I
n
d
on
e
s
ian
Jou
r
n
al
o
f
E
lec
t
r
ica
l
E
n
gin
e
e
r
in
g
a
n
d
Com
p
u
t
e
r
S
c
ience
Vo
l
.
4
3
,
N
o
.
3
,
S
e
p
t
e
m
b
e
r
202
6
,
pp.
780
~
791
I
S
S
N:
2502
-
4752,
DO
I
:
10
.
11591/i
j
e
e
c
s
.
v
4
3
.i
3
.
pp
780
-
791
780
Jou
r
n
al
h
o
m
e
page
:
ht
tp:
//
ij
e
e
c
s
.
iaes
c
or
e
.
c
om
D
e
e
p
l
e
ar
n
in
g
–
d
r
iv
e
n
au
t
o
m
a
t
e
d
p
r
e
d
ic
t
io
n
an
d
d
at
a
an
al
y
si
s of
t
h
e
In
d
ia
n
st
oc
k
i
n
d
e
x
Vij
ayk
u
m
a
r
B
id
ve
1
,
K
e
t
k
i
K
s
h
ir
s
aga
r
2
,
Jayas
h
r
e
e
T
am
k
h
ad
e
2
,
S
u
n
il
S
an
gve
3
,
Gee
t
h
a
R
Chi
l
l
a
r
ge
4
,
Ar
yan
i
Gan
gad
h
ar
a
5
,
S
h
ai
l
e
s
h
K
e
d
iya
6
,
P
r
iyan
k
a
P
aygu
d
e
7
1
S
c
h
oo
l
of
C
o
mput
e
r
S
c
i
e
n
c
e
a
nd I
n
f
or
ma
ti
o
n
T
e
c
hn
o
l
o
g
y
, S
ymbi
o
s
is
S
ki
ll
s
a
nd P
r
of
e
s
s
io
na
l
U
ni
ve
r
s
it
y
, P
un
e
, I
ndi
a
2
D
e
pa
r
tm
e
nt
of
E
l
e
c
tr
o
ni
c
s
a
nd
T
e
le
c
o
mm
uni
c
a
ti
o
n
,
B
a
ns
il
a
l
R
a
mna
th
A
ga
r
w
a
l
C
ha
r
it
a
bl
e
T
r
us
t
’
s
V
is
hw
a
ka
r
ma
I
ns
ti
tu
te
of
I
n
f
or
ma
ti
o
n
T
e
c
hn
o
l
o
g
y
, P
un
e
,
I
ndi
a
3
D
e
pa
r
tm
e
nt
of
A
r
ti
f
i
c
ia
l
I
nt
e
ll
ig
e
nc
e
a
nd D
a
ta
S
c
i
e
n
c
e
, V
is
hw
a
ka
r
ma
I
ns
ti
tu
te
of
T
e
c
hn
o
l
o
g
y
, P
un
e
, I
nd
ia
4
D
e
pa
r
tm
e
nt
of
C
o
mpu
te
r
E
ngi
n
e
e
r
in
g, M
a
r
a
th
w
a
da
M
it
r
a
M
a
n
da
l
’
s
C
o
ll
e
g
e
of
E
ngi
n
e
e
r
in
g, P
un
e
, I
ndi
a
5
D
e
pa
r
tm
e
nt
of
F
ir
s
t
Y
e
a
r
E
ngi
n
e
e
r
in
g, D
. Y
. P
a
ti
l
C
o
ll
e
g
e
of
E
ngi
ne
e
r
in
g,
P
une
,
I
ndi
a
6
S
c
h
oo
l
of
L
o
gi
s
ti
c
s
a
nd S
uppl
y
C
ha
in
M
a
na
ge
me
nt
, S
y
mb
i
o
s
is
S
ki
ll
s
a
nd P
r
of
e
s
s
io
na
l
U
ni
ve
r
s
it
y
, P
un
e
, I
nd
ia
7
D
e
pa
r
tm
e
nt
of
I
n
f
or
ma
ti
o
n
T
e
c
hn
o
l
o
g
y
, B
ha
r
a
ti
V
id
y
a
p
e
e
th
(
D
e
e
me
d t
o
b
e
U
ni
ve
r
s
it
y
)
, C
o
ll
e
g
e
of
E
ng
in
e
e
r
in
g, P
un
e
, I
ndi
a
Ar
t
ic
l
e
I
n
f
o
AB
S
T
RA
CT
A
r
ti
c
le
h
is
tor
y
:
R
e
c
e
i
ve
d
Oc
t
21
,
2024
R
e
vi
s
e
d
J
u
l
13
,
2026
A
c
c
e
pt
e
d
A
ug
19
,
2026
T
h
i
s
s
t
u
d
y
fo
c
u
s
e
s
o
n
t
h
e
I
n
d
i
a
n
s
t
o
c
k
i
n
d
e
x
(
N
IFT
Y
5
0
),
em
p
l
o
y
i
n
g
ad
v
an
ced
d
ee
p
l
e
ar
n
i
n
g
me
t
h
o
d
o
l
o
g
i
e
s
t
o
e
n
h
an
ce
p
r
ed
i
c
t
i
v
e
a
ccu
ra
cy
a
n
d
s
u
p
p
o
rt
i
n
t
e
l
l
i
g
en
t
t
rad
i
n
g
d
ec
i
s
i
o
n
s
.
T
h
e
r
e
s
e
ar
ch
i
n
v
e
s
t
i
g
at
e
s
t
h
e
re
l
at
i
o
n
s
h
i
p
b
e
t
w
een
t
h
e
v
o
l
at
i
l
i
t
y
i
n
d
e
x
(
V
I
X
)
a
n
d
N
IFT
Y
5
0
,
an
al
y
zi
n
g
h
o
w
f
l
u
c
t
u
at
i
o
n
s
i
n
V
IX
i
n
f
l
u
en
ce
m
ar
k
e
t
d
i
r
ec
t
i
o
n
a
n
d
fu
t
u
re
s
p
e
rfo
r
m
a
n
ce
.
B
y
m
o
n
i
t
o
r
i
n
g
r
e
a
l
-
t
i
me
v
ari
at
i
o
n
s
i
n
V
I
X
d
u
ri
n
g
t
rad
i
n
g
h
o
u
rs
,
t
h
e
s
t
u
d
y
ai
m
s
t
o
c
ap
t
u
re
i
n
t
rad
a
y
v
o
l
at
i
l
i
t
y
p
at
t
e
rn
s
an
d
p
ro
v
i
d
e
ac
t
i
o
n
ab
l
e
i
n
s
i
g
h
t
s
fo
r
i
n
v
e
s
t
o
rs
.
T
o
ac
h
i
ev
e
t
h
i
s
,
t
h
e
p
ro
p
o
s
ed
framew
o
r
k
l
e
v
e
ra
g
e
s
l
o
n
g
s
h
o
rt
-
t
e
rm
mem
o
r
y
(L
ST
M)
n
e
t
w
o
rk
s
,
a
s
o
p
h
i
s
t
i
c
at
e
d
d
eep
l
e
ar
n
i
n
g
t
ec
h
n
i
q
u
e
w
el
l
-
s
u
i
t
ed
fo
r
s
e
q
u
e
n
t
i
a
l
d
at
a
an
a
l
y
s
i
s
an
d
fi
n
an
c
i
al
fo
r
ec
as
t
i
n
g
.
T
h
e
me
t
h
o
d
o
l
o
g
y
en
c
o
m
p
as
s
e
s
d
at
a
co
l
l
ec
t
i
o
n
,
p
r
ep
ro
ce
s
s
i
n
g
,
f
e
at
u
r
e
e
n
g
i
n
ee
ri
n
g
,
a
n
d
t
h
e
d
e
s
i
g
n
o
f
an
L
ST
M
-
b
as
e
d
p
re
d
i
c
t
i
v
e
mo
d
el
,
fo
l
l
o
w
ed
b
y
ri
g
o
r
o
u
s
e
v
a
l
u
at
i
o
n
an
d
b
ack
-
t
e
s
t
i
n
g
.
E
x
p
e
r
i
me
n
t
al
re
s
u
l
t
s
d
em
o
n
s
t
rat
e
t
h
e
e
ff
ec
t
i
v
e
n
e
s
s
o
f
t
h
e
ap
p
ro
a
c
h
i
n
fo
r
ec
as
t
i
n
g
N
IFT
Y
5
0
m
o
v
emen
t
s
,
h
i
g
h
l
i
g
h
t
i
n
g
t
h
e
p
o
t
e
n
t
i
a
l
o
f
L
ST
M
n
e
t
w
o
rk
s
t
o
o
u
t
p
e
rfo
rm
t
rad
i
t
i
o
n
a
l
s
t
a
t
i
s
t
i
c
al
an
d
m
a
c
h
i
n
e
l
e
arn
i
n
g
mo
d
el
s
.
T
h
e
f
i
n
d
i
n
g
s
c
o
n
t
ri
b
u
t
e
t
o
t
h
e
g
ro
w
i
n
g
b
o
d
y
o
f
r
e
s
e
ar
c
h
o
n
A
I
-
d
ri
v
e
n
f
i
n
a
n
c
i
a
l
p
re
d
i
c
t
i
o
n
,
o
ff
e
ri
n
g
a
p
arad
i
g
m
s
h
i
ft
i
n
t
h
e
ap
p
l
i
c
at
i
o
n
o
f
d
ee
p
l
e
ar
n
i
n
g
f
o
r
s
t
o
c
k
m
ar
k
e
t
an
al
y
s
i
s
an
d
p
av
i
n
g
t
h
e
w
a
y
fo
r
m
o
r
e
r
el
i
ab
l
e
,
a
u
t
o
m
at
e
d
d
eci
s
i
o
n
-
m
ak
i
n
g
i
n
i
n
v
e
s
t
men
t
s
t
rat
e
g
i
e
s
.
