CN108230146A - 一种基于k线相似度比较的股价预测方法 - Google Patents

一种基于k线相似度比较的股价预测方法 Download PDF

Info

Publication number
CN108230146A
CN108230146A CN201611176323.1A CN201611176323A CN108230146A CN 108230146 A CN108230146 A CN 108230146A CN 201611176323 A CN201611176323 A CN 201611176323A CN 108230146 A CN108230146 A CN 108230146A
Authority
CN
China
Prior art keywords
stock
lines
line
source
similarity
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201611176323.1A
Other languages
English (en)
Inventor
张鋆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201611176323.1A priority Critical patent/CN108230146A/zh
Publication of CN108230146A publication Critical patent/CN108230146A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/06—Asset management; Financial planning or analysis

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Technology Law (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明公开了一种基于K线相似度比较的股价预测方法。通过给定一支源股票在某K线级别下的某段时间内的一组K线组合，与一支或多支目标股票在相同K线级别下的指定一段时间范围内所有K线组成的集合进行相似度匹配比较，根据特定计算方法，在目标股票K线集合中找出与源股票K线组合相似度或匹配程度最高的若干K线组合。本发明能够将任意K线组合作为特征K线组合，然后通过查找历史股票走势中与此最为相似的K线形态组合从而判断这种特征K线组合是否具有普遍意义或者存在某种规律，这样投资者就可以根据需要自行发掘某支股票有价值的K线组合，作为这支股票价格走势的预测和选股参考。

