Buchumschlag

Integrating feature selection and regression methods with technical indicators for predicting Apple Inc. stock prices

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Moodi, Fatemeh, Jahangard-Rafsanjani, Amir
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Statistical Finance Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Postprocessing of point predictions for probabilistic forecasting of day-ahead electricity prices: The benefits of using isotonic distributional regression
von: Lipiecki, Arkadiusz, et al.
Veröffentlicht: (2024)

Explainable-AI powered stock price prediction using time series transformers: A Case Study on BIST100
von: Calik, Sukru Selim, et al.
Veröffentlicht: (2025)

Review of deep learning models for crypto price prediction: implementation and evaluation
von: Wu, Jingyang, et al.
Veröffentlicht: (2024)

Combining supervised and unsupervised learning methods to predict financial market movements
von: Palma, Gabriel Rodrigues, et al.
Veröffentlicht: (2024)

Anomaly prediction in XRP price with topological features
von: Donhauzer, Illia, et al.
Veröffentlicht: (2026)

Demystifying the trend of the healthcare index: Is historical price a key driver?
von: Sadhukhan, Payel, et al.
Veröffentlicht: (2026)

Isotonic Quantile Regression Averaging for uncertainty quantification of electricity price forecasts
von: Lipiecki, Arkadiusz, et al.
Veröffentlicht: (2025)

Dynamic graph neural networks for enhanced volatility prediction in financial markets
von: Kumar, Pulikandala Nithish, et al.
Veröffentlicht: (2024)

A three-step machine learning approach to predict market bubbles with financial news
von: Atsiwo, Abraham
Veröffentlicht: (2025)

Financial Data Analysis Using Expert Bayesian Framework For Bankruptcy Prediction
von: Mukeri, Amir, et al.
Veröffentlicht: (2020)

PreBit -- A multimodal model with Twitter FinBERT embeddings for extreme price movement prediction of Bitcoin
von: Zou, Yanzhao, et al.
Veröffentlicht: (2022)

CNN-DRL for Scalable Actions in Finance
von: Montazeri, Sina, et al.
Veröffentlicht: (2024)

Do Weibo platform experts perform better at predicting stock market?
von: Ma, Ziyuan, et al.
Veröffentlicht: (2024)

Integrating LSTM Networks with Neural Levy Processes for Financial Forecasting
von: Alruqimi, Mohammed, et al.
Veröffentlicht: (2025)

Exploiting the geometry of heterogeneous networks: A case study of the Indian stock market
von: Pawanesh, Pawanesh, et al.
Veröffentlicht: (2024)

Deep Learning and NLP in Cryptocurrency Forecasting: Integrating Financial, Blockchain, and Social Media Data
von: Gurgul, Vincent, et al.
Veröffentlicht: (2023)

Achilles, Neural Network to Predict the Gold Vs US Dollar Integration with Trading Bot for Automatic Trading
von: Varela, Angel
Veröffentlicht: (2024)

Combined machine learning for stock selection strategy based on dynamic weighting methods
von: Cai, Lin, et al.
Veröffentlicht: (2025)

Mamba Outpaces Reformer in Stock Prediction with Sentiments from Top Ten LLMs
von: Kadiyala, Lokesh Antony, et al.
Veröffentlicht: (2025)

Benchmarking Pre-Trained Time Series Models for Electricity Price Forecasting
von: Sartipi, Timothée Hornek Amir, et al.
Veröffentlicht: (2025)

Exploiting Supply Chain Interdependencies for Stock Return Prediction: A Full-State Graph Convolutional LSTM
von: Liu, Chang
Veröffentlicht: (2023)

Exploring the Interpretability of Forecasting Models for Energy Balancing Market
von: Våle, Oskar, et al.
Veröffentlicht: (2026)

Generative Path-Law Jump-Diffusion: Sequential MMD-Gradient Flows and Generalisation Bounds in Marcus-Signature RKHS
von: Bloch, Daniel
Veröffentlicht: (2026)

Stock Price Prediction and Traditional Models: An Approach to Achieve Short-, Medium- and Long-Term Goals
von: Alamu, Opeyemi Sheu, et al.
Veröffentlicht: (2024)

Investigating Similarities Across Decentralized Financial (DeFi) Services
von: Luo, Junliang, et al.
Veröffentlicht: (2024)

Enhancing Black-Scholes Delta Hedging via Deep Learning
von: Qiao, Chunhui, et al.
Veröffentlicht: (2024)

A Controlled Comparison of Deep Learning Architectures for Multi-Horizon Financial Forecasting: Evidence from 918 Experiments
von: Saidd, Nabeel Ahmad
Veröffentlicht: (2026)

Nansde-net: A neural sde framework for generating time series with memory
von: Ozai, Hiromu, et al.
Veröffentlicht: (2026)

Diffusion Factor Models: Generating High-Dimensional Returns with Factor Structure
von: Chen, Minshuo, et al.
Veröffentlicht: (2025)

MCI-GRU: Stock Prediction Model Based on Multi-Head Cross-Attention and Improved GRU
von: Zhu, Peng, et al.
Veröffentlicht: (2024)

Predictive Accuracy versus Interpretability in Energy Markets: A Copula-Enhanced TVP-SVAR Analysis
von: Pokou, Fredy, et al.
Veröffentlicht: (2026)

Conditionally Identifiable Latent Representation for Multivariate Time Series with Structural Dynamics
von: Chang, Minkey, et al.
Veröffentlicht: (2026)

Multimodal Stock Price Prediction: A Case Study of the Russian Securities Market
von: Khubiev, Kasymkhan, et al.
Veröffentlicht: (2025)

Non-Parametric Estimation of Multi-dimensional Marked Hawkes Processes
von: Joseph, Sobin, et al.
Veröffentlicht: (2024)

Quantifying Cryptocurrency Unpredictability: A Comprehensive Study of Complexity and Forecasting
von: Puoti, Francesco, et al.
Veröffentlicht: (2025)

Forecasting of Bitcoin Prices Using Hashrate Features: Wavelet and Deep Stacking Approach
von: Mousa, Ramin, et al.
Veröffentlicht: (2025)

Temporal distribution of clusters of investors and their application in prediction with expert advice
von: Wisniewski, Wojciech, et al.
Veröffentlicht: (2024)

Stock Market Prediction Using Node Transformer Architecture Integrated with BERT Sentiment Analysis
von: Ridhawi, Mohammad Al, et al.
Veröffentlicht: (2026)

Online Ensemble Learning for Sector Rotation: A Gradient-Free Framework
von: Miao, Jiaju, et al.
Veröffentlicht: (2023)

Financial Time-Series Forecasting: Towards Synergizing Performance And Interpretability Within a Hybrid Machine Learning Approach
von: Liu, Shun, et al.
Veröffentlicht: (2023)