K
e
y
w
o
r
d
s
:
Da
t
a
a
n
a
l
y
s
i
s
Da
t
a
i
n
t
e
gr
a
t
i
o
n
De
e
p
l
e
a
r
ni
ng
P
r
e
d
i
c
t
i
o
n
a
n
a
ly
s
i
s
S
to
c
k
i
n
de
x
Th
i
s
i
s
a
n
o
p
en
a
c
ces
s
a
r
t
i
c
l
e
u
n
d
e
r
t
h
e
CC
BY
-
SA
l
i
cen
s
e.
C
or
r
e
s
pon
din
g
A
u
th
or
:
V
i
j
a
y
ku
m
a
r
B
i
d
v
e
S
c
h
o
o
l
o
f
C
o
m
put
e
r
S
c
i
e
n
c
e
a
n
d
I
nf
o
r
m
a
t
i
o
n
T
e
c
hn
o
l
o
g
y
,
S
y
m
bi
o
s
i
s
S
k
i
ll
s
a
n
d
P
r
o
f
e
s
s
i
o
n
a
l
U
ni
ve
r
s
i
t
y
P
un
e
,
I
n
d
i
a
E
m
a
i
l
:
vij
a
y
.
bi
d
v
e
@
g
m
a
il
.
c
o
m
1.
I
NT
RODU
C
T
I
ON
F
i
na
n
c
i
a
l
m
a
r
ke
t
s
a
r
e
dy
n
a
mi
c
s
y
s
t
e
m
s
c
h
a
r
a
c
t
e
r
i
z
e
d
by
e
v
e
r
-
c
h
a
n
g
i
ng
a
n
d
c
o
m
p
l
e
x
t
r
e
n
ds
t
h
a
t
c
o
n
t
i
n
ue
to
a
tt
r
a
c
t
t
h
e
a
tt
e
n
t
i
o
n
o
f
b
o
t
h
i
nv
e
s
t
or
s
a
n
d
r
e
s
e
a
r
c
h
e
r
s
.
W
i
t
hi
n
t
hi
s
c
o
n
t
e
x
t
,
t
h
e
I
n
d
i
a
n
s
t
oc
k
i
n
d
e
x
NI
F
T
Y50
s
e
r
ve
s
a
s
a
c
r
i
t
i
c
a
l
b
e
n
c
hm
a
r
k
o
f
e
c
o
n
o
mi
c
s
t
r
e
n
gt
h
a
n
d
m
a
r
ke
t
s
e
n
t
i
m
e
n
t
i
n
t
h
e
c
o
un
t
r
y
[
1]
,
[
2]
.
A
c
c
ur
a
t
e
l
y
pr
e
d
i
c
t
i
n
g
i
t
s
m
o
v
e
m
e
n
t
s
r
e
m
a
i
ns
a
f
o
r
m
i
da
bl
e
c
h
a
ll
e
n
ge
,
y
e
t
i
t
i
s
e
s
s
e
n
t
i
a
l
f
o
r
i
nf
o
r
m
e
d
de
c
i
s
i
o
n
-
m
a
k
i
ng
i
n
i
nve
s
t
m
e
n
t
a
n
d
e
c
o
n
o
m
i
c
p
l
a
nni
ng.
T
r
a
di
t
i
o
n
a
l
m
a
r
ke
t
a
n
a
ly
s
i
s
m
e
t
h
o
ds
,
whi
le
us
e
f
u
l
,
o
f
t
e
n
s
t
r
uggl
e
to
c
a
p
t
ur
e
t
h
e
n
ua
n
c
e
s
o
f
m
a
r
ke
t
b
e
h
a
vi
o
r
,
pa
r
t
i
c
u
l
a
r
ly
u
n
de
r
v
o
l
a
t
i
l
e
a
n
d
unc
e
r
t
a
i
n
c
o
n
d
i
t
i
o
n
s
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
I
S
S
N:
2502
-
4752
De
e
p
lear
ning
–
dr
ive
n
automated
pr
e
diction
and
data
analys
is
of
the
I
ndian
s
tock
index
(
V
ij
ay
k
umar
B
idve
)
781
C
o
n
s
e
que
n
t
l
y
,
t
h
e
i
n
t
e
gr
a
t
i
o
n
o
f
de
e
p
l
e
a
r
ni
ng
m
e
t
h
o
do
l
o
g
i
e
s
h
a
s
e
m
e
r
ge
d
a
s
a
t
r
a
n
s
f
o
r
m
a
t
i
v
e
a
ppr
o
a
c
h
,
o
f
f
e
r
i
ng
e
nh
a
n
c
e
d
pr
e
d
i
c
t
i
v
e
c
a
pa
bil
i
t
i
e
s
i
n
f
i
na
nc
ia
l
a
n
a
ly
t
i
c
s
[
3]
.
T
hi
s
r
e
s
e
a
r
c
h
h
a
r
n
e
s
s
e
s
t
h
e
po
we
r
o
f
l
o
n
g
s
ho
r
t
-
t
e
r
m
m
e
m
o
r
y
(
L
S
T
M
)
n
e
t
wo
r
ks
to
f
o
r
e
c
a
s
t
NI
F
T
Y50
t
r
e
n
ds
by
l
e
ve
r
a
g
i
n
g
t
h
e
v
o
l
a
t
i
li
t
y
i
nde
x
(
VI
X)
,
a
wi
de
ly
r
e
c
o
gni
z
e
d
m
e
a
s
ur
e
o
f
m
a
r
ke
t
v
o
l
a
t
i
li
t
y
a
n
d
i
nve
s
t
or
s
e
n
t
i
m
e
n
t
[
4]
.
T
h
e
pr
i
m
a
r
y
o
bj
e
c
t
i
ve
i
s
to
e
x
p
l
o
i
t
t
h
e
pr
e
d
i
c
t
i
v
e
s
t
r
e
n
gt
h
o
f
L
S
T
M
m
o
de
l
s
t
o
a
n
t
i
c
i
pa
t
e
c
ha
n
ge
s
i
n
NI
F
T
Y50
by
o
bs
e
r
vi
ng
VI
X
v
a
l
ue
s
.
B
e
y
o
n
d
l
o
n
g
-
t
e
r
m
f
o
r
e
c
a
s
t
i
n
g,
t
h
e
s
t
ud
y
e
xt
e
n
ds
to
i
n
t
r
a
da
y
pr
e
d
i
c
t
i
o
n
s
,
c
a
pt
ur
i
n
g
s
udde
n
f
l
uc
t
ua
t
i
o
n
s
i
n
VI
X
dur
i
n
g
tr
a
d
i
n
g
h
o
ur
s
to
f
o
r
e
c
a
s
t
s
h
o
r
t
-
t
e
r
m
v
o
l
a
t
i
li
t
y
i
n
NI
F
T
Y50
f
ut
ur
e
s
[
5
]
,
[
6]
.
B
y
e
m
p
l
o
yi
ng
a
dv
a
nc
e
d
de
e
p
l
e
a
r
ni
ng
t
e
c
hni
qu
e
s
,
t
hi
s
wo
r
k
n
o
t
o
nly
im
pr
o
v
e
s
f
o
r
e
c
a
s
t
a
c
c
ur
a
c
y
b
ut
a
l
s
o
r
e
s
h
a
pe
s
t
h
e
de
c
i
s
i
o
n
-
m
a
k
i
ng
pr
o
c
e
s
s
i
n
f
i
na
n
c
i
a
l
i
nve
s
t
m
e
n
t
s
,
o
f
f
e
r
i
ng
pr
o
m
i
s
i
ng
pr
o
s
pe
c
t
s
f
o
r
a
uto
m
a
t
e
d
t
r
a
di
n
g
s
y
s
t
e
m
s
[
7]
,
[
8]
.
P
r
e
d
i
c
t
i
n
g
f
i
na
n
c
i
a
l
m
a
r
ke
t
b
e
ha
vi
o
r
h
a
s
l
o
n
g
b
e
e
n
a
c
e
n
t
r
a
l
t
h
e
m
e
i
n
e
c
o
n
o
m
i
c
r
e
s
e
a
r
c
h
.
T
r
a
di
t
i
o
n
a
l
a
ppr
o
a
c
h
e
s
,
i
n
c
l
ud
i
ng
s
t
a
t
i
s
t
i
c
a
l
m
o
de
ls
a
n
d
pe
r
f
o
r
m
a
n
c
e
i
n
d
i
c
a
t
o
r
s
,
p
r
o
vi
de
v
a
l
ua
bl
e
i
ns
i
g
h
t
s
b
ut
o
f
t
e
n
f
a
ll
s
h
o
r
t
i
n
c
a
pt
ur
i
n
g
t
h
e
c
o
m
p
l
e
xi
t
y
o
f
m
a
r
ke
t
dy
n
a
mi
c
s
.