Description

一种基于K线相似度比较的股价预测方法
技术领域
本发明涉及有价证券投资信息处理领域，尤其涉及一种股票分析和预测方法。
背景技术
证券投资业对投资人综合能力要求较高，普通投资人对于如何选股和判断股价走势能力较为欠缺，很多时候都是盲目投资，往往造成资金损失。
通过特定K线组合来分析预测股票未来走势的方法早已经出现，在股市发展初期确实一定参考意义，但是随着股票市场发展，股市瞬息万变的特性愈加明显，单靠有限的几种已知K线组合来判断股价走势的方法有很大局限性。
因此，如果能够将任意K线组合作为特征K线组合，然后通过一种方法来判断这种特征K线组合是否具有普遍意义或者存在某种规律，这样投资者就可以根据需要自行发掘有价值的K线组合，作为股票走势判断和选股参考。
发明内容
本发明给出一种基于K线相似度比较的股价预测方法，通过给定一支源股票在某K线级别下的某段时间内的一组K线组合，与一支或多支目标股票在相同K线级别下的指定一段时间范围内所有K线组成的集合进行相似度匹配比较，根据特定计算方法，在目标K线集合中找出与源K线组合相似度或匹配程度最高的若干K线组合。
在相似度匹配和比较前，确定一支源股票，确定该股票的K线级别，同时确定该股票在某一段时间内的一组K线组合。
在相似度匹配和比较前，确定若干目标股票，其K线级别与源股票K线级别一致，并且确定一个时间范围。
在相似度匹配和比较前，确定比较参数，参数的设定与股票K线特征相关，包含而不限定于：开盘价权重，收盘价权重，最高价权重，最低价权重，成交量权重。
在相似度匹配和比较前，确定一种比较算法。具体算法的实现方式并不限定，可以根据需要自由选择，也可以由使用者自己编写，算法实现的最终目的为计算两组K线组合之间的相似程度。
在相似度匹配和比较完成后，根据比较计算的结果在目标股票指定时间范围内找出与源股票K线组合最为相似的若干K线组合，据此作为源股票走势预测依据。
本发明所产生的的有益的效果如下：
随着股票市场发展，股市瞬息万变的特性愈加明显，单靠有限的几种K线组合来判断股价走势已经受到很大局限性，本发明能够将任意K线组合作为特征K线组合，然后通过一种方法来判断这种特征K线组合是否具有普遍意义或者存在某种规律，这样投资者就可以根据需要自行发掘有价值的K线组合，作为股票走势判断和选股参考。
附图说明
以下结合附图和具体实施方式对本发明在基于K线相似度比较的股价预测方法作进一步的详细描述。
图1是常用来表示股票价格的K线示意图。
图2是本发明的整体流程框图。
图3是三支股票000001，000002，000003自3月1日到3月5日的日K线图。
图4是选取000001这支股票从3月2日到3月4日三天的日K线作为源股票的特征K线组合(方框中的三条K线)。
图5是选取000002，000003两支股票从3月1日到3月5日的所有日K线组成目标股票K线集合。
图6是源股票与目标股票集合滑动窗口的方式依次匹配计算示意图。
图7是源股票000001的特征K线和经过匹配计算后找到与源股票000001特征K线最为相似的目标股票000002中的K线集合，分别位于两个方框中。
具体实施方式
在更加详细地讨论示例性实施例之前应当要提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包含在附图中的附加步骤。
本发明中所述K线为证券交易所常用的股票价格表示，如图1所示，它是以每个分析周期的开盘价、最高价、最低价和收盘价绘制而成。以日K线为例，首先确定开盘和收盘的价格，它们之间的部分画成矩形实体。如果收盘价格高于开盘价格，则K线被称为阳线，用空心的实体表示，反之称为阴线，用黑色实体或白色实体表示。
根据图2所示，本发明的实现总体上分5大步骤，分别如下：
步骤1:数据准备。获取股票原始K线数据，包括若干级别，例如5分钟线，15分钟线，30分钟线，1小时线，周线等。
所述步骤1具体实施实例为：获取股票代码为000001，000002，000003三支股票从3月1日到3月5日的日K线数据，保存待用。
三支股票的K线图形如图3所示。
三支股票的K线数据如表1所示：
单位：元(下同)
表1
步骤2:确定一支股票作为源股票,确定该股票的K线级别，选取一段时间内的若干条K线组合，作为源股票的特征K线组合。
所述步骤S2具体实施实例为：选取000001 3月2日到3月4日三天的日线作为源股票的特征K线组合。
选中的源股票000001的三天日K线图形如图4所示。
选中的源股票000001的三天日K线数据如表2所示：
表2
步骤3:确定若干股票作为目标股票，它们的K线级别与源股票相同，然后指定一段时间范围，所有目标股票在指定的时间范围内的所有K线组成一个K线集合。
所述步骤3具体实施实例为：选取000002，000003这两支股票，K线级别与步骤2源股票的K线级别相同，都为日线，时间范围为3月1日至3月5日。
这三支股票在指定时间范围内的K线组成目标股票K线集合。源股票的特征K线组合在目标股票K线集合中匹配搜索，在目标K线集合中寻找相似度最高的K线组合。
选中的目标股票000002,000003的三天日K线图形如图5所示
选中的目标股票000002,000003的三天日K线数据如表3所示：
表3
步骤4：确定比较参数和比较方法，进行相似度比较。源股票特征K线在指定的时间范围内与所有目标股票K线集合通过比较方法进行相似度匹配计算并获得计算结果。
比较方法是针对两组K线组合进行数学运算的方法，其目的是通过一定的数学运算，计算出一个数值。由源K线组合与不同目标K线组合分别进行比较运算，可以得出一组数值，根据这一组数值的大小可以反映出源K线组合与多个目标K线组合的相似程度的差别，例如，经过对比较结果的排序，认为比较数值最小的两组K线组合最为相似，则判定与最小的结果值对应的K线组合与源K线组合最相似，次小的结果值与对应的K线组合与源K线组合相似度为第二，依此类推。
需要说明的是：比较的方法并不唯一和固定，可以提供若干预设比较方法供使用者选择，也可以由使用者自行设计比较方法。采用任何一种比较计算方法的最终目的是为了计算K线组合之间的相似程度，因此只要符合通过某种比较方法在所有源K线集合中找出与源K线组合最为相似，最为匹配或者走势最为接近的K线组合并依此作为判断预测源股票后续走势依据这一特征的，都可以认为是本发明思想的体现。通过替换比较方法或增减比较参数的类似简单推演或替换，应当视为在本发明保护范围内。
所述步骤4具体实施实例一：
将源股票特征K线组合依次与每个目标股票K线集合从目标股票开始日期到结束日期以滑动窗口的方式依次匹配计算。
滑动窗口计算方法如图6所示，源股票特征K线组合按时间在目标K线集合上滑动，每次滑动一个K线单位，这里为1天，滑动一次，进行一次计算。
源股票特征K线组合有3根K线，每个目标股票在指定时间范围内有5根K线，可以滑动匹配3次，每次计算得出一个结果。
计算方法采取如下公式：
计算结果＝
(源股票第一根K线的开盘价–滑动对应当前目标股票第一根K线开盘价)2+
(源股票第一根K线的最高价–滑动对应当前目标股票第一根K线最高价)2+
(源股票第一根K线的最低价–滑动对应当前目标股票第一根K线最低价)2+
(源股票第一根K线的收盘价–滑动对应当前目标股票第一根K线收盘价)2+
(源股票第二根K线的开盘价–滑动对应当前目标股票第二根K线开盘价)2+
(源股票第二根K线的最高价–滑动对应当前目标股票第二根K线最高价)2+
