Skip to content
Publikuj i Dystrybuuj
Rozwiązania Wydawnicze
Rozwiązania Dystrybucyjne
Usługi biblioteczne
Dziedziny
Architektura i projektowanie
Bibliotekoznawstwo i bibliologia
Biznes i ekonomia
Chemia
Chemia przemysłowa
Filozofia
Fizyka
Historia
Informatyka
Inżynieria
Inżynieria materiałowa
Językoznawstwo i semiotyka
Kulturoznawstwo
Literatura
Matematyka
Medycyna
Muzyka
Nauki farmaceutyczne
Nauki klasyczne i starożytne studia bliskowschodnie
Nauki o Ziemi
Nauki o organizmach żywych
Nauki społeczne
Prawo
Sport i rekreacja
Studia judaistyczne
Sztuka
Teologia i religia
Zagadnienia ogólne
Publikacje
Czasopisma
Książki
Materiały konferencyjne
Wydawcy
Journal Matcher
Blog
Kontakt
Wyszukiwanie
Polski
English
Deutsch
Polski
Español
Français
Italiano
Koszyk
Home
Czasopisma
Studia Universitatis „Vasile Goldis” Arad – Economics Series
Tom 28 (2018): Zeszyt 3 (Wrzesień 2018)
Otwarty dostęp
Market Forecasts and Client Behavioral Data: Towards Finding Adequate Model Complexity
Dan Stelian Deac
Dan Stelian Deac
Faculty of Economics, Engineering and Informatics, “Vasile Goldiș” Western University of Arad,
Arad, Romania
Wyszukaj tego autora
Sciendo
|
Google Scholar
Deac, Dan Stelian
oraz
Klaus Bruno Schebesch
Klaus Bruno Schebesch
Faculty of Economics, Engineering and Informatics, “Vasile Goldiș” Western University of Arad,
Arad, Romania
Wyszukaj tego autora
Sciendo
|
Google Scholar
Schebesch, Klaus Bruno
15 wrz 2018
Studia Universitatis „Vasile Goldis” Arad – Economics Series
Tom 28 (2018): Zeszyt 3 (Wrzesień 2018)
O artykule
Poprzedni artykuł
Następny artykuł
Abstrakt
Referencje
Autorzy
Artykuły w tym zeszycie
Podgląd
PDF
Zacytuj
Udostępnij
Pobierz okładkę
Data publikacji:
15 wrz 2018
Zakres stron:
50 - 75
Otrzymano:
01 lip 2018
Przyjęty:
01 sie 2018
DOI:
https://doi.org/10.2478/sues-2018-0015
Słowa kluczowe
Aggregate market reaction
,
individual client behavior
,
data modeling
,
deep neural networks
,
overtraining
© 2018 Dan Stelian Deac, published by Sciendo
This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 License.