چگونه می توان سهام شاخص S&P 100 را با استفاده از یادگیری ماشین نمودار استفاده کرد

عکس پروفایل نویسنده

@jamie1023نمودار سحابی

Nebula Graph یک پایگاه داده نمودار توزیع شده منبع باز است: https://github.com/vesoft-inc/nebula

در پست قبلی این مجموعه [1]، ما نحوه استفاده از کتابخانه تجزیه و تحلیل نمودار مبتنی بر پایتون NetworkX را معرفی کردیم [2] و نمودار سحابی [3] برای تحلیل روابط شخصیت در “بازی تاج و تخت”.

در این پست ، ما می خواهیم نحوه استفاده از کتابخانه تجزیه و تحلیل نمودار مبتنی بر جاوا JGraphT را بررسی کنیم [4] و کتابخانه نمودار سازی mxGraph [5] برای تجسم تغییرات همبستگی بین سهام شاخص S&P 100 [6] در طول زمان.

پردازش مجموعه داده

روش اصلی تجزیه و تحلیل استفاده شده در این پست به [7] و [8]. دو مجموعه داده وجود دارد: مجموعه راس و مجموعه لبه ها.

داده های سهام (مجموعه راس)

سهام S&P 100 Index زیر را انتخاب کنید و هر سهام را به عنوان یک راس مدل کنید. خصوصیات هر راس کد سهام و صنعت شرکت ذکر شده است.

جدول 1: نمونه مجموعه راس

روابط سهام (مجموعه لبه / رابطه)

هر لبه فقط یک خاصیت دارد ، یعنی وزن. وزن یک لبه شباهت نرخ بازگشت روزانه شرکت های ذکر شده را نشان می دهد که توسط راس (سهام) در دو انتهای لبه نشان داده شده است. الگوریتم شباهت به [7] و [8]: تجزیه و تحلیل همبستگی سری زمانی نرخ بازده روزانه سهام منفرد

در طی یک دوره …