(源股票第二根K线的最低价–滑动对应当前目标股票第二根K线最低价)2+
(源股票第二根K线的收盘价–滑动对应当前目标股票第二根K线收盘价)2+
(源股票第三根K线的开盘价–滑动对应当前目标股票第三根K线开盘价)2+
(源股票第三根K线的最高价–滑动对应当前目标股票第三根K线最高价)2+
(源股票第三根K线的最低价–滑动对应当前目标股票第三根K线最低价)2+
(源股票第三根K线的收盘价–滑动对应当前目标股票第三根K线收盘价)2
以本例来说，源股票的3根特征K线与目标股票000002进行首次计算，即源股票000001从3月2日到3月4日的三根K线组合与目标股票000002从3月1日到3月3日的三根K线组合进行比较计算。
产生的第一个计算结果为：
(10.0-11.0)2+(12.0-12.0)2+(10.0-11.0)2+(12.0-12.0)2+
(12.0-11.5)2+(13.0-12.5)2+(11.0-11.5)2+(13.0-12.5)2+
(14.0-12.0)2+(14.5-12.5)2+(12.5-11.0)2+(13.0-12.0)2＝14.25
滑动一次，源股票000001从3月2日到3月4日的三根K线组合与目标股票000002从3月2日到3月4日的三根K线组合进行比较计算。
产生第二个计算结果为：
(10.0-11.5)2+(12.0-12.5)2+(10.0-11.5)2+(12.0-12.5)2+
(12.0-12.0)2+(13.0-12.5)2+(11.0-11.0)2+(13.0-12.0)2+
(14.0-13.5)2+(14.5-14.0)2+(12.5-12.5)2+(13.0-13.0)2＝6.75
滑动第二次，源股票000001从3月2日到3月4日的三根K线组合与目标股票000002从3月3日到3月5日的三根K线组合进行比较计算。
产生的第三个计算结果为：
(10.0-12.0)2+(12.0-12.5)2+(10.0-11.0)2+(12.0-12.0)2+
(12.0-13.5)2+(13.0-14.0)2+(11.0-12.5)2+(13.0-13.0)2+
(14.0-10.0)2+(14.5-11.0)2+(12.5-10.0)2+(13.0-11.0)2＝48.25
类似的，将源股票000001的3月2日至3月4日的日K线所组成的特征K线与目标股票所有K线集合进行滑窗比较计算完成后，计算结果汇总成列表4，即源股票特征K线与所有目标股票K线集合以滑动窗口方式进行比较计算的结果。
表4
关于相似度计算方法的实施例，还可以有更多实现方式，并非限定条件，使用者亦可以自行编辑计算公式，灵活定义相似度比较标准。
步骤5:根据步骤4比较计算的结果在目标股票指定时间范围内找出与源股票K线组合最为相似的若干K线组合，据此作为源股票走势预测依据。
所述步骤5具体实施实例：
根据步骤4表4中的计算数据，对其进行排序，步骤4中计算方法得出的值越小，表明两组K线之间形态差别越小，即越相似，排序结果如表5：
表5
根据排序结果，则认为源股票000001从3月2日到3月4日三根K线所组成的K线组合与目标股票000002从3月2日到3月4日三根K线所组成的K线组合最为相似。
如图7所示，方框中所示两组K线是分析得出的最为相似的两组K线组合。图中1所指示的是源股票000001三根特征K线，2所指示的是通过比较计算在所有目标K线集合中找到的与之最为相似的K线组合，为000002从3月2日至3月4日三根K线组合。
需要再次说明的是，对于步骤4中的计算方法，可以任意指定，不做限制，其计算结果是为了生成5的排序表格，表格5中的排序即体现了相似度排序。排序结果与K线组合一一对应。根据需要，从中选取最为相似的若干K线组合作为选股参考。
本例中，可以将目标股票000002从3月5日以后的K线走势作为源股票000001从3月5日之后股价走势的参考，从而进行一定的股价预测。
需要说明的是，引入目标股票和源股票的概念是为了表述实施方式的方便，两者的名称亦可呼唤，并无特殊规定，例如，可以用待比较股票和被比较股票诸如此类的名称替换。
所述步骤4具体实施实例二：
更进一步地，在具体实施例一上可以增加成交量因素，即将成交量也作为相似度考量标准之一，这里不妨设定成交量与K线在相似度比较时各占50％权重。
如表6所示，三支股票3月1日至3月5日成交量如下：
单位：万元(下同)
表6
采用类似K线采用滑动窗口计算方法进行计算。
计算方法采取如下公式：
计算结果＝
(源股票第一日成交量–滑动对应当前目标股票第一日成交量)2+
(源股票第二日成交量–滑动对应当前目标股票第二日成交量)2+
(源股票第三日成交量–滑动对应当前目标股票第三日成交量)2
以本例来说，源股票000001的3日成交量组合与目标股票000002进行首次计算，即源股票000001从3月2日到3月4日的日成交量组合与目标股票000002从3月1日到3月3日的三日成交量组合进行比较计算。
产生的第一个计算结果为：
(6000-4000)2+(7000-5000)2+(6000-8000)2＝12,000,000
滑动一次，源股票000001从3月2日到3月4日的三日成交量组合与目标股票000002从3月2日到3月4日的三日成交量组合进行比较计算。
产生第二个计算结果为：
(6000-5000)2+(7000-8000)2+(6000-7000)2＝6,000,000
滑动第二次，源股票000001从3月2日到3月4日三日成交量组合与目标股票000002从3月3日到3月5日的三日成交量组合进行比较计算。
产生的第三个计算结果为：
(6000-8000)2+(7000-7000)2+(6000-7000)2＝5,000,000
类似的，将源股票000001的3月2日至3月4日的三日成交量组合与目标股票所有三日成交量集合进行滑窗比较计算完成后，计算结果汇总列表7：
表7
按计算结果排序得出表8：
表8
综合表7表8，合成表9：
表9
按K线和成交量各占50％权重，将两者排序名次乘以50％后加权，得表10：
表10
综合两种排序结果，000002日K线从3月2日至3月4日得出的排序值1.5最小，则从上表得出结论，若按计算方法同时考虑K线相似度和成交量相似度则源股票000001从3月2日至3月4日与000002从3月2日至3月4日股票走势最为相似。本例中，可以将目标股票000002从3月5日以后的K线走势作为源股票000001从3月5日之后股价走势的参考，从而进行一定的股价预测。
本发明的关键点在于，提出一种股票价格预测方法，该方法基于股票与股票间K线相似度的比较，允许运用不同的计算方法计算两组K线之间的相似度，根据计算结果判断找出与源股票特征K线组合最为相似的K线组合，依此作为源股票股价走势依据。
本发明的优点在于，对于K线组合，可以任意指定，证券交易市场上任意一支股票任意K线级别下任意一段K线组合都可以作为待比较的特征K线组合。比较计算方法不限定，可以根据实际需求进行设定，根据需要进行修改或增减相关计算参数，非常灵活。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这段说明，对于本发明所述技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (6)

