Thư viện tập trung - Thư viện điện tử

Luận án, luận văn

Enhancing intraday stock prediction and trading with social media sentiment using deep learning: Thesis/ Dang Trung Thanh

Tác giả : Dang Trung Thanh

Năm xuất bản : 2023

Nơi xuất bản : Hull

Mô tả vật lý : xvii, 177 p.: tab.; 30 cm 1 resume

Số phân loại : 332.64273

Chủ đề : 1. Dự đoán. 2. Giao dịch. 3. Phương tiện truyền thông. 4. Thị trường chứng khoán. 5. Mỹ.

Chia sẻ

Thông tin chi tiết

Tóm tắt :

Khai thác của nhà đầu tư từ dữ liệu truyền thông mạng xã hội để tăng cường hiệu năng dự đoán biến động giá chứng khoán trong ngày và tăng lợi nhuận giao dịch chứng khoán trong ngày. Đề xuất mô hình phân tích dữ liệu lịch sử giao dịch chứng khoán hàng ngày và trong ngày để phân loại cảm tính của các tiểu blog. Đề xuất mô hình lai GRU-CNN cho phép kết hợp dữ liệu chứng khoán và cảm tính từ tiểu blog ở dạng dòng thời gian để dự đoán chiều biến động giá chứng khoán trong ngày

Chia sẻ

Hiển thị MARC

Thông tin dữ liệu nguồn

Thư viện	Ký hiệu xếp giá	Dữ liệu nguồn
Thư viện Quốc gia Việt Nam	LA23.0550.1, LA23.0550.2, LA23.0550.3	https://opac.nlv.gov.vn/pages/opac/wpid-detailbib-id-910549.html

Lời ngỏ

Để phục vụ nhu cầu tìm kiếm và xem tài liệu trên nhiều lĩnh vực khác nhau: Triết học, Tâm lý học, Tôn giáo, Khoa học xã hội, Ngôn ngữ, Khoa Học Tự Nhiên, Toán học, Công nghệ, Nghệ thuật, Văn học, Địa lý, Lịch sử,... tại các thư viện trung tâm, thư viện trường học, các tổ chức,... chúng tôi đã thu thập, liên kết các thông tin với nhau tạo thành mạng lưới thư viện (Thư viện tập trung) chia sẻ nguồn tài nguyên vô tận này; cùng với mong muốn giữ gìn di sản văn hóa của dân tộc, chúng tôi sưu tầm, sắp xếp, tổ chức và phân loại giúp bạn đọc có thể tìm kiếm, chia sẻ dễ dàng trên internet (IoT) thông qua các thiết bị truy cập như: điện thoại di động, máy tính bảng, máy tính cá nhân,...
Trong quá trình cập nhật, chúng tôi đã cố gắng liên kết thông tin kỹ lưỡng để có những tài liệu chất lượng cho bạn đọc. Tuy nhiên, với số lượng tài liệu quá nhiều, đôi khi không tránh khỏi sai sót. Rất mong các bạn đóng góp ý kiến để chất lượng tài liệu ngày một tốt hơn.

Mục đích và phương châm hoạt động

Trang website được xây dựng nhằm những mục đích sau:

+ Thu thập dữ liệu các thư viện theo thời gian thực (Hàng ngày, hàng tuần) dựa trên các giao thức chuẩn thư viện thông qua Internet.
+ Liên kết thư viện và xây dựng nguồn tài nguyên bách khoa toàn thư về tất cả các lĩnh vực khác nhau.
- Chia sẻ dữ liệu trực tiếp trong cùng hệ thống.
- Chia sẻ dữ liệu gián tiếp cho các thư viện khác qua giao thức chuẩn thư viện: OAI-PMH, METS.
+ Phục vụ nhu cầu tra cứu tìm đọc tài liệu ở khắp mọi nơi trên miền đất nước.
+ Phổ biến rộng rãi di sản văn hóa, phục vụ hoạt động nghiên cứu phát triển và đổi mới sáng tạo của các nhà khoa học, cán bộ nghiên cứu - giảng dạy, sinh viên, học sinh, doanh nghiệp và cộng đồng.

Bản quyền

Những tài liệu mà bạn đang tham khảo:
+ Là tài nguyên được quản lý ở tất cả các đơn vị mạng liên kết bao gồm các nguồn mở, nguồn nội sinh và nguồn ngoại sinh.

+ Là truy cập, chia sẻ tại các đơn vị mạng liên kết theo cơ chế mở và không thu phí.

Xin chân thành cảm ơn!

Kết nối và chia sẻ nguồn tri thức, những người yêu và đam mê đọc sách.