I
n
r
e
c
e
n
t
y
e
a
r
s
,
t
h
e
a
do
p
t
i
o
n
o
f
de
e
p
l
e
a
r
ni
ng
t
e
c
hni
que
s
h
a
s
ga
i
ne
d
m
o
m
e
n
t
u
m
due
t
o
t
h
e
i
r
a
bi
li
t
y
t
o
m
o
de
l
s
e
que
n
t
i
a
l
de
pe
n
de
n
c
i
e
s
a
n
d
un
c
o
v
e
r
hi
dde
n
pa
t
t
e
r
n
s
i
n
l
a
r
ge
-
s
c
a
l
e
f
i
na
nc
i
a
l
da
t
a
[
9]
,
[
1
0]
.
T
hi
s
s
t
udy
s
e
e
k
s
to
b
r
i
dg
e
e
xi
s
t
i
n
g
ga
ps
by
i
nve
s
t
i
ga
t
i
n
g
t
h
e
pr
e
di
c
t
i
v
e
a
bil
i
t
y
o
f
L
S
T
M
n
e
t
w
o
r
ks
w
i
t
hi
n
t
h
e
f
r
a
m
e
wo
r
k
o
f
NI
F
T
Y50,
us
i
n
g
VI
X
a
s
a
b
e
n
c
hm
a
r
k.
T
h
e
r
e
s
e
a
r
c
h
c
o
n
t
r
i
b
ut
e
s
to
t
h
e
e
xpa
n
d
i
ng
b
o
d
y
o
f
wo
r
k
a
t
t
h
e
i
n
t
e
r
s
e
c
t
i
o
n
o
f
de
e
p
l
e
a
r
ni
ng
a
n
d
f
i
na
nc
i
a
l
m
a
r
ke
t
s
,
e
m
p
h
a
s
i
z
i
ng
L
S
T
M
’
s
a
d
v
a
n
t
a
ge
s
in
c
a
pt
ur
i
n
g
t
e
m
po
r
a
l
de
pe
n
d
e
n
c
i
e
s
a
n
d
t
h
e
uni
que
pr
o
pe
r
t
i
e
s
o
f
VI
X
i
n
m
e
a
s
ur
i
ng
v
o
l
a
t
i
li
t
y
.
W
hil
e
pr
i
o
r
s
t
udi
e
s
h
a
ve
de
m
o
n
s
t
r
a
t
e
d
t
h
e
e
f
f
e
c
t
i
ve
n
e
s
s
o
f
de
e
p
l
e
a
r
ni
n
g
i
n
s
t
o
c
k
p
r
i
c
e
pr
e
di
c
t
i
o
n
,
c
ha
l
l
e
nge
s
r
e
m
a
i
n
r
e
ga
r
d
i
n
g
da
t
a
s
t
a
bi
li
t
y
,
i
n
t
e
r
pr
e
t
a
bi
li
t
y
,
a
n
d
i
mm
e
d
i
a
t
e
a
pp
l
i
c
a
t
i
o
n
.
F
ut
ur
e
r
e
s
e
a
r
c
h
s
h
o
u
l
d
a
ddr
e
s
s
t
h
e
s
e
li
mi
t
a
t
i
o
ns
to
f
ur
t
h
e
r
e
n
ha
n
c
e
t
h
e
a
c
c
ur
a
c
y
,
t
r
a
n
s
p
a
r
e
n
c
y
,
a
n
d
pr
a
c
t
i
c
a
l
ut
i
li
t
y
o
f
de
e
p
l
e
a
r
ni
ng
m
o
de
l
s
i
n
t
h
e
I
n
d
i
a
n
f
i
na
n
c
i
a
l
m
a
r
ke
t
[
11
]
.
2.
M
E
T
HO
D
2.
1
.
L
it
e
r
at
u
r
e
r
e
view
M
a
ny
s
t
ud
i
e
s
e
x
a
mi
ne
t
h
e
v
a
l
ue
s
o
f
t
h
e
v
o
l
a
t
i
li
t
y
in
de
x
(
VI
X)
i
n
d
i
f
f
e
r
e
n
t
s
to
c
k
m
a
r
ke
t
s
wor
l
dw
i
d
e
.
“
T
hi
s
s
t
ud
y
wa
s
c
a
r
r
i
e
d
o
u
t
by
An
d
e
r
s
e
n
e
t
al.
[
1
]
a
n
d
S
unny
e
t
al.
[
12]
,
whi
c
h
h
a
s
a
s
t
r
o
n
g
c
o
r
r
e
l
a
ti
o
n
w
i
t
h
t
h
e
S
&
P
500
i
n
de
x
,
a
s
a
n
e
s
s
e
n
t
i
a
l
i
nd
i
c
a
t
o
r
o
f
m
a
r
ke
t
s
e
n
t
i
m
e
n
t
a
n
d
v
o
l
a
t
i
li
t
y
.”
W
h
e
n
we
e
x
t
e
n
d
t
hi
s
un
de
r
s
t
a
n
d
i
ng
t
o
ot
h
e
r
i
n
d
i
c
e
s
li
ke
NI
F
T
Y
F
I
F
T
Y
f
o
r
t
h
e
I
n
d
i
a
n
s
t
o
c
k
m
a
r
ke
t
,
t
h
e
r
e
i
s
a
n
e
x
c
e
l
l
e
n
t
wa
y
to
m
a
ke
pr
e
d
i
c
t
i
o
ns
.
R
e
c
e
n
t
r
e
s
e
a
r
c
h
s
h
o
ws
t
h
a
t
L
S
T
M
n
e
t
w
o
r
ks
h
a
v
e
s
uc
c
e
s
s
f
u
ll
y
a
pp
li
e
d
to
s
to
c
k
m
a
r
ke
t
pr
e
d
i
c
t
i
o
n
s
.
T
h
e
L
S
T
M
m
o
de
l
pr
e
d
i
c
t
s
m
a
r
ke
t
pr
i
c
e
s
by
c
o
m
bi
n
i
ng
pr
e
s
e
n
t
a
n
d
hi
s
t
o
r
i
c
a
l
pr
i
c
e
da
ta,
whi
c
h
pe
r
f
o
r
m
s
b
e
t
t
e
r
t
h
a
n
tr
a
di
t
i
o
n
a
l
m
e
t
h
o
ds
.
H
o
we
v
e
r
,
s
o
m
e
s
t
udi
e
s
s
pe
c
i
f
i
c
a
ll
y
f
o
c
u
s
o
n
f
o
r
e
c
a
s
t
i
n
g
NI
F
T
Y50
t
r
e
n
ds
b
a
s
e
d
o
n
VI
X
us
i
n
g
L
S
T
M
n
e
t
wo
r
ks
i
n
t
h
e
c
o
n
t
e
x
t
o
f
t
h
e
I
n
di
a
n
s
to
c
k
m
a
r
ke
t
[
13
],
[
14
].
De
e
p
l
e
a
r
ni
ng
m
e
t
h
o
ds
,
pr
i
m
a
r
i
ly
s
h
o
r
t
-
t
e
r
m
t
e
m
po
r
a
l
(
L
S
T
M
)
n
e
t
w
o
r
ks
,
h
a
ve
s
uc
c
e
s
s
f
u
ll
y
c
a
pt
ur
e
d
t
e
m
po
r
a
l
a
n
d
s
e
que
n
t
i
a
l
pa
t
t
e
r
n
s
i
n
t
i
m
e
r
e
c
o
r
ds
.
F
o
r
e
x
a
m
p
l
e
,
wo
r
k
b
y
Ho
c
h
r
e
i
t
e
r
a
n
d
S
c
hmi
d
h
u
b
e
r
i
n
t
r
o
duc
e
d
L
S
T
M
n
e
t
wo
r
ks
.
I
t
s
h
o
we
d
t
h
a
t
t
h
e
y
c
a
n
o
v
e
r
c
o
m
e
t
h
e
l
im
i
t
a
t
i
o
n
s
o
f
n
e
ur
a
l
n
e
t
wo
r
ks
l
i
ke
r
e
c
ur
r
e
n
t
n
e
ur
a
l
n
e
t
wo
r
ks
(
R
NN
s
)
i
n
c
a
pt
ur
i
n
g
l
o
n
g
-
t
e
r
m
r
e
s
i
de
n
t
s
a
n
d
t
h
a
t
t
h
e
s
e
ne
t
wor
ks
a
r
e
pa
r
t
i
c
u
l
a
r
ly
s
u
i
t
a
bl
e
f
o
r
e
c
o
n
o
m
i
c
f
o
r
e
c
a
s
t
i
n
g
[
15
].
S
e
l
v
a
m
ut
h
u
e
t
al.
[
16
]
di
s
c
u
s
s
e
d
I
n
d
i
a
n
s
t
o
c
k
a
n
a
ly
s
i
s
by
ne
ur
a
l
n
e
t
wor
k
us
i
n
g
t
h
r
e
e
di
f
f
e
r
e
n
t
a
l
go
r
i
t
hm
s
f
o
r
15
m
i
n
da
t
a
.
T
h
e
y
c
o
m
m
e
n
t
e
d
on
99.
9%
a
c
c
ur
a
c
y
f
o
r
t
i
c
k
da
t
a
a
n
a
l
y
s
i
s
o
f
I
n
d
ian
s
t
o
c
k
c
o
m
pa
ni
e
s
.
Z
a
h
r
a
e
t
al.
[
17
]
p
r
o
p
o
s
e
s
to
c
k
p
r
e
d
i
c
t
i
o
n
us
i
ng
l
i
ne
a
r
a
n
d
n
o
n
-
li
ne
a
r
m
e
t
h
o
ds
f
o
r
f
o
r
e
c
a
s
t
i
n
g.
