₂排放。研究结果显示,金融不稳定的一个重要的负面影响有限₂排放,而增加经济增长、能源消耗,城市人口对环境是危险的。

2.2。伊拉克基地组织对金融市场的影响

如前所述,伊拉克基地组织措施气体排放在任何国家。机能计算通过考虑不同的空气污染物,即如此₂阿,₃氮氧化物(NOx)有限公司₂、PM2.5和PM10。当空气中这些污染物的浓度水平的增加,它们变得对周围生物有害环境,人,动物(10,11]。许多研究者感兴趣的研究不同的机能和能力预测模型来预测该指数使用各种机器学习模型(12- - - - - -20.]。

许多研究者研究了COVID-19期间和机能的影响调查的积极影响大流行对全球环境,全球变暖,和气体排放,李所21]。此外,冰斗et al。22流感大流行期间)表示,印度指标已经恢复。然而,一些学者研究了空气污染和股票市场指数之间的关系,为达et al。23)提供洞察的财务业绩股票投资组合组成的低碳排放巴西公司从2010年到2019年通过不同的组合指标。结果表明,投资于低碳排放的公司在巴西投资组合的表现作出积极贡献。

El Ouadghiri et al。24]研究公共利益在污染和气候变化的影响在每周回报指数可持续性的股票在美国从2004年到2018年。研究结果表明重大积极的公共利益之间的关系在环境问题和可持续发展在美国股票指数回报率。此外,刘等人。25]调查投资者的注意力之间的关系,股票价格,和空气污染。研究结果展示,空气污染将会减少污染企业的股票价格。

据丁等。26),结果显示空气污染和公司股票收益之间的负相关关系,随着企业在更高的空气污染城市显示较低的股票收益。这种污染影响返回时本地投资者管理成了大公司用更少的,机构股东和分析师。江et al。27]研究天气和空气质量的影响在深圳证券交易所上市的股票回报率。研究结果表明,基于数据从2005年到2012年,空气污染对股票收益具有显著的负面影响。

吴和郭28]研究了空气质量指数和股票收益率之间的关系在关键控制城市从2011年到2016年。研究结果显示,严重的空气污染显著负面影响股票收益率。徐et al。29日]研究空气污染对股票收益的影响通过考虑人民意识到空气污染。结果发现,集体意识的空气污染严重空气污染和股票收益之间的媒介。阮和范教授30.研究空气污染之间的关系和金融市场的效率。结果表明,股票市场异常减弱后严重污染。

其他研究人员研究其他重要因素;例如,投资者的心理和政治事件影响股票回报除了环境和空气污染。郭et al。31日]研究投资者情绪和环境支柱是如何联系在一起。他们的研究结果表明,空气污染消极和积极影响个人投资者买卖倾向。这些影响对投资者更非凡的生活在污染严重的城市和较低的投资经验。Antoniuk和Leirvik32]研究了意想不到的政治事件影响气候敏感行业。这些行业都是清洁能源,公用事业、能源密集型、化石能源和运输。事件增强气候变化意识或削弱气候变化政策。结果表明,股市投资者迅速适应新的有关气候变化的信息。

3所示。研究方法

研究方法是建立在发展中不同的基于神经网络的非线性预测模型,支持向量机(SVM),快速公正高效统计树(追求),树,随机森林,CHAID,线性回归,广义线性回归和CR-Tree模型(33- - - - - -36]。经过广泛的研究以前的工作,提取最重要的模型被认为是发展中股市预测模型的预测模型。为简便起见,只有最高的精确模型被认为是发展的方法论研究。初步筛选表明,CHAID和CR-Tree是最准确的模型。与此同时,线性回归可视化测试是用来理解独立变量之间的线性(空气质量指数和日期)和因变量(TASI指数)。最后,本节主要侧重于数据收集和分析、预测模型的设计是使用两个树的模型,包括CR-Tree和CHAID。