1.一种基于K线相似度比较的股价预测方法，其特征在于，通过给定一支源股票在某K线级别下的某段时间内一组K线组合，与一支或多支目标股票在相同K线级别下的指定一段时间范围内所有K线组成的集合进行相似度匹配比较，根据特定计算方法，在目标K线集合中找出与源K线组合相似度或匹配程度最高的若干K线组合。
2.根据权利要求1所述一种基于K线相似度比较的股价预测方法，其特征在于：在相似度匹配和比较前，需要确定一支源股票，确定该股票的K线级别，同时确定该股票在某一段时间内的一组K线组合。
3.根据权利要求1所述一种基于K线相似度比较的股价预测方法，其特征在于：在相似度匹配和比较前，需要确定若干目标股票，其K线级别与源股票K线级别一致，并且确定一个时间范围。
4.根据权利要求1所述一种基于K线相似度比较的股价预测方法，其特征在于：在相似度匹配和比较前，需要确定比较参数，参数的设定与股票K线特征相关，包含而不限定于：开盘价权重，收盘价权重，最高价权重，最低价权重，成交量权重。
5.根据权利要求1所述一种基于K线相似度比较的股价预测方法，其特征在于：在相似度匹配和比较前，需要确定一种比较算法。具体算法的实现方式并不限定，可以根据需要自由选择，也可以由使用者自己编写，算法实现的最终目的为计算两组K线组合之间的相似程度。
6.根据权利要求1所述一种基于K线相似度比较的股价预测方法，其特征在于：在相似度匹配和比较完成后，根据比较计算的结果在目标股票指定时间范围内找出与源股票K线组合最为相似的若干K线组合，据此作为源股票走势预测依据。
CN201611176323.1A 2016-12-22 2016-12-22 一种基于k线相似度比较的股价预测方法 Pending CN108230146A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611176323.1A CN108230146A (zh) 2016-12-22 2016-12-22 一种基于k线相似度比较的股价预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611176323.1A CN108230146A (zh) 2016-12-22 2016-12-22 一种基于k线相似度比较的股价预测方法