T
h
e
y
a
n
a
ly
z
e
NI
F
T
Y
50
s
t
o
c
ks
us
i
n
g
R
NN
,
L
S
T
M
,
a
n
d
c
o
nv
o
l
ut
i
o
n
n
e
ur
a
l
n
e
t
wor
ks
.
A
ut
h
o
r
s
h
a
v
e
c
o
m
m
e
n
t
e
d
m
o
r
e
o
n
R
NN
a
n
d
c
o
n
v
o
l
ut
i
o
n
a
l
n
a
t
ur
a
l
n
e
t
wo
r
ks
t
h
a
n
L
S
T
M
.
R
e
dd
y
[
18
]
p
r
o
p
o
s
e
s
a
S
A
S
s
y
s
t
e
m
f
o
r
da
t
a
pr
e
di
c
t
i
o
n
f
o
r
t
h
e
t
i
m
e
s
e
r
i
e
s
m
o
de
l
.
T
h
e
pa
pe
r
f
o
c
us
e
s
m
o
r
e
o
n
t
h
e
n
a
t
i
o
n
a
l
s
to
c
k
e
x
c
h
a
n
g
e
(
NSE
)
-
NI
F
T
Y
r
i
s
k
v
e
n
t
ur
e
s
by
F
OR
C
A
S
T
a
n
d
a
uto
r
e
g
r
e
s
s
i
ve
i
n
t
e
gr
a
t
e
d
m
o
vi
n
g
a
v
e
r
a
ge
(
A
I
R
M
A
)
pr
o
c
e
s
s
.
Da
ni
a
li
e
t
al.
[
19
]
pr
o
p
o
s
e
d
a
VI
X
i
n
de
x
pr
e
d
i
c
t
i
o
n
t
e
c
hni
que
us
i
ng
de
e
p
l
e
a
r
ni
ng
a
n
d
c
o
nv
o
l
ut
i
o
n
pr
o
b
a
bil
i
t
y
.
T
he
y
u
s
e
d
t
e
c
hni
c
a
l
i
nd
i
c
a
to
r
s
a
n
d
e
c
o
n
o
m
i
c
i
nde
xe
s
f
o
r
e
x
p
e
r
i
m
e
n
t
a
t
i
o
n
a
n
d
r
e
c
t
i
f
i
e
d
hi
g
h
pr
e
c
i
s
i
o
n
,
r
e
s
u
l
t
i
n
g
i
n
a
c
c
ur
a
c
y
.
P
r
a
s
a
d
a
n
d
B
a
k
hs
hi
[
20
]
d
i
s
c
us
s
e
d
t
h
e
r
o
l
e
o
f
t
h
e
v
o
l
a
t
i
l
i
t
y
i
nde
x
i
n
pr
e
d
i
c
t
i
o
n
i
n
t
h
e
I
n
d
i
a
n
e
c
o
n
o
m
y
.
T
h
e
a
ut
h
or
s
p
r
o
p
o
s
e
m
a
c
hi
ne
l
e
a
r
ni
ng
c
l
a
s
s
if
i
e
r
s
l
i
ke
r
e
gr
e
s
s
i
o
n
a
n
d
ot
h
e
r
r
e
l
a
t
e
d
t
e
c
hniques
f
o
r
t
h
e
pr
e
di
c
t
i
o
n
o
f
t
h
e
v
o
l
a
t
i
li
t
y
i
nde
x
i
n
t
h
e
I
n
di
a
n
e
c
o
n
o
m
y
.
T
h
e
y
pr
o
po
s
e
t
h
i
s
n
e
w
t
e
c
hni
que
f
o
r
r
i
s
k
r
e
duc
t
i
o
n
.
Go
n
g
e
t
al.
[
21
]
us
e
d
a
c
o
n
s
o
l
i
da
t
e
d
un
c
e
r
t
a
i
n
t
y
i
n
de
x
b
a
s
e
d
o
n
t
h
e
pr
e
di
c
t
a
bl
e
pr
i
n
c
i
pa
l
c
o
m
po
n
e
n
t
a
n
a
ly
s
i
s
m
e
t
h
o
d.
T
h
e
a
ut
h
or
de
s
i
g
n
e
d
t
w
o
m
o
de
l
s
,
o
n
e
f
o
r
e
r
r
o
r
p
r
e
di
c
t
i
o
n
a
n
d
t
h
e
s
e
c
o
n
d
f
o
r
a
c
o
m
po
s
i
t
e
i
n
d
e
x
de
li
ve
r
y
.
P
us
h
pa
l
a
t
ha
e
t
al.
[
22
]
a
r
e
r
e
s
e
a
r
c
h
e
r
s
o
n
t
h
e
I
n
d
i
a
n
s
t
o
c
k
m
a
r
ke
t
v
o
l
a
t
il
i
t
y
a
n
d
s
o
m
e
s
t
o
c
k
c
o
m
pa
ni
e
s
.
T
h
e
y
e
f
f
e
c
t
i
v
e
ly
o
b
s
e
r
v
e
NSE
N
i
f
t
y
a
n
d
NI
F
T
Y
50
s
e
l
e
c
t
e
d
c
o
m
pa
ni
e
s
to
de
t
e
r
m
i
ne
t
h
e
i
r
f
i
na
n
c
i
a
l
e
f
f
e
c
t
i
v
e
ne
s
s
a
n
d
pr
e
d
i
c
t
t
h
e
f
ut
ur
e
o
f
t
h
e
s
to
c
k
m
a
r
ke
t
.
S
r
i
va
s
t
a
v
a
e
t
al.
[
23
]
pr
e
pa
r
e
d
a
m
o
de
l
t
h
a
t
r
e
d
uc
e
s
i
nve
s
t
o
r
l
o
s
s
by
us
i
ng
t
h
e
L
S
T
M
m
a
c
hi
n
e
l
e
a
r
ni
ng
a
ppr
o
a
c
h
.
T
hi
s
a
ppr
o
a
c
h
a
n
a
l
y
s
e
s
t
i
m
e
s
e
r
i
e
s
s
t
o
c
k
m
a
r
ke
t
da
t
a
a
n
d
r
e
duc
e
s
r
oot
m
e
a
n
s
qua
r
e
e
r
r
o
r
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
S
S
N
:
2502
-
4752
I
n
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
,
Vo
l
.
4
3
,
N
o
.
3
,
S
e
p
t
e
m
b
e
r
20
2
6
:
780
-
791
782
Na
y
a
k
e
t
al.
[
24
]
a
ppr
o
a
c
h
e
d
t
h
e
C
OV
I
D
-
19
e
f
f
e
c
t
o
n
t
h
e
I
n
d
i
a
n
I
n
de
x
a
n
d
s
t
o
c
k
m
a
r
ke
t
us
i
n
g
t
h
e
L
S
T
M
de
e
p
l
e
a
r
ni
ng
m
e
t
h
o
d.
I
t
a
l
s
o
a
n
a
ly
z
e
d
t
h
e
I
n
d
i
a
n
I
n
de
x
a
n
d
s
t
o
c
ks
du
r
i
n
g
C
OV
I
D
-
19
a
n
d
a
c
om
pa
r
a
t
i
v
e
a
ppr
o
a
c
h
.
T
a
bl
e
1
d
i
s
c
us
s
e
s
t
h
e
r
e
vi
e
w
a
n
a
ly
s
i
s
o
f
t
h
e
s
i
mi
l
a
r
pr
e
vi
o
us
e
x
pe
r
i
m
e
n
t
a
t
i
o
n
c
o
n
duc
t
e
d.
T
a
bl
e
1
.
R
e
vi
e
w
a
n
a
ly
s
i
s
A
ut
ho
r
s
I
s
s
ue
f
o
c
us
e
s
o
n
M
e
th
o
d
ol
o
g
y
us
e
d
f
or
e
x
p
e
r
im
e
nt
a
ti
o
n
C
o
mm
e
nt
o
n
e
x
pe
r
im
e
nt
a
ti
o
n
A
nde
r
s
e
n
e
t
al
.
[
1]
I
nt
e
g
r
a
ti
o
n
in
hi
gh
f
r
e
qu
e
n
c
y
I
nt
r
a
da
y
r
e
tu
r
ns
V
e
c
t
o
r
a
ut
o
r
e
gr
e
s
s
io
n
A
c
c
e
s
t
pr
i
c
in
g, a
ll
oc
a
ti
o
n a
nd r
is
k ma
na
ge
m
e
nt
pr
a
c
ti
c
a
l
m
o
d
e
l
de
ve
l
o
p
e
d w
hi
c
h s
ho
w
s
pr
o
mi
n
e
nt
r
e
s
ul
t
f
or
vo
la
ti
li
t
y
a
nd c
or
r
e
la
ti
o
n
.
T
h
e
nm
oz
hi
a
nd
C
ha
ndr
a
[
2]
T
im
e
s
tr
a
t
e
g
y
f
or
V
I
X
a
nd
ma
r
ke
t
r
e
tu
r
ns
T
im
e
s
tr
a
t
e
g
y
V
I
X
s
w
it
c
he
s
t
o
mi
d/
la
r
g
e
c
a
p i
t
gi
ve
s
po
s
it
i
ve
r
e
tu
r
ns
.