3.1。数据收集和分析

从两个来源收集的数据来研究空气质量和沙特市场指数之间的关系(TASI指数)。股票市场指数从沙特编译交换网站,finance.yahoo.com,那里的空气质量指数来自两个来源:沙特阿拉伯一般权威气象和环境保护和全球空气质量指数的项目。研究认为不同电台Riyad,六污染物指标的平均价值进行评估。车站Khalidiya, Rawabi Gharbi,半岛电视台,Almurooj。此外,只有五个污染物指数是以Riyad站,即PM10 (μg / m³)有限公司(μg / m³),所以₂(μg / m³),没有₂(μg / m³),阿₃(μg / m³),以及空气质量指数,其他污染物(即。、PM2.5和有限公司₂)不以站或收集到的值。空气质量指数的计算方法是通过寻找最大值5污染物的区域,如世界空气质量指数项目所示。数据集涵盖了三年,从2019年和2021年。在收集的空气质量指数和TASI指数数据集,这两个数据集结合基于427个样本的数据。之后,数据清洗和异常数据被删除。清洗和nonoutlier数据集是用于开发线性和非线性回归模型。清理数据的描述性统计如表所示1。初步分析表明,污染物的有效病例数是300年左右,在污染物指标的范围从1到58岁。三年的数据覆盖不同的月和日。为了分析TASI指数指标,该研究使用的数据与空气质量指数了解污染物TASI指数指数的影响。

3.2。开发基于CR-Tree和CHAID模型的预测模型

皮尔森相关分析是使用 - - - - - -值来研究独立变量之间的关系(空气质量指数)和因变量(TASI指数指数)。此外,可视化测试是用来显示每个输入变量之间的关系和TASI指数价值。之后,采用线性回归模型在进入的方法。两个测试用于检查多重共线性问题,包括VIF和Durbin-Watson测试。

决策树模型是用于开发预测模型使用数据和污染物。决策树是一个机器学习模型,旨在创建一个输出和输入变量之间的关系。有两种类型的决策树基于独立变量的类型,也就是说,决策树分类和连续变量,认为分类和连续变量作为自变量,分别。基于SPSS modeler的IBM文档树建模节点分为四种类型:CR树,CHAID,追求,C5.0。每棵树模型都有其优势和劣势,讨论(37]。为了创建一个决策树模型,必须符合以下假设如下:(1)训练数据集被认为是一个根(2)离散过程申请连续变量(3)记录分布式递归(4)统计的方法从根节点内部节点

一笔产品(SOP)是用于构建决策树模型。此外,使决策树的主要挑战之一是识别自变量,必须考虑每一个层次的根节点。为了选择,各种属性被认为是在文献中,如熵、信息增益,基尼系数和卡方检验。

在这项研究中,这棵树模型是用于开发一种预测模型。树模型是简单的理解和要求小数据准备与其他模型相比,预测成本=数量的训练数据的对数。等决策树模型包含许多随机树,随机森林,C5树,树,树,CHAID, C和r - tree。在这项研究中,最后两个模型选择的原因有很多。CR树是健壮的缺失数据和大量的独立变量;生成的模型是简单的解释。相反,CR树只能生成二叉树。因此,开发一种更健壮的和精确的模型,CHAID模型,因为它会导致非压力和接受两个案例权重和频率变量。为了建立一个预测模型,收集清洁数据集分析检查所选数据的复杂性。数据集分为三个数据集:火车,验证和测试。 The data are divided randomly with 70%, 15%, and 15% of the data for training, validating, and testing, respectively, as discussed by Al-Rousan et al. [38],AL-Najjar [39],AL-Najjar et al。40]。训练数据集被用来建立一个预测模型。开发模型与验证数据集用于提高模型预测的发达。之后,测试数据集被用来检查开发模型的能力。

所选模型评估使用五个指标,即决定系数(R²),误差和平均绝对误差(MAE)、均方根误差(RMSE),均方误差(MSE),意味着偏移误差(MBE),如下面所示: 在哪里 , ,而且,TASI指数,预测TASI指数,分别和TASI指数的均值。流程图如图1被认为是总结所有的使用方法。

4所示。结果分析和讨论

本节将展示各种分析测试了解空气质量指数对TASI指数的影响,包括关联分析、可视化测试、线性回归和预测模型。因此,本节是分为三个部分:相关分析和可视化测试,开发了线性回归模型和CHAID CR-Tree预测模型。

4.1。相关分析和可视化测试

为了了解空气质量指数和TASI指数之间的关系,空气污染物和TASI指数之间的关系,如图2。结果显示没有明显TASI指数之间的关系和其他污染物的输入数据。视觉测试表明,线路逐渐移动的空气质量指数TASI指数值从7000年到8000年和10500年到11800年。图纸仅TASI指数和空气污染物之间的线性关系是不可能的。因此,日期被添加到分析支持发展中线性回归预测模型。

建立线性回归模型之前,相关分析是用来检查发现独立变量之间的线性回归的可能性(空气质量指数和日期)和因变量(TASI指数指数)。表2表明TASI指数指数无关紧要的与PM10, O₃,没有₂机能,月和日,₂和年与TASI指数呈正相关,相关系数为0.295和0.693,分别。此外,公司纠正显著(相关性水平=−0.327, )TASI指数成反比关系。

相反,一个至关重要的测试,建立线性回归模型时必须考虑是检查的多重共线性问题;结果在表2显示,有一个多重共线性问题,特别是在伊拉克基地组织和其他污染物,这可能会导致不真实的研究变量之间的线性回归模型。

4.2。开发了线性回归模型

线性回归在创建评估空气污染物和TASI指数之间的线性关系,如表所示3- - - - - -5。日期和六个污染物指数是用来开发一个线性回归模型。结果表明,R²和标准错误分别是0.735和746。此外,方差分析(方差分析)测试是用来展示TASI指数变化根据空气质量指数和日期的水平。结果在表4显示日期和一些污染物指数的显著影响变量在TASI指数运动 水平的三个条件F(43828747,556966)= 79,p= 0.000)。

线性回归的系数表5。结果表明,PM10,不₂有限公司,月,日,年很重要,而O₃,所以₂,机能指标与TASI指数无关紧要。这表明该模型没有考虑最后三个指标构建模型。初步分析显示手模型的关键,但没有显示最关键和最发达线性回归模型的影响变量。为了检查这个,unstandardized和标准化系数。结果表明,指数的月,一年,和最高的体重在线性回归模型中,月,年,PM10有最高的线性回归模型。

相比之下,检验多重共线性问题的线性回归模型,采用Durbin-Watson和VIF测试。VIF试验表明,所有的变量不超过10,这表明VIF穿越多重共线性问题,如表所示5。不幸的是,Durbin-Watson值是0.323,这意味着积极的多重共线性问题的模型,如表所示3。因此,线性回归模型未能与日期变量发展空气污染物指标之间的关系和TASI指数的值。

4.3。开发CHAID和CR-Tree预测模型

为了解决这一问题的线性回归模型问题,建立一个系统,可以准确地预测TASI指数值和研究受影响最严重的污染物从TASI指数变化,本节的目的是发展两个TASI指数预测和树模型。(即两个树模型。,CHAID and CR-Tree) and three datasets (including train, test, and validate) are used. The train results of CR-Tree are 0.995, 20,240, 103, 0.000, and 142, whereas, for the test, the results are 0.962, 149,478, 255, 41.184, and 387 forR²MBE、MSE、梅、RMSE分别如表所示6。此外,CHAID模型训练数据集的结果是0.979,79746年,182年,18岁,到282年,然而,对于测试数据集,结果是0.986,51581,166,227 4,R²MBE、MSE、梅、RMSE分别如表所示6。结果表明,CHAID模型比CR-Tree更加稳定和准确的模型作为测试的预测率高于CR-Tree模型和误差值是所有情况下少。

视觉测试是使用收集到的数据来支持索赔的收集结果,如图3和4。图3显示了收集到的数据之间的关系和TASI指数的值。三行是:实际TASI指数值,CHAID预测值,CR-Tree预测值。结果表明,CHAID和CR-Tree预测移动TASI指数的值,CHAID有更非凡的能力来跟踪实际TASI指数值的增加和减少。此外,图4显示了errorfor每个示例使用CHAID CR-Tree预测;比CR-Tree CHAID结果更精确的结果。

此外,CR-Tree和CHAID开发TASI指数预测模型用不同的变量,如图5。CR-Tree模型使用八个变量,包括月,一天,没有₂,可吸入颗粒物,₃机能,所以₂有限公司,而CHAID只用五个变量:月,一年,PM10, O₃和机能。CR-Tree表明,四大重要变量(安排从最重要到最不重要),不₂、PM10和日,而四大重要变量在CHAID月,一年,PM10, O₃和机能。结合收集到的结果和线性回归分析,结果发现CHAID模型比CR-Tree更现实,作为一个月,一年,和三个污染物指标包括在开发模型。

此外,了解发达CR-Tree和CHAID预测模型的复杂性,部分分类树在数据解释6和7,分别。树的深度CR-Tree和CHAID模型5和3,分别。2020年和2019年CR-Tree模型开始通过合并。之后,本月为分类变量被用作主要的变量。这一天,没有₂,月用于第二层次,而月和有限变量用于第三和第四的水平,分别。相反,CHAID模型首先将数据划分为三个部分基于变量;然后,月用于分类数据的主要参数。随后,PM10、机能和O₃作为最后一个水平TASI指数分类。

