Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Buchtitelbild

2021 | OriginalPaper | Buchkapitel

Forecasting Price of Indian Stock Market Using Supervised Machine Learning Technique

verfasst von : Mohit Iyer, Ritika Mehra

Erschienen in: Progress in Advanced Computing and Intelligent Engineering

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

There has been increasing enthusiasm for displaying and determining stock costs over recent decades. The artificial neural network is not acceptable as it is a grouping of both fictitious and experimental disciplines, which can be a successful way to enhance the performance of the mix of different models if the model is very unusual. In this paper, the different strategies like linear regression, kNN, Naïve, MA, AR, ARMA, ARIMA, and autoARIMA are used for forecasting the stock markets. This paper suggests which method is the best to use for predicting the stock market. This paper endeavors to address the determining of stock costs. On this unique circumstance, we gathered information on a month to month shutting stock indices of SENSEX. Subsequently, it very well may be utilized these models for estimating a task, particularly when higher anticipating precision is required.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Nächstes Kapitel Speaker Recognition Using Noise Robust Features and LSTM-RNN
Literatur
1.
Liao, S.-H., Ho, H.-H., Lin, H.-W.: Mining stock category association and cluster on Taiwan stock market. Expert Syst. Appl. 35, 1929 (2008)
2.
Padhiary, P.K., Mishra, A.P.: Development of improved artificial neural network model for stock market prediction. Int. J. Eng. Sci. Technol. (IJEST) 3(2), 2 (2011)
3.
Pegah, F.: Stock trend prediction using news articles a text mining approach. In: 2007, Master Thesis, Luleå University of Technology
4.
Suresh, R., Harshni, S R.: Data mining and text mining—a survey. In: 2017 International Conference on Computation of Power, Energy Information and Communication (ICCPEIC)
5.
Verma, M., Srivastava, M., Chack, N., Diswar, A.K., Gupta, N.: A comparative study of various clustering algorithms in data mining. Int. J. Eng. Res. Appl. (IJERA) 2(3), 1379–1384 (2012)
6.
Gharehchopogh, F.S.: Approach and developing data mining method for spatial applications. In: Proceedings of International Conference on Intelligent Systems & Data Processing (ICISD), India, pp. 342–345 (2011)
7.
Gharehchopogh, F.S., Khaze, S.R.: Data mining application for cyber space users tendency in blog writing: a case study. Int. J. Comput. Appl. 47(18), 40–46 (2012)
8.
Han, J., Kamber, M., Pei, J.: Data Mining Concepts and Techniques, 3rd edn. Morgan Kaufmann Publishing (2012)
9.
Rai, P., Singh, S.: A survey of clustering techniques. Int. J. Comput. Appl. (2010)
10.
Brockwell, P.J., Davis R.A.: Time Series: Theory and Method. Springer (1987)
11.
Gharehchopogh, F.S., Mohammadi, P., Hakimi, P.: Application of decision tree algorithm for data mining in healthcare operations: a case study. Int. J. Comput. Appl. 52(6), 21–26 (2012)
12.
Banerjee, D.: Forecasting of Indian stock market using time-series ARIMA model. In: 2nd IEEE International Conference on Business and Information Management (ICBIM), Jan 2014, pp. 131–135
13.
Adebiyi, A.A., Adewumi, A.O., Ayo,C.K.: Stock price prediction using the ARIMA model. In: 16th IEEE International Conference on Computer Modelling and Simulation (UKSim), March 2014, pp. 106–112
14.
Sureshkumar, K.K., Elango, N.M.: Exploiting data mining techniques for improving the efficiency of time series data using spss-clementine. J. Arts Sci. Commerce. E-ISSN 2229–4686, ISSN 2231–4172
15.
Faisal, F.: Forecasting Bangladesh’s inflation using time series ARIMA models. World Rev. Bus. Res. 2(3), 100–117 (2012)
16.
Pentaho Data Mining Community Documentation. Time Series Analysis and Forecasting with Weka (2014)
17.
Wadia, A., Mohd Tahir Ismail, S.: Selecting wavelet transforms model in forecasting financialtime series data based on ARIMA model. Appl. Math. Sci. 5(7), c315–326 (2011)
18.
Sneha, S.: Applications of ANNs in stock market prediction: a survey. Int. J. Comput. Sci. Eng. Technol. 2(3) (2011) (A review of stock market prediction with Artificial neural network (ANN))
19.
Pradhan, K.C., Sham Bhat, K.: An empirical analysis of price discovery, causality, and forecasting in the nifty futures markets. Int. Res. J. Fin. Econ. Issue 26 (2009). ISSN 1450–2887
20.
Khan, Z.H., Alin, T.S., Hussain, M.A.: Department of CSE, SUST, Sylhet, Bangladesh, Price prediction of share market using artificial neural network (ANN). Int. J. Comput. Appl. (0975–8887), vol. 22(2) (2011)
Metadaten
Titel
Forecasting Price of Indian Stock Market Using Supervised Machine Learning Technique
verfasst von
Mohit Iyer
Ritika Mehra
Copyright-Jahr
2021
Verlag
Springer Singapore
Buch
Progress in Advanced Computing and Intelligent Engineering

Print ISBN: 978-981-334-298-9

Electronic ISBN: 978-981-334-299-6

Copyright-Jahr: 2021

DOI
https://doi.org/10.1007/978-981-33-4299-6_1

Neuer Inhalt

    Bildnachweise