ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > استخدام خوارزمية أقرب جار في ا...>الوصف

استخدام خوارزمية أقرب جار في التنبؤ: دراسة تطبيقية للتنبؤ في اتجاه حركة مؤشر سوق دمشق للأوراق المالية باستخدام المؤشرات المالية

العنوان بلغة أخرى: Using K. Nearest Neighbors Algorithm in Prediction: An Implementation to Predict DWX direction by Market Financial Indicators
المصدر: مجلة جامعة البعث سلسلة العلوم الاقتصادية
الناشر: جامعة البعث
المؤلف الرئيسي: خليل، فادي (مؤلف)
المؤلف الرئيسي (الإنجليزية): Khalil, Fadi
المجلد/العدد: مج46, ع1
محكمة: نعم
الدولة: سوريا
التاريخ الميلادي: 2024
التاريخ الهجري: 1445
الصفحات: 121 - 153
ISSN: 1022-467X
رقم MD: 1495446
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
التقنيات الحاسوبية | خوارزميات البرمجة | أسواق الأوراق المالية | سوريا
كلمات المؤلف المفتاحية:
خوارزمية أقرب جار KNN | الانحدار اللوجيستي | التعلم الآلي | مؤشر سوق دمشق للأوراق المالية | KNN Algorithm | Logistic Regression | Machine Learning | Damascus Stock Exchange Index
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: يقدم البحث الحالي خلفية نظرية عن خوارزمية أقرب جار KNN. كذلك يطبق هذه الخوارزمية للتنبؤ باتجاه مؤشر سوق دمشق للأوراق المالية DWX كمؤشر ثنائي (0 Down, 1 Up) وذلك باستخدام أربع خوارزميات مرتكزة على مؤشرات قيمة التداول، حجم التداول، عدد الصفقات. ولتحقيق هذا الهدف استخدمت قاعدة بيانات مؤلفة من 2340 مشاهدة، وهي بيانات يومية تمتد من الفترة 1/2/2012 إلى 27/6/2023. تم قياس جودة التصنيف عن طريق مقاييس Recall ، Precision و F 1 score . وبغرض الوقوف على دقة التصنيف أيضاً تمت مقارنة المقاييس السابقة مع نظيراتها المستمدة من تطبيق الانحدار اللوجيستي. لتطبيق الخوارزميات السابقة استخدمت لغة برمجة Python. أظهرت النتائج أنّ خوارزمية KNN تمتعت بدقة تصنيف جيدة تراوحت بين 61% و 75%، وكان أداؤها أفضل من خوارزمية الانحدار اللوجيستي.

The current research presents a theoretical background on KNN algorithm. It also applies this algorithm to predict the direction of the Damascus Stock Exchange DWX index as a binary indicator (0 Down, 1 Up) using four algorithms based on indicators of trading value, trading volume, and number of transactions. To do so, a database consisting of 2,340 observations is used, over the period between 2/1/2012 to 6/27/2023. Classification accuracy is assessed using precision, Recall and F1 score measures. These measures are also compared with their counterparts derived from logistic regression. To implement the previous algorithms, Python programming language is used. The results showed that KNN algorithm had good classification accuracy, ranging between 61% and 75%, and its measures was better relatively to the logistic regression algorithm.
ISSN: 1022-467X

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.