Chọn tất cả thư viện

Đại học Công nghệ - ĐHQGHN

Đại học Giáo dục - ĐHQGHN

Đại học khoa học tự nhiên - ĐHQGHN

Đại học Khoa học Xã hội và Nhân văn - ĐHQGHN

Đại học Kinh tế - ĐHQGHN

Đại học Ngoại ngữ - ĐHQGHN

Đại học quốc gia Hà Nội

Đại học sư phạm Đà Nẵng

Đại học Y - Dược - ĐHQGHN

Học Viện Hàng Không Việt Nam

Thư viện Huyện Bình Chánh - TVKHTH TP.HCM

Thư viện huyện Bình Minh - TV Vĩnh Long

Thư viện huyện Bình Tân - TV Vĩnh Long

Thư viện Huyện Cần Giờ - TVKHTH TP.HCM

Thư viện Huyện Củ Chi - TVKHTH TP.HCM

Thư viện Huyện Hóc Môn - TVKHTH TP.HCM

Thư viện huyện Long Hồ - TV Vĩnh Long

Thư viện huyện Mang Thít - TV Vĩnh Long

Thư viện Huyện Nhà Bè - TVKHTH TP.HCM

Thư viện huyện Tam Bình - TV Vĩnh Long

Thư viện huyện Trà Ôn - TV Vĩnh Long

Thư viện Khoa học Tổng hợp TP.HCM

Thư viện quận 1 - TVKHTH TP.HCM

Thư viện quận 10 - TVKHTH TP.HCM

Thư viện quận 11 - TVKHTH TP.HCM

Thư viện quận 12 - TVKHTH TP.HCM

Thư viện quận 2 - TVKHTH TP.HCM

Thư viện quận 3 - TVKHTH TP.HCM

Thư viện quận 4 - TVKHTH TP.HCM

Thư viện quận 5 - TVKHTH TP.HCM

Thư viện quận 6 - TVKHTH TP.HCM

Thư viện quận 7 - TVKHTH TP.HCM

Thư viện quận 8 - TVKHTH TP.HCM

Thư viện quận Bình Tân - TVKHTH TP.HCM

Thư viện quận Bình Thạnh - TVKHTH TP.HCM

Thư viện quận Gò Vấp - TVKHTH TP.HCM

Thư viện quận Phú Nhuận - TVKHTH TP.HCM

Thư viện quận Tân Bình - TVKHTH TP.HCM

Thư viện quận Tân Phú - TVKHTH TP.HCM

Thư viện Quốc gia Việt Nam

Thư viện thành phố Thủ Đức (cơ sở 1) - TVKHTH TP.HCM

Thư viện thành phố Thủ Đức (cơ sở 2) - TVKHTH TP.HCM

Thư Viện Tỉnh An Giang

Thư viện tỉnh Vĩnh Long

Tổ chức y tế thế giới

Trung tâm giáo dục quốc phòng và An ninh - ĐHQGHN

Trung tâm Hỗ trợ Sinh viên - ĐHQGHN

Trường Đại học Luật - ĐHQGHN

Trường Khoa học liên ngành và nghệ thuật - ĐHQGHN

Trường Quản trị và Kinh doanh - ĐHQGHN

Viện Công nghệ Thông tin - ĐHQGHN

Viện Đảm bảo chất lượng giáo dục - ĐHQGHN

Viện Quốc tế Pháp ngữ - ĐHQGHN

Viện Tài nguyên và Môi trường - ĐHQGHN

Viện Vi sinh vật và Công nghệ Sinh học - ĐHQGHN

Viện Việt Nam học và Khoa học phát triển - ĐHQGHN

Ldr		01804aam 22003258a 4500
001		CLN251739001
005	__	20230817160837.0
008	__	230617s2023 \|\|\|\|\|\|viesd
041	0_	$aeng
082	04	$223$a332.64273$bE203H
100	1_	$aDang Trung Thanh
242	00	$aTăng cường dự đoán và giao dịch chứng khoán trong ngày với cảm tính từ phương tiện truyền thông xã hội sử dụng học sâu
245	10	$aEnhancing intraday stock prediction and trading with social media sentiment using deep learning:$bThesis/$cDang Trung Thanh
260	__	$aHull,$c2023
300	__	$axvii, 177 p.:$btab.;$c30 cm$e1 resume
502	__	$aUniversity of Hull ; Defence: 17/5/2023
504	__	$aBibliogr.: p. 154-177
520	__	$aKhai thác của nhà đầu tư từ dữ liệu truyền thông mạng xã hội để tăng cường hiệu năng dự đoán biến động giá chứng khoán trong ngày và tăng lợi nhuận giao dịch chứng khoán trong ngày. Đề xuất mô hình phân tích dữ liệu lịch sử giao dịch chứng khoán hàng ngày và trong ngày để phân loại cảm tính của các tiểu blog. Đề xuất mô hình lai GRU-CNN cho phép kết hợp dữ liệu chứng khoán và cảm tính từ tiểu blog ở dạng dòng thời gian để dự đoán chiều biến động giá chứng khoán trong ngày
650	_7	$2Bộ TK TVQG$aThị trường chứng khoán
650	_7	$2Bộ TK TVQG$aPhương tiện truyền thông
650	_7	$2Bộ TK TVQG$aDự đoán
650	_7	$2Bộ TK TVQG$aGiao dịch
651	_7	$2Bộ TK TVQG$aMỹ
852		$aNLV$bNLV$jLA23.0550.1
852		$aNLV$bNLV$jLA23.0550.2
852		$aNLV$bNLV$jLA23.0550.3
900		1
925		G
926		0
927		LA

Enhancing intraday stock prediction and trading with social media sentiment using deep learning: Thesis/ Dang Trung Thanh

Thông tin dữ liệu nguồn

Tài liệu cùng tác giả

Tài liệu cùng danh mục chủ đề

Lời ngỏ

Mục đích và phương châm hoạt động

Bản quyền