تم إضافة تقرير جديد 2024
ارسل ملاحظاتك

ارسل ملاحظاتك لنا









الرئيسية > استخدام خوارزمية XGBOOST للتنب...>الوصف

استخدام خوارزمية XGBOOST للتنبؤ بأسعار الإغلاق لسهم شركة Apple

العنوان بلغة أخرى: Using the XGBoost Algorithm to Predict the Closing Pricesof Apple Inc. Stock
المصدر: مجلة اقتصاد المال والأعمال
الناشر: جامعة الشهيد حمه لخضر الوادي
المؤلف الرئيسي: روابة، محمد (مؤلف)
المجلد/العدد: مج9, ع2
محكمة: نعم
الدولة: الجزائر
التاريخ الميلادي: 2024
الشهر: أكتوبر
الصفحات: 287 - 296
ISSN: 2543-3660
رقم MD: 1516964
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
الذكاء الاصطناعي | الاستثمارات المالية | شركة أبل
كلمات المؤلف المفتاحية:
التنبؤ | أسعار الأسهم | التعلم الآلي | خوارزمية XGBoost | قرار الاستثمار | Predicting | Stock price | Machine Learning | XGBoost Algorithm | Investment Decision
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

4

حفظ في:
المستخلص: هدفت هذه الدراسة إلى التنبؤ بأسعار الإغلاق اليومية لسهم شركة Apple باستخدام أحد نماذج التعلم الآلي والمتمثل في خوارزمية XGBoost لمساعدة المستثمرين على اتخاذ قرار الاستثمار في مجال الأسهم. وذلك خلال الفترة الممتدة من 02/01/2020- 11/07/2024 وبلغ إجمالي عدد المشاهدات (1138) مشاهدة بواقع (911) مشاهدة (بنسبة 80% من إجمالي المشاهدات) تم استخدامها بغرض التدريب، و (227) مشاهدة (بنسبة 20% من إجمالي المشاهدات) تم استخدامها للاختبار. تم بناء نموذج XGBoost باستخدام لغة البرمجة Python بالاعتماد على المكتبات التابعة له وأهم هذه المكتبات المستخدمة هي مكتبة XGBoost. وأظهرت نتائج هذه الدراسة بأن هناك قدرة تنبؤية عالية لخوارزمية XGBoost بناءا على بعض مقاييس الأداء التي تم الاعتماد عليها في هذه الدراسة.

The aim of this study was to predict the daily closing prices of Apple Inc. stock using a machine learning model, specifically the XGBoost algorithm, to assist investors to making stock market investment decisions. The study covered the period from January 2, 2020, to July 11, 2024, with a total sample size of 1138 observations. Of these, 911 observations (80% of the total) were used for training, and 227 observations (20% of the total) were used for testing. The XGBoost model was built using the Python programming language, relying on its associated libraries, with the XGBoost library being the most important. The results of this study indicated a high predictive ability of the XGBoost algorithm based on certain performance metrics used in this study.
ISSN: 2543-3660

عناصر مشابهة


© 2025 المنظومة. جميع الحقوق محفوظة.