Publications (1)

Publication Number Publication Date
CN108230146A true CN108230146A (zh) 2018-06-29

Family

ID=62651612

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611176323.1A Pending CN108230146A (zh) 2016-12-22 2016-12-22 一种基于k线相似度比较的股价预测方法

Country Status (1)

Country Link
CN (1) CN108230146A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110263843A (zh) * 2019-06-18 2019-09-20 苏州梧桐汇智软件科技有限责任公司 基于深度神经网络的股票k线识别方法
CN111400359A (zh) * 2020-03-17 2020-07-10 创新奇智(北京)科技有限公司 面向股票趋势预测的相似k线检索方法及检索系统
CN112116480A (zh) * 2019-06-20 2020-12-22 财付通支付科技有限公司 虚拟资源确定方法、装置、计算机设备及存储介质
CN112801789A (zh) * 2021-01-21 2021-05-14 沈阳麟龙科技股份有限公司 一种股票技术分析方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110263843A (zh) * 2019-06-18 2019-09-20 苏州梧桐汇智软件科技有限责任公司 基于深度神经网络的股票k线识别方法
CN112116480A (zh) * 2019-06-20 2020-12-22 财付通支付科技有限公司 虚拟资源确定方法、装置、计算机设备及存储介质
CN111400359A (zh) * 2020-03-17 2020-07-10 创新奇智(北京)科技有限公司 面向股票趋势预测的相似k线检索方法及检索系统
CN111400359B (zh) * 2020-03-17 2023-11-10 创新奇智(北京)科技有限公司 面向股票趋势预测的相似k线检索方法及检索系统
CN112801789A (zh) * 2021-01-21 2021-05-14 沈阳麟龙科技股份有限公司 一种股票技术分析方法
CN112801789B (zh) * 2021-01-21 2024-06-04 沈阳麟龙科技股份有限公司 一种股票技术分析方法