S
r
in
i
v
a
s
a
n a
nd
V
a
s
ude
v
a
n
[
3]
R
e
la
ti
o
n be
tw
e
e
n V
I
X
a
nd
s
to
c
k
r
e
tu
r
n
v
a
lu
e
R
e
gr
e
s
s
io
n
V
o
la
ti
li
t
y
i
n
c
r
e
a
s
e
s
r
is
k r
e
tu
r
ns
a
ls
o
in
c
r
e
a
s
e
s
d
e
p
e
nds
o
n s
e
nt
im
e
n
ts
of
in
v
e
s
t
o
r
s
.
S
ki
do
p
o
ul
o
s
[
4
]
V
o
la
ti
it
y
in
d
e
x
f
or
gr
e
e
k
ma
r
ke
t
N
o
n l
in
e
a
r
ve
c
t
o
r
a
ut
o
r
e
gr
e
s
s
i
on
A
na
l
y
s
is
da
ta
b
y
us
in
g G
V
I
X
m
e
th
o
d.
D
e
nni
s
e
t
al
.
[
5]
V
o
la
ti
li
t
y
i
n
da
il
y
s
t
oc
k r
e
tu
r
n
a
nd i
nnov
a
ti
o
ns
i
n s
y
s
t
e
ma
ti
c
vo
la
ti
li
t
y
G
e
ne
r
a
l
c
o
mpa
r
is
o
n
V
o
la
ti
li
t
y
i
n da
il
y
s
t
oc
k r
e
tu
r
n a
nd i
nn
ov
a
ti
o
ns
i
n
s
y
s
te
ma
ti
c
vo
la
ti
li
t
y
r
e
la
ti
o
n
is
no
n
z
e
r
o
.
A
ki
ta
e
t
al
.
[
11]
S
to
c
k pr
e
di
c
ti
o
n
f
or
ma
x
pr
of
it
a
nd mi
n l
o
s
s
D
e
e
p
le
a
r
ni
ng
It
gi
v
e
s
b
e
s
t
pr
e
di
c
ti
o
n
f
or
s
t
oc
k be
ni
f
i
e
r
s
.
S
unn
y
e
t
al
.
[
12]
S
to
c
k pr
ic
e
pr
e
di
c
ti
o
n
R
N
N
,L
S
T
M
,
B
i
-
di
r
e
c
ti
o
na
l
L
S
T
M
I
nc
r
e
a
s
e
d numb
e
r
of
e
p
oc
h i
n
c
r
e
a
s
e
b
e
tt
e
r
p
r
e
di
c
ti
o
n
.
A
bde
lk
a
w
y
e
t
al
.
[
14
]
A
ut
o
ma
ti
c
s
t
o
c
k p
r
e
di
c
ti
o
n
o
f
a
m
e
r
i
c
a
n
R
e
in
f
o
r
c
e
m
e
nt
l
e
a
r
ni
ng
M
o
de
l
s
h
o
w
s
huge
da
ta
pr
e
di
c
ti
o
n i
n
f
e
w
mi
nut
e
s
us
in
g mul
ti
c
o
r
e
ma
c
hi
ne
.
Z
a
hr
a
e
t
al
.
[
17
]
I
ndi
a
n t
im
e
s
e
r
i
e
s
a
na
l
y
s
is
a
nd
s
to
c
k
e
xc
ha
nge
R
N
N
, L
S
T
M
, C
N
N
L
S
T
M
i
s
mor
e
a
ppr
o
pr
ia
t
e
m
e
th
o
d t
o
f
in
d m
or
e
e
r
r
o
r
ga
p i
n s
to
c
k p
r
e
di
c
ti
o
n
.
S
r
i
v
a
s
ta
v
a
e
t
al
.
[
23
]
P
r
e
di
c
a
ti
o
n d
e
p
e
nd
o
n
hi
s
to
r
i
c
a
l
c
l
o
s
in
g v
a
lu
e
s
A
I
,
de
e
p l
e
a
r
ni
ng
R
e
duc
e
s
ma
jo
r
r
oo
t
m
e
a
n s
qua
r
e
e
r
r
o
r
b
y
us
in
g A
I
a
nd
d
e
e
p l
e
a
r
n
in
g me
th
o
ds
.
T
h
e
l
i
t
e
r
a
t
ur
e
r
e
vi
e
w
l
e
a
d
s
to
t
h
e
c
o
n
c
l
us
i
o
n
t
h
a
t
t
h
e
pr
e
di
c
t
i
o
n
o
f
t
h
e
I
n
d
i
a
n
s
t
o
c
k
m
a
r
ke
t
i
s
a
hi
g
hly
v
o
l
a
t
i
l
e
,
s
e
n
t
i
m
e
n
t
a
l
,
a
n
d
r
i
s
k
y
i
s
s
ue
.
How
e
v
e
r
,
i
t
i
s
a
pr
e
s
s
i
n
g
n
e
e
d
f
o
r
t
h
e
c
o
m
m
u
ni
t
y
to
h
a
ve
a
c
c
ur
a
t
e
pr
e
di
c
t
i
o
n
s
o
l
ut
i
o
n
s
.
De
e
p
l
e
a
r
ni
ng
e
mer
ge
s
a
s
t
h
e
m
o
s
t
pr
o
m
i
ne
n
t
a
ppr
o
a
c
h
to
a
n
a
l
y
z
i
ng
v
a
s
t
hi
s
t
o
r
i
c
a
l
da
t
a
,
de
s
p
i
t
e
i
t
s
t
i
m
e
-
c
o
n
s
u
mi
ng
na
t
u
r
e
due
to
t
h
e
s
e
n
t
i
m
e
n
t
a
l
i
s
s
ue
.
T
h
e
r
e
f
o
r
e
,
o
u
r
pr
i
m
a
r
y
pr
e
d
i
c
t
i
o
n
s
o
l
ut
i
o
n
l
i
e
s
i
n
t
h
e
us
e
o
f
de
e
p
l
e
a
r
ni
n
g
a
l
go
r
i
t
hm
s
l
i
ke
L
S
T
M
,
R
NN
,
a
r
t
i
f
i
c
i
a
l
n
e
ur
a
l
n
e
t
w
o
r
k
(
A
NN
)
,
r
e
gr
e
s
s
i
o
n
,
e
t
c
.
I
n
t
hi
s
r
e
s
e
a
r
c
h
t
h
e
ur
ge
nc
y
a
n
d
a
n
i
m
po
r
t
a
n
c
e
o
f
a
c
c
ur
a
t
e
pr
e
di
c
t
i
o
n
s
o
l
uti
o
n
s
a
r
e
dr
i
vi
n
g
f
o
r
c
e
.
I
n
a
dd
i
t
i
o
n
to
L
S
T
M
f
o
r
f
i
na
n
c
i
a
l
f
o
r
e
c
a
s
t
i
n
g
a
n
d
a
n
a
ly
s
i
s
,
m
a
ny
o
t
h
e
r
de
e
p
l
e
a
r
ni
ng
m
e
t
h
o
ds
c
a
n
b
e
c
o
n
s
i
de
r
e
d
i
n
t
h
e
pr
e
vi
o
u
s
wo
r
k
,
a
s
de
s
c
r
i
be
d
b
e
l
o
w.
C
o
n
v
o
l
ut
i
o
n
a
l
ne
ur
a
l
n
e
t
wor
k
(
C
NN
)
:
C
NN
i
n
i
m
a
ge
r
e
c
o
gni
t
i
o
n
pe
r
f
o
r
m
a
n
c
e
.
I
n
t
hi
s
c
a
s
e
,
t
h
e
y
c
a
n
a
l
s
o
f
i
t
f
i
na
nc
i
a
l
t
i
m
e
s
e
r
i
e
s
da
t
a
by
t
r
a
n
s
f
o
r
m
i
n
g
t
h
e
i
nput
da
t
a
i
n
t
o
i
m
a
ge
s
o
r
us
i
n
g
a
n
i
n
t
e
gr
a
t
e
d
m
e
t
h
o
d
to
c
a
p
t
ur
e
pa
tt
e
r
n
s
i
n
t
h
e
f
il
e
s
e
qu
e
n
c
e
.
Ot
h
e
r
t
h
a
n
f
i
na
nc
i
a
l
t
i
m
e
s
e
r
i
e
s
C
NN
us
e
d
i
n
m
a
ny
o
t
h
e
r
a
pp
l
i
c
a
t
i
o
ns
.
Ga
t
e
d
r
e
c
ur
r
e
n
t
un
i
t
(
GR
U)
:
S
i
m
il
a
r
to
L
S
T
M
a
n
d
GR
U
i
s
a
C
NN
(
R
NN
)
i
n
t
e
n
de
d
t
o
pr
o
c
e
s
s
g
i
v
e
n
s
e
qu
e
n
t
i
a
l
da
t
a
.
T
h
e
i
r
m
o
de
l
s
a
r
e
s
i
m
p
l
e
r
i
n
de
s
i
g
n
t
h
a
n
L
S
T
M
s
,
b
ut
c
a
n
s
o
m
e
t
i
m
e
s
b
e
l
e
a
r
ne
d
f
a
s
t
e
r
a
n
d
pe
r
f
o
r
m
be
tt
e
r
wi
t
h
l
e
s
s
i
nput
.
A
uto
e
n
c
o
de
r
s
:
A
ut
o
e
n
c
o
de
r
s
a
r
e
us
e
d
to
r
e
duc
e
s
i
z
e
a
n
d
r
e
duc
e
c
us
to
m
t
r
a
i
ni
ng.