没有已知的研究文章作者预测Tadawul所有股票指数(TASI指数)使用空气质量指标作为自变量。因此,研究人员最好的结果与大多数研究相比,使用神经网络模型预测股票市场中描述(36]和[41]。Assous和Al-Najjar36)报道,神经网络模型在股票市场是最好的预测。的R²和RMSE TASI指数预测误差值是0.96和194年,分别。此外,Malibari et al。41]TASI指数收盘指数预测的精度约为97%,低误差值不同的批次。总体结果显示CHAID模型可以预测股市使用日期和空气质量指数。

总结、分析分析,视觉测试,和线性回归模型树设计表明,开发预测模型使用树模型是有效和准确的预测TASI指数的值。测试表明,CHAID模型是正确的,健壮的、稳定的、现实的,不如CR-Tree模型复杂。结果显示一个强大TASI指数变化之间的关系和三个空气质量指标,包括驻PM10, O₃。

5。结论和未来的工作

这项研究旨在研究空气污染物之间的关系指数日期和TASI指数指数(沙特股票指数)在过去三年。调查开始通过收集空气质量指数和TASI指数值;两个数据集是结合基于日期。新收集的数据集预处理去除离群值的数据。作为第一步理解独立变量之间的关系(空气污染物和日期)和因变量(TASI指数价值),使用线性回归模型与可视化测试。结果表明弱线性空气质量指数与日期和TASI指数之间的关系。因此,非线性树模型是用来发现独立和相关的变量之间的关系。该研究使用两个树模型,包括CHAID和CR-Tree。火车CR-Tree的结果是0.995,20240年,103年,0.000,到142年,然而,测试,结果是0.962,149478年,255年,41.184,387R²MBE、MSE、梅、RMSE分别CHAID模型训练数据集的结果是0.979,79746年,182年,18岁,到282年,然而,对于测试数据集,结果是0.986,51581,166,227 4,R²、MSE、美,MBE和RMSE,分别。结果发现,比CR-Tree CHAID模型表现的更好。结果显示TASI指数之间的非线性效应和三个空气质量指标,包括驻PM10, O₃。CHAID结果表明,空气质量指数增加了股市预测模型的性能,与此形成鲜明对比的是(36]和[41),这表明,神经网络模型比其他模型更能精确地发展股市预测模型。这给了强有力的证据表明,空气质量指数的变化可以反映TASI指数的变化值。不幸的是,这不会提供完整的证据的影响污染物的指标TASI指数和方向的影响,在决策树模型是非线性预测模型。因此,需要额外的分析理解的方向和重要的变量,可以提高预测模型的性能。在未来的工作中,作者旨在改善预测模型使用不同的机器学习模型,包括集群和强化学习。此外,额外变量,比如湿度和温度需要理解他们的表现(TASI指数变量42]。

6。理论和实际意义

这项研究是必要的学术,学者和投资者在股票市场交易在沙特阿拉伯。本研究调查的影响空气污染的空气质量指数对股市在过去三年。为了实现本研究的目标,两个树模型是使用不同的独立变量。此外,这项研究只处理一般股票指数在沙特阿拉伯王国,这是沙特证券交易所指数(TASI指数)。

交通和天气变化的主要原因是在一些国家的股票交易。不同的污染物从汽车和天气变化被认为是研究,包括PM10, O₃,没有₂,所以₂,有限公司在这项研究中,作者证明了股票市场有力地响应变化的空气质量指数在Riyad(沙特阿拉伯首都)。此外,结果表明,在大气中气候变化可能导致间接TASI指数价格的变化值。

此外,决策者可以使用这个研究结果监控汽车的交通、电厂、工业锅炉、发电机、花粉、和其他来源的O₃和可吸入颗粒物污染物。此外,结果可能会触发股东来寻找合适的日期,销售和购买他们的股票。除此之外,更多的规章制度必须考虑交通减少空气中的污染物。

最后,这项研究成果的社会效益可以概括如下:(1)研究人员演示了一个强大的可吸入颗粒物的影响,O₃,伊拉克基地组织在股票市场的预测,这将使一个初步迹象表明污染可能在减少或增加股票交易最初的警报。(2)使用CHAID日期和空气污染物预测股票市场可以提高股票预测的准确性。因此,新股东和投资者可以使用这个特性来买卖股票。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者根据达尼亚Al-Najjar博士要求。

的利益冲突

作者宣称没有利益冲突有关这项研究的出版物。

确认

这项工作是由科研院长以来,研究生学习和科研的副总统,费萨尔国王大学、沙特阿拉伯(批准号1597)。