机器学习模型用于埃及股市预测的比较

一篇新发表在arXiv上的研究分析了各种机器学习模型预测埃及证券交易所EGX30指数的有效性。该研究比较了K近邻、随机森林、极端梯度提升和循环神经网络（LSTM、GRU）等模型。结果表明，门控循环单元（GRU）模型在一周、一个月和两个月的预测中表现最佳，而极端梯度提升（XGBoost）在一日预测中表现出色。研究还强调了集成技术在长期预测中的优势，并指出K近邻在长期预测中表现出乎意料地强劲。 AI

影响 为发展中经济体的金融市场预测提供了有效的机器学习模型见解。

排序理由 学术论文分析用于金融预测的机器学习模型。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.AI 阅读 →

• EGX30
• Egyptian stock market
• Gated Recurrent Unit
• gated recurrent unit networks
• K-Nearest Neighbours
• Muhammed Ibrahim Walid
• random forest
• extreme gradient boosting

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →