دانلود ترجمه مقاله مدل تصمیم گیری سرمایه گذاری از چشم انداز اینترنت اشیا و کلان داده

1. مقدمه 2. ایجاد دیتابیس پلتفرم تصمیم گیری سرمایه گذاری در اینترنت اشیا 3. مدل تصمیم گیری سرمایه گذاری مبتنی بر فناوری کلان داده کاوی 4. تحلیل نمونه 5. نتیجه گیری

چکیده – با بهبود مستمر بازار جهانی اوراق بهادار، رقابت بازار شدیدا بی سابقه است. از لحاظ سیستم پشتیبانی تصمیم گیری سرمایه گذاری ، نیاز مبرم به جذب مداوم فن آوری های جدید پردازش اطلاعات و بهبود علمی و استاندارد سازی تصمیم گیری ، با هدف بهبود کارایی تصمیم گیری در سرمایه گذاری و تثبیت بازده سرمایه گذاری وجود دارد. ابتدا ، این مقاله نقصی را که پایگاه داده ، پایگاه مدل و پایگاه دانش به طور مستقل در سیستم پشتیبانی تصمیم گیری سنتی طراحی و اجرا می شوند را مطرح می کند. سپس ، یک بستر یکپارچه و کارآمدی را برای پردازش داده های اینترنت اشیا مبتنی بر فناوری DMFS ایجاد می کند که ادغام پایگاه داده و مدل را تحقق می بخشد و به صورت مبتکرانه یک مدل داده کاوی را با استفاده از ابرداده های بازار ایجاد کرده و تصمیمات سرمایه گذاری را به صورت پویا تجزیه و تحلیل کرده و ارائه می کند. سرانجام ، داده های درآمد عملیاتی یک شرکت ذکر شده در ده سال اخیر برای شبیه سازی انتخاب می شود که کارآیی سیستم مدل را در پردازش داده های پویا و ثبات درآمد سرمایه گذاری تأیید می کند. مقدمه: با توسعه مداوم اقتصاد جهانی ، اوضاع بازار پیچیده تر شده و تصمیم گیری در مورد سرمایه گذاری شرکت ها دشوارتر می شود [1]. به عنوان مهمترین تصمیم در کلیه تصمیمات یک شرکت ، اشتباهات در تصمیمات سرمایه گذاری ضررهای زیادی را برای شرکت به دنبال خواهد داشت. تصمیم گیری در مورد سرمایه گذاری معمولاً به تصمیم سرمایه گذاری که پس از تحقیق ، تجزیه و تحلیل و نمایش شرکت یا پروژه توسط سرمایه گذار اتخاذ شده است ، اشاره دارد [2]. بنابراین، نحوه درک تحلیل دقیق چشم‌انداز سرمایه‌گذاری به کانون تحقیقات بسیاری از محققان تبدیل شده‌است. [3]. وی چارچوب بهینه سازی تصمیم گیری در مورد سرمایه گذاری را برای نوسازی با هدف صرفه جویی در مصرف انرژی در چندین ساختمان تحت محدودیت بودجه مالی مورد مطالعه قرار داد [4]. همچنین یک مدل بهینه سازی چند هدفه با هدف اقتصادی به عنوان ارزش خالص فعلی و زمان سود و هدف زیست محیطی به عنوان هدف صرفه جویی در مصرف انرژی و کاهش انتشار و طراحی یک روش بهینه سازی هوشمند با ترکیب بهینه سازی ازدحام ذرات و الگوریتم ژنتیک ، جستجو در استراتژی سرمایه گذاری برای تغییر و تحول را پیشنهاد کرد [5]. گائو یک مدل نظری تجزیه و تحلیل براساس قوانین استدلال شهودی را ایجاد کرد که گزارش‌های سهام تحلیلگران مالی را به عنوان ورودی در نظر می‌گیرد و استراتژی‌های پورتفولیو را از طریق پورتفولیوی متکی به مدرک و دلیل ایجاد می‌کند[6]. سواستیانوف و دیموا نظریه دمپستر-شافر و نظریه مجموعه های فازی در یک سیستم خبره تجارت که شبیه سازی فرایند تصمیم گیری انسان است را ارائه می دهند و همچنین پیشنهاداتی را برای معامله گران جهت خرید و فروش سهام یا سایر ابزارهای مالی با در نظر گرفتن عواملی مانند تاریخچه قیمت ، شاخص های تجزیه و تحلیل فنی ، و قوانین تجارت شناخته شده ارائه می دهند [7]. چو یک مدل جدید پیش بینی وضعیت وام حساس به هزینه را با یک مدل تصمیم گیری سرمایه گذاری خاص در بازار وام P2P ترکیب می کند [8]. سهم عملی این مدل ارائه مکانیزم کامل پیش بینی وام مبتنی بر دستگاه بردار پشتیبانی فازی و استفاده از یک مدل رگرسیون ساده برای رتبه بندی وام هایی با بازده بالا و در نهایت وام های درجه بالای پورتفولیو می باشد. ظهور و توسعه فناوری اینترنت اشیا امکان دستیابی به داده های پروژه یا سازمانی را در زمان واقعی فراهم می کند [9].

With the continuous improvement of the global securities market, the market competition is unprecedented fierce. In the aspect of investment decision support system, there is an urgent need to continuously absorb new information processing technologies and improve the scientific and standardization of decision-making, so as to achieve the goal of improving investment decision-making efficiency and stabilizing investment returns. Firstly, this paper introduces the defect that the database, model base and knowledge base are designed and implemented independently in the traditional decision support system. Then, constructing a unified and efficient data processing platform for Internet of Things based on DMFS technology, which realizes the integration of database and model, and innovatively establishes a data mining model facing market big data, dynamically analyzes and proposes investment decisions. Finally, the operating income data of a listed company in recent ten years are selected for simulation, which verifies the efficiency of the model system in processing dynamic data and the stability of investment income. Introduction: With the continuous development of the global economy, the market situation is becoming more and more complex, and the investment decision-making of enterprises becomes more and more difficult [1]. As the most critical and important decision in all the decisions of an enterprise, mistakes in investment decisions will lead to huge losses for the enterprise. Investment decision usually refers to the investment decision made by the investor after investigation, analysis and demonstration of the enterprise or project [2]. Therefore, how to realize the accurate analysis of the investment prospect has become the research focus of most scholars [3]. He studied the investment decision-making optimization framework for energy-saving renovation of several buildings under the constraint of fiscal budget [4]. Proposing a multi-objective optimization model with economic objective as net present value and profit time and environmental objective as energy saving and emission reduction objective, and designing an intelligent optimization method combining particle swarm optimization and genetic algorithm, searching the investment strategy for transformation [5]. Gao constructed an analysis opinion model based on evidential reasoning rules, which taking stock reports of financial analysts as input and generates portfolio strategies through evidential portfolio [6]. Sevastianov and Dymova introduced Dempster–Shafer theory and fuzzy set theory into an expert trading system that simulates human decision-making process, providing suggestions for traders to buy and sell stocks or other financial instruments by considering factors such as price history, technical analysis indicators, and recognized trading rules [7]. Cho combines a new cost-sensitive loan state prediction model with an investment decision model specifically aimed at P2P loan market [8]. The practical contribution of this model is to provide a full loan forecasting mechanism based on Entropy Fuzzy Support Vector Machine, and to use a simple regression model to rank loans with high return on investment, and ultimately to portfolio high-grade loans. The emergence and development of the Internet of Things technology provides the possibility to acquire project or enterprise data in real time [9].