T
h
e
y
c
a
n
h
e
l
p
e
x
t
r
a
c
t
i
m
po
r
t
a
n
t
de
t
a
i
l
s
by
e
x
p
a
n
d
i
n
g
a
n
d
r
e
s
t
r
uc
t
ur
i
n
g
f
i
na
nc
i
a
l
i
nf
o
r
m
a
t
i
o
n
i
n
t
o
a
l
o
w
-
d
i
m
e
ns
i
o
n
a
l
r
e
pr
e
s
e
n
t
a
t
i
o
n
.
De
e
p
b
e
l
i
e
f
ne
t
wo
r
k
(
DB
N)
:
DB
N
i
s
a
m
o
de
l
b
u
il
t
f
r
o
m
m
u
l
t
i
p
l
e
r
a
n
do
m
n
e
t
wo
r
k
l
a
y
e
r
s
w
i
t
h
hi
dde
n
va
r
i
a
bl
e
s
.
T
h
e
y
a
r
e
us
e
d
i
n
uns
upe
r
vi
s
e
d
a
c
a
de
mi
c
a
c
t
i
vi
t
i
e
s
a
n
d
a
r
e
c
a
pa
bl
e
o
f
c
a
pt
ur
i
n
g
c
o
m
p
l
e
x
pa
t
t
e
r
n
s
i
n
f
i
na
n
c
i
a
l
t
i
m
e
s
.
Ge
n
e
r
a
t
i
v
e
a
d
v
e
r
s
a
r
i
a
l
n
e
t
wo
r
k
(
GA
N)
:
T
h
e
r
e
a
r
e
t
w
o
n
e
ur
a
l
n
e
t
wo
r
ks
i
n
a
GA
N.
wo
r
ki
n
g
to
ge
t
h
e
r
,
o
n
e
ge
n
e
r
a
t
i
n
g
da
t
a
a
n
d
t
h
e
ot
h
e
r
s
e
pa
r
a
t
i
n
g
r
e
a
l
da
t
a
f
r
o
m
ge
n
e
r
a
t
e
d
da
t
a
.
GA
Ns
s
h
o
w
pr
o
m
i
s
e
i
n
ge
n
e
r
a
t
i
n
g
g
l
o
b
a
l
f
i
n
a
n
c
i
a
l
da
t
a
a
n
d
i
m
pr
o
vi
ng
f
o
r
e
c
a
s
t
i
n
g
m
o
de
l
s
.
T
h
e
s
e
t
e
c
hni
q
u
e
s
h
a
v
e
a
d
v
a
n
t
a
ge
s
a
n
d
c
a
n
be
us
e
d
i
n
f
i
na
n
c
i
a
l
f
o
r
e
c
a
s
t
i
n
g
a
n
d
a
n
a
ly
s
i
s
.
E
x
pe
r
i
m
e
n
t
i
n
g
w
i
t
h
d
i
f
f
e
r
e
n
t
m
o
de
l
s
a
n
d
m
e
t
h
o
ds
c
a
n
pr
o
vi
d
e
a
b
e
t
t
e
r
un
de
r
s
t
a
n
d
i
n
g
o
f
m
a
r
ke
t
pe
r
f
o
r
m
a
n
c
e
a
n
d
i
nc
r
e
a
s
e
t
h
e
a
c
c
ur
a
c
y
o
f
f
o
r
e
c
a
s
t
s
.
T
uni
n
g
t
hi
s
m
o
de
l
t
o
f
i
t
t
h
e
uni
qu
e
c
h
a
r
a
c
t
e
r
i
s
t
i
c
s
o
f
f
i
na
n
c
i
a
l
i
n
f
o
r
m
a
t
i
o
n
i
s
c
r
uc
i
a
l
t
o
a
c
hi
e
vi
ng
goo
d
r
e
s
ul
t
s
.
T
h
e
f
o
l
l
o
w
i
ng
a
r
e
t
h
e
r
e
a
s
o
n
s
t
h
a
t
m
a
ny
o
f
t
h
e
r
e
s
e
a
r
c
h
e
r
s
c
o
n
c
e
n
t
r
a
t
i
n
g
o
n
us
e
o
f
L
S
T
M
:
C
a
pt
ur
i
n
g
l
o
n
g
-
t
e
r
m
de
pe
n
de
n
c
i
e
s
:
F
i
na
n
c
i
a
l
m
a
r
ke
t
s
o
f
t
e
n
e
xhi
b
i
t
l
o
n
g
-
r
a
n
ge
de
pe
n
d
e
n
c
i
e
s
w
he
r
e
pa
s
t
i
nf
o
r
m
a
t
i
o
n
i
n
f
l
u
e
n
c
e
s
f
ut
ur
e
o
u
t
c
o
m
e
s
.
L
S
T
M
s
a
r
e
de
s
i
g
n
e
d
t
o
r
e
m
e
m
be
r
a
n
d
ut
i
li
z
e
i
n
f
o
r
m
a
t
i
o
n
o
v
e
r
e
x
t
e
n
d
e
d
t
i
m
e
i
n
t
e
r
v
a
l
s
,
m
a
k
i
ng
t
h
e
m
e
f
f
e
c
t
i
ve
i
n
c
a
pt
ur
i
n
g
s
uc
h
de
pe
nde
n
c
i
e
s
.
Ha
n
d
li
ng
s
e
qu
e
n
t
i
a
l
da
t
a
:
M
a
r
ke
t
da
t
a
,
i
nc
l
ud
i
n
g
s
to
c
k
pr
i
c
e
s
a
n
d
i
nd
i
c
e
s
l
i
ke
NI
F
T
Y
F
I
F
T
Y,
i
s
i
nh
e
r
e
n
t
ly
s
e
que
n
t
i
a
l
.
L
S
T
M
s
a
r
e
s
pe
c
i
f
i
c
a
l
ly
de
s
i
g
ne
d
f
o
r
s
e
que
n
t
i
a
l
da
t
a
pr
o
c
e
s
s
i
n
g,
a
l
l
o
w
i
ng
t
h
e
m
t
o
un
de
r
s
t
a
n
d
pa
tt
e
r
n
s
a
n
d
r
e
l
a
t
i
o
ns
hi
ps
w
i
t
hi
n
t
h
e
s
e
s
e
que
n
c
e
s
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
I
S
S
N:
2502
-
4752
De
e
p
lear
ning
–
dr
ive
n
automated
pr
e
diction
and
data
analys
is
of
the
I
ndian
s
tock
index
(
V
ij
ay
k
umar
B
idve
)
783
Abili
t
y
to
l
e
a
r
n
c
o
m
p
l
e
x
pa
t
t
e
r
n
s
:
L
S
T
M
s
a
r
e
e
qu
i
ppe
d
t
o
l
e
a
r
n
i
n
t
r
i
c
a
t
e
pa
tt
e
r
n
s
a
n
d
r
e
l
a
t
i
o
ns
hi
ps
w
i
t
hi
n
d
a
t
a
.
I
n
f
i
na
n
c
i
a
l
m
a
r
ke
t
s
,
wh
e
r
e
v
a
r
i
o
us
f
a
c
t
or
s
i
nf
l
ue
n
c
e
m
o
v
e
m
e
n
t
s
,
L
S
T
M
’
s
a
bil
i
t
y
t
o
c
a
p
t
ur
e
t
h
e
s
e
c
o
m
p
l
e
x
r
e
l
a
t
i
o
n
s
hi
ps
c
a
n
l
e
a
d
to
m
o
r
e
p
r
omi
s
i
ng
a
n
d
a
c
c
ur
a
t
e
pr
e
di
c
t
i
o
n
s
.
Ha
n
d
li
ng
da
t
a
o
f
v
a
r
i
a
bl
e
l
e
n
g
t
h
s
e
q
ue
n
c
e
s
:
F
i
na
n
c
i
a
l
da
t
a
o
f
t
e
n
c
o
m
e
s
i
n
i
r
r
e
gu
l
a
r
t
i
m
e
i
n
t
e
r
v
a
l
s
o
r
v
a
r
i
a
bl
e
l
e
n
gt
h
s
.
L
S
T
M
s
a
r
e
i
nhe
r
e
n
t
l
y
c
a
pa
bl
e
o
f
h
a
n
d
li
ng
s
e
que
n
c
e
s
o
f
v
a
r
yi
ng
l
e
n
gt
h
s
,
e
n
a
bli
ng
f
l
e
xi
b
il
i
t
y
i
n
de
a
li
ng
w
i
t
h
d
i
f
f
e
r
e
n
t
t
i
m
e
f
r
a
m
e
s
o
f
m
a
r
ke
t
da
t
a
.
R
e
duc
i
n
g
va
ni
s
hin
g/e
x
p
l
o
d
i
ng
gr
a
d
i
e
n
t
pr
o
bl
e
m
:
Ga
t
i
n
g
m
e
c
ha
ni
s
m
s
a
r
e
e
m
p
l
o
y
e
d
by
L
S
T
M
s
to
c
o
n
t
r
o
l
t
h
e
i
nf
o
r
m
a
t
i
o
n
f
lo
w
wi
t
hi
n
t
h
e
n
e
t
wor
k,
a
ddr
e
s
s
i
n
g
i
s
s
ue
s
li
ke
va
ni
s
hi
ng
o
r
e
x
p
l
o
d
i
ng
gr
a
d
i
e
n
t
s
o
f
t
e
n
e
n
c
o
un
t
e
r
e
d
i
n
de
e
p
n
e
t
wo
r
ks
.
