| ชื่อบทความที่เผยแพร่ |
Application of Singular Spectrum Analysis and Kernel-based Extreme Learning Machine for Stock Price Prediction |
| วัน/เดือน/ปี ที่เผยแพร่ |
20 กันยายน 2559 |
| การประชุม |
| ชื่อการประชุม |
International Joint Conference on Computer Science and Software Engineering (JCSSE) 2016 |
| หน่วยงาน/องค์กรที่จัดประชุม |
มหาวิทยาลัยขอนแก่น |
| สถานที่จัดประชุม |
โรงแรมพูลแมน ราชาออร์คิด |
| จังหวัด/รัฐ |
ขอนแก่น |
| ช่วงวันที่จัดประชุม |
13 กรกฎาคม 2559 |
| ถึง |
15 กรกฎาคม 2559 |
| Proceeding Paper |
| Volume (ปีที่) |
- |
| Issue (เล่มที่) |
- |
| หน้าที่พิมพ์ |
- |
| Editors/edition/publisher |
IEEE |
| บทคัดย่อ |
Stock prediction is known as one of the most challenging task in the field of time series analysis. Many existing studies emphasize only in improving accuracy, but not many are concerned about improving speed of the prediction. This paper proposes a stock prediction model using kernel-based extreme learning machine with singular spectrum analysis (SSA-KELM) as a preprocessing tool. The prediction performance of SSA-KELM is compared to five other models. Three stock price data are used to evaluate the performance. The experimental results show that all SSA-based models can outperform non-SSA models. The results are also shown that SSA-KELM can achieve the highest accuracy and the lowest training time among other SSA-based models. The proposed model can therefore be considered as an efficient model for stock price prediction. |
| ผู้เขียน |
|
| การประเมินบทความ (Peer Review) |
มีผู้ประเมินอิสระ |
| มีการเผยแพร่ในระดับ |
นานาชาติ |
| รูปแบบ Proceeding |
Full paper |
| รูปแบบการนำเสนอ |
Oral |
| เป็นส่วนหนึ่งของวิทยานิพนธ์ |
เป็น |
| ผลงานที่นำเสนอได้รับรางวัล |
ไม่ได้รับรางวัล |
| แนบไฟล์ |
|
| Citation |
0
|
|
|
ข้อมูลการเผยแพร่ผลงาน
การเผยแพร่ในรูปของบทความวารสารทางวิชาการ
English