Similar Documents

Publication Publication Date Title
Alkhatib et al. Stock price prediction using k-nearest neighbor (kNN) algorithm
Asiaei et al. Unpacking the black box: how intrapreneurship intervenes in the intellectual capital-performance relationship?
Zavadskas et al. Selecting a contractor by using a novel method for multiple attribute analysis: Weighted Aggregated Sum Product Assessment with grey values (WASPAS-G)
Roh Forecasting the volatility of stock price index
Gil-Lafuente Fuzzy logic in financial analysis
Rostek et al. Price inference in small markets
Cables et al. The LTOPSIS: An alternative to TOPSIS decision-making approach for linguistic variables
Shahbaz et al. Macroeconomic determinants of stock market capitalization in an emerging market: fresh evidence from cointegration with unknown structural breaks
CN108230146A (zh) 一种基于k线相似度比较的股价预测方法
CN108133013A (zh) 信息处理方法、装置、计算机设备和存储介质
Pamucar et al. A novel hybrid decision making framework for comparing market performance of metaverse crypto assets
Kolková et al. Demand forecasting: an alternative approach based on technical indicator Pbands
Polishchuk Fuzzy method for evaluating commercial projects of different origin
Noh et al. Application of multiattribute decision-making methods for the determination of relative significance factor of impact categories
Figá-Talamanca et al. Common dynamic factors for cryptocurrencies and multiple pair-trading statistical arbitrages
Moedjahedy et al. Stock price forecasting on telecommunication sector companies in Indonesia Stock Exchange using machine learning algorithms
Aghashahi et al. Analysis of different artificial neural networks for Bitcoin price prediction
Gong et al. An extension of regret theory based on probabilistic linguistic cloud sets considering dual expectations: an application for the stock market
Hoque et al. An algorithmic multiple trading strategy using data-driven random weights innovation volatility
Divényi et al. Investigating minimum income condition orders on European power exchanges: Controversial properties and enhancement proposals
Sami et al. Portfolio optimization in DSE using financial indicators, LSTM & PyportfolioOpt
Subekti et al. A short review over twenty years on the Black-Litterman model in portfolio optimization
Kooli et al. The impact of accounting disclosure on emerging stock market prediction in an unstable socio-political context
Weckman et al. A prescriptive stock market investment strategy for the restaurant industry using an artificial neural network methodology
Jiang Stock market valuation using internet search volumes: Us-china comparison

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20180807

Address after: 213004 room 103, unit 41, Qing Liang new village, Tianning District, Changzhou, Jiangsu

Applicant after: Zhang Nianduo

Address before: 210000 Nanjing, Jiangning, Jiangsu province Jiangning Mau Street, Le Jia garden, 11 neighbors, 310 rooms

Applicant before: Zhang Jun

CI02 Correction of invention patent application
CI02 Correction of invention patent application

Correction item: Applicant|Address

Correct: Zhang Jun|210000 Nanjing, Jiangning, Jiangsu province Jiangning Mau Street, Le Jia garden, 11 neighbors, 310 rooms

False: Zhang Nianduo|213004 room 103, unit 41, Qing Liang new village, Tianning District, Changzhou, Jiangsu

Number: 34-02

Volume: 34

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20181105

Address after: 213004 room 103, unit 41, Qing Liang new village, Tianning District, Changzhou, Jiangsu

Applicant after: Zhang Nianduo

Address before: 210000 Nanjing, Jiangning, Jiangsu province Jiangning Mau Street, Le Jia garden, 11 neighbors, 310 rooms

Applicant before: Zhang Jun

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180629