E
f
f
e
c
t
i
v
e
m
e
m
o
r
y
r
e
t
e
n
t
i
o
n
:
L
S
T
M
s
h
a
v
e
a
m
e
m
o
r
y
c
e
ll
t
h
a
t
c
a
n
r
e
t
a
i
n
i
nf
o
r
m
a
t
i
o
n
o
v
e
r
t
i
m
e
a
n
d
s
e
l
e
c
t
i
v
e
ly
de
c
i
de
w
h
a
t
i
nf
o
r
m
a
t
i
o
n
to
ke
e
p
o
r
f
o
r
ge
t,
whi
c
h
i
s
pa
r
t
i
c
u
l
a
r
ly
b
e
n
e
f
i
c
i
a
l
i
n
c
a
pt
ur
i
n
g
r
e
l
e
v
a
n
t
f
e
a
t
ur
e
s
f
r
o
m
hi
s
t
o
r
i
c
a
l
da
t
a
.
R
o
b
us
t
n
e
s
s
t
o
n
o
i
s
y
da
t
a
:
F
i
n
a
n
c
i
a
l
da
t
a
c
a
n
b
e
n
o
i
s
y
a
n
d
c
o
n
t
a
i
n
i
r
r
e
g
u
l
a
r
i
t
i
e
s
.
L
S
T
M
s
c
a
n
l
e
a
r
n
f
r
o
m
hi
s
t
or
i
c
a
l
da
t
a
a
n
d
r
e
duc
e
t
h
e
e
f
f
e
c
t
s
o
f
n
o
i
s
e
;
T
hi
s
m
a
ke
s
t
h
e
m
po
we
r
f
u
l
i
n
de
a
l
i
ng
w
i
t
h
b
a
d
da
t
a
.
Due
to
t
h
e
c
o
m
p
l
e
xi
t
y
o
f
f
i
na
nc
i
a
l
m
a
r
ke
t
s
,
L
S
T
M
’
s
a
dv
a
n
t
a
ge
s
i
n
pr
o
c
e
s
s
i
ng
li
nk
e
d
da
t
a
,
s
to
r
i
n
g
l
o
n
g
-
t
e
r
m
e
x
pe
c
t
a
t
i
o
n
s
,
a
n
d
c
o
m
p
l
e
x
l
e
a
r
ni
ng
m
o
de
l
s
a
r
e
we
ll
s
u
i
t
e
d
f
o
r
f
o
r
e
c
a
s
t
i
n
g
pur
po
s
e
.
P
r
i
c
e
s
NI
F
T
Y
F
I
F
T
Y
a
r
e
b
a
s
e
d
o
n
VI
X
d
i
r
e
c
t
i
o
na
l
i
t
y
a
n
d
i
n
t
r
a
da
y
f
ut
ur
e
s
c
h
a
n
g
e
s
.
W
hi
l
e
o
t
h
e
r
t
e
c
h
ni
q
ue
s
ha
v
e
a
dv
a
n
t
a
ge
s
,
L
S
T
M
’
s
de
s
i
g
n
s
u
i
t
s
t
h
e
n
a
t
ur
e
o
f
r
e
a
l
-
t
i
m
e
f
i
na
n
c
i
a
l
d
a
t
a
,
m
a
k
i
ng
i
t
a
g
oo
d
c
h
o
i
c
e
f
o
r
t
h
i
s
wo
r
k.
2.
2
.
T
e
r
m
in
o
l
ogie
s
2.
2.
1
.
VI
X
T
h
e
t
e
r
m
VI
X
s
t
a
n
ds
f
o
r
t
h
e
‘
v
o
l
a
t
i
li
t
y
i
nde
x
,
’
w
hi
c
h
t
e
l
l
s
us
h
o
w
m
uc
h
t
h
e
m
a
r
ke
t
i
s
e
x
pe
c
t
e
d
to
s
w
i
n
g
up
o
r
do
wn
i
n
t
h
e
upc
o
m
i
ng
y
e
a
r
.
I
t
’
s
l
i
k
e
a
ga
uge
o
f
h
o
w
m
uc
h
u
n
c
e
r
t
a
i
n
t
y
o
r
f
e
a
r
t
h
e
r
e
i
s
i
n
t
h
e
m
a
r
ke
t
,
s
o
i
t
’
s
a
l
s
o
c
a
l
l
e
d
t
h
e
‘
F
e
a
r
I
n
de
x
.
’
T
o
c
a
l
c
u
l
a
t
e
t
h
e
VI
X
,
pe
o
pl
e
l
o
o
k
a
t
t
h
e
p
r
i
c
e
s
o
f
o
p
t
i
o
n
s
f
o
r
m
a
r
ke
t
i
n
de
x
.
VI
X
i
s
t
h
e
n
e
x
pr
e
s
s
e
d
a
s
a
pe
r
c
e
nt
a
ge
,
s
h
o
wi
n
g
t
h
e
e
x
pe
c
t
e
d
l
e
v
e
l
o
f
m
a
r
ke
t
v
o
l
a
t
i
li
t
y
.
S
o
,
e
s
s
e
n
t
i
a
ll
y
,
i
t
h
e
l
p
s
tr
a
de
r
s
a
n
d
i
nv
e
s
t
o
r
s
f
i
gur
e
out
h
o
w
s
h
a
k
y
o
r
c
a
l
m
t
h
e
m
a
r
ke
t
i
s
e
x
pe
c
t
e
d
to
b
e
i
n
t
h
e
c
o
m
i
ng
y
e
a
r
.
2.
2.
2
.
I
n
d
ia
VI
X
(
vol
at
il
it
y
in
d
e
x
)
NSE
i
n
t
r
o
duc
e
d
t
h
e
‘
I
n
d
i
a
v
o
l
a
t
i
l
i
t
y
i
nde
x
’
i
n
20
08
whi
c
h
r
e
pr
e
s
e
n
t
s
t
h
e
e
x
pe
c
t
e
d
v
o
l
a
t
i
li
t
y
o
f
t
h
e
N
i
f
t
y
o
v
e
r
t
h
e
y
e
a
r
.
T
hi
s
i
n
de
x
h
e
l
p
s
t
h
e
m
a
r
ke
t
pa
r
t
i
c
i
pa
n
t
ge
t
a
n
i
de
a
a
b
o
ut
t
h
e
ge
n
e
r
a
l
s
e
n
t
i
m
e
n
t
i
n
t
h
e
m
a
r
ke
t
.
W
he
n
t
h
e
I
n
d
i
a
VI
X
i
s
r
i
s
i
ng,
i
t
m
e
a
n
s
t
h
e
r
e
i
s
a
r
i
s
e
i
n
t
h
e
de
gr
e
e
o
f
v
o
l
a
t
i
li
t
y
i
n
t
h
e
m
a
r
ke
t
r
e
s
u
l
t
i
n
g
i
n
i
nc
r
e
a
s
e
d
f
e
a
r
i
n
t
h
e
m
a
r
ke
t
.
W
h
e
n
t
h
e
I
n
d
i
a
VI
X
f
a
l
l
s
,
i
t
m
e
a
ns
t
h
e
r
e
i
s
a
de
c
r
e
a
s
e
i
n
m
a
r
ke
t
v
o
l
a
t
i
li
t
y
a
n
d
a
n
i
nc
r
e
a
s
e
i
n
m
a
r
ke
t
s
t
a
bi
li
t
y
.
2.
2.
3
.
Cor
r
e
l
at
ion
of
I
n
d
ia
VI
X
an
d
N
if
t
y
I
n
d
i
a
VI
X
i
s
l
i
k
e
a
f
e
a
r
ga
uge
f
o
r
t
h
e
s
to
c
k
m
a
r
ke
t
.
W
h
e
n
I
n
d
i
a
’
s
VI
X
go
e
s
up,
i
t
s
ugge
s
t
s
m
o
r
e
r
i
s
k
o
r
un
c
e
r
t
a
i
n
t
y
i
n
t
h
e
m
a
r
ke
t
.
T
hi
s
us
ua
ll
y
l
e
a
d
s
t
o
a
de
c
r
e
a
s
e
i
n
s
to
c
k
pr
i
c
e
s
.
I
f
I
n
d
i
a
’
s
VI
X
i
s
hi
g
h
,
th
e
r
e
’
s
a
hi
g
h
e
r
c
h
a
nc
e
t
h
a
t
t
h
e
m
a
r
ke
t
m
i
g
h
t
g
o
d
o
wn
w
a
r
ds
.
S
o,
i
n
ge
n
e
r
a
l
,
T
h
e
N
i
f
t
y
i
nde
x
a
n
d
t
h
e
I
n
d
i
a
VI
X
t
y
p
i
c
a
ll
y
m
o
v
e
a
ga
i
ns
t
o
n
e
a
n
o
t
h
e
r
.
W
he
n
o
n
e
g
oe
s
up,
t
h
e
ot
h
e
r
o
f
t
e
n
go
e
s
d
o
wn
.
I
n
d
i
a
VI
X
i
s
l
i
ke
a
f
e
a
r
m
e
t
e
r
f
o
r
t
h
e
s
to
c
k
m
a
r
ke
t
.
I
f
i
t
g
o
e
s
up,
t
h
e
r
e
’
s
m
o
r
e
un
c
e
r
t
a
i
n
t
y
,
a
n
d
t
h
e
m
a
r
ke
t
m
i
g
h
t
f
a
ll
.
