Aller au contenu principal
2026 conference-paper

A Novel Financial Market Prediction Framework Based on Deep Learning for Accurate Trend Forecasting

7Citations signalées, ce qui n’est pas une note de qualité
7Institutions déclarées
3Pays d’affiliation déclarés

Rattachement africain : in, ru, uz. Niveau de preuve : code pays fourni par la source.

Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
A Novel Financial Market Prediction Framework Based on Deep Learning for Accurate Trend Forecasting
Date Crossref
01/01/2026
Éditeur
Springer Nature Switzerland
Type
book-chapter

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

  • Sathyabama Institute of Science and Technology pays non établi dans la notice
    Université ou école supérieure
  • Sharda University pays non établi dans la notice
    Université ou école supérieure
  • Kurgan State University pays non établi dans la notice
    Université ou école supérieure
  • Ferghana Polytechnical Institute pays non établi dans la notice
    Université ou école supérieure
  • Ferghana State University pays non établi dans la notice
    Université ou école supérieure
  • Fergana State Technical University pays non établi dans la notice
    Université ou école supérieure
  • Amity University pays non établi dans la notice
    Université ou école supérieure
  • CVS Health pays non établi dans la notice
    Institution

Sathyabama Institute of Science and Technology, Sharda University et Kurgan State University, avec 5 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Stock Market Forecasting MethodsMachine Learning and ELMAdvanced Technologies in Various Fields

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.