T
hi
s
i
s
b
e
c
a
us
e
wh
e
n
pe
o
p
l
e
e
x
pe
c
t
t
h
e
m
a
r
ke
t
to
d
r
o
p,
t
h
e
y
b
u
y
s
pe
c
i
f
i
c
o
p
t
i
o
ns
,
i
n
c
r
e
a
s
i
ng
t
h
e
VI
X.
Us
ua
ll
y
,
t
h
e
VI
X
i
s
e
x
pe
c
t
e
d
to
b
e
l
o
w
wh
e
n
t
h
e
m
a
r
ke
t
i
s
do
i
n
g
we
ll
a
n
d
hi
g
h
wh
e
n
i
t
’
s
s
t
r
uggl
i
n
g
.
B
ut
s
o
m
e
t
i
m
e
s
,
l
i
ke
i
n
2014,
t
h
e
m
a
r
ke
t
a
n
d
VI
X
we
n
t
up
to
ge
t
h
e
r
dur
i
n
g
t
h
e
ge
n
e
r
a
l
e
l
e
c
t
i
o
ns
i
n
I
nd
i
a
.
T
hi
s
h
a
ppe
ne
d
b
e
c
a
us
e
w
h
e
n
t
h
e
m
a
r
ke
t
r
i
s
e
s
,
s
o
m
e
i
nv
e
s
t
or
s
b
u
y
o
pt
i
o
n
s
,
c
a
us
i
ng
t
h
e
VI
X
to
i
n
c
r
e
a
s
e
.
I
t
’
s
l
i
k
e
a
mi
x
o
f
f
e
a
r
a
n
d
gr
e
e
d.
S
o
,
i
n
a
n
ut
s
h
e
ll
,
VI
X
r
e
f
l
e
c
t
s
h
o
w
s
c
a
r
e
d
o
r
g
r
e
e
d
y
pe
o
p
l
e
a
r
e
i
n
t
h
e
s
t
o
c
k
m
a
r
ke
t
.
A
hi
g
h
VI
X
m
e
a
n
s
m
o
r
e
f
e
a
r
a
n
d
u
n
c
e
r
t
a
i
n
t
y
,
s
ugge
s
t
i
n
g
t
h
e
m
a
r
ke
t
m
i
g
h
t
f
a
ll
.
O
n
t
h
e
ot
h
e
r
h
a
n
d,
l
o
w
VI
X
m
e
a
ns
l
e
s
s
f
e
a
r
,
i
n
d
i
c
a
t
i
n
g
t
h
e
m
a
r
ke
t
c
o
ul
d
go
up.
I
f
y
o
u
s
e
e
VI
X
de
c
r
e
a
s
i
ng,
t
h
e
m
a
r
ke
t
m
i
g
ht
g
o
up
b
e
c
a
us
e
t
h
e
f
e
a
r
i
s
l
o
w.
I
f
t
h
e
VI
X
i
s
hi
g
h
,
i
t
’
s
a
s
i
g
n
a
l
t
h
a
t
t
h
e
m
a
r
ke
t
c
o
ul
d
go
do
wn
b
e
c
a
u
s
e
t
h
e
r
e
’
s
m
o
r
e
f
e
a
r
a
n
d
r
i
s
k.
F
i
gur
e
1
s
h
o
ws
t
h
e
hi
s
t
or
y
o
f
I
n
d
i
a
’
s
VI
X
a
n
d
Ni
f
t
y
50
i
n
de
x
e
s
f
r
o
m
2013
to
2023.
I
n
d
i
a
’
s
VI
X
i
s
a
v
o
l
a
t
i
li
t
y
i
nde
x
t
h
a
t
m
e
a
s
ur
e
s
m
a
r
ke
t
e
x
pe
c
t
a
t
i
o
ns
r
e
ga
r
di
n
g
v
o
l
a
t
i
li
t
y
i
n
t
h
e
N
i
f
t
y
50
i
n
d
e
x
o
v
e
r
t
h
e
y
e
a
r
.
A
hi
g
h
e
r
VI
X
i
n
I
n
d
i
a
i
n
d
i
c
a
t
e
s
t
h
a
t
t
h
e
m
a
r
ke
t
e
x
pe
c
t
s
m
o
r
e
v
o
l
a
t
i
li
t
y
s
o
o
n
.
T
h
e
F
i
gur
e
1
s
h
o
ws
t
h
a
t
th
e
I
n
d
i
a
VI
X
i
n
de
x
ha
s
a
m
a
j
o
r
l
y
n
e
ga
t
i
v
e
c
o
r
r
e
l
a
t
i
o
n
w
i
t
h
t
h
e
o
v
e
r
a
l
l
N
i
f
t
y
50
i
n
d
e
x
.
T
hi
s
m
e
a
n
s
t
h
a
t
wh
e
n
I
n
d
i
a
’
s
VI
X
r
i
s
e
s
,
t
h
e
N
i
f
t
y
50
t
e
n
ds
to
f
a
ll
a
n
d
vi
c
e
v
e
r
s
a
.
T
hi
s
i
s
b
e
c
a
u
s
e
i
nv
e
s
t
or
s
o
f
t
e
n
s
e
l
l
s
t
o
c
ks
a
n
d
b
uy
o
pt
i
o
n
s
w
i
t
h
t
h
e
e
x
pe
c
t
a
t
i
o
n
t
h
a
t
v
o
l
a
t
i
li
t
y
w
i
ll
i
nc
r
e
a
s
e
.
I
n
d
i
a
’
s
VI
X
h
a
s
r
i
s
e
n
s
i
nc
e
e
a
r
l
y
2023,
i
n
d
i
c
a
t
i
n
g
t
h
a
t
t
h
e
m
a
r
ke
t
e
x
pe
c
t
s
f
ur
t
h
e
r
v
o
l
a
t
i
l
i
t
y
s
o
o
n
.
Ni
f
t
y
50
i
nd
e
x
h
a
s
f
o
l
l
o
we
d
a
v
o
l
a
t
i
l
e
c
o
ur
s
e
r
e
c
e
n
t
l
y
a
s
a
r
e
f
lec
t
i
o
n
o
f
t
h
e
un
c
e
r
t
a
i
n
t
y
i
n
t
h
e
m
a
c
r
o
e
c
o
n
o
m
i
c
e
nvi
r
o
nm
e
n
t
.
T
h
e
i
nv
e
r
s
e
r
e
l
a
t
i
o
n
s
hi
p
b
e
t
we
e
n
I
n
d
i
a
’
s
VI
X
a
n
d
t
h
e
N
i
f
t
y
50
I
n
de
x
r
e
m
a
i
ns
unc
h
a
n
ge
d,
i
n
d
i
c
a
t
i
n
g
t
h
a
t
i
nv
e
s
t
or
s
a
r
e
o
b
s
e
r
vi
n
g
VI
X
to
i
de
n
t
i
f
y
m
a
r
ke
t
v
o
l
a
t
i
li
t
y
a
n
d
s
e
n
t
i
m
e
n
t
.
T
h
e
r
i
s
e
i
n
I
n
d
i
a
’
s
VI
X
I
n
de
x
s
h
o
ws
i
nv
e
s
t
or
s
a
r
e
m
o
r
e
c
a
ut
i
o
us
a
n
d
e
x
p
e
c
t
m
o
r
e
v
o
l
a
t
i
li
t
y
s
oo
n
.
T
h
i
s
c
o
ul
d
b
e
due
to
m
a
ny
f
a
c
t
or
s
,
i
n
c
l
ud
in
g
t
h
e
o
n
go
i
n
g
wa
r
e
n
vi
r
o
nm
e
n
t
,
r
i
s
i
ng
i
nf
l
a
t
i
o
n
,
a
n
d
t
h
e
po
s
s
i
bil
i
t
y
o
f
a
n
e
c
o
n
o
m
i
c
do
wn
t
ur
n
i
n
t
h
e
Uni
t
e
d
S
t
a
t
e
s
.
I
n
v
e
s
to
r
s
n
e
e
d
to
c
o
n
s
i
de
r
t
h
e
r
i
s
ks
o
f
i
nve
s
t
i
n
g
in
Evaluation Warning : The document was created with Spire.PDF for Python.
I
S
S
N
:
2502
-
4752
I
n
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
,
Vo
l
.
4
3
,
N
o
.
3
,
S
e
p
t
e
m
b
e
r
20
2
6
:
780
-
791
784
v
o
l
a
t
i
l
e
m
a
r
ke
t
s
.
B
e
f
o
r
e
pr
a
c
t
i
c
a
ll
y
de
p
l
o
yi
ng
c
a
p
i
t
a
l
,
t
h
e
y
m
u
s
t
i
d
e
n
t
i
f
y
a
n
d
c
he
c
k
t
h
e
i
r
i
nve
s
t
m
e
n
t
go
a
l
,
t
i
m
e
dur
a
t
i
o
n
,
a
n
d
r
i
s
k.
F
i
gur
e
1
pr
o
vi
de
s
a
n
o
v
e
r
vi
e
w
o
f
t
h
e
hi
s
t
o
r
i
c
a
l
m
o
v
e
m
e
n
t
s
o
f
I
n
d
i
a
VI
X
a
nd
Ni
f
t
y
50
i
nd
i
c
e
s
.
T
h
e
c
o
r
r
e
l
a
t
i
o
n
b
e
t
we
e
n
t
h
e
t
w
o
i
n
d
i
c
a
t
o
r
s
s
ugge
s
t
s
t
h
a
t
i
nv
e
s
t
o
r
s
c
a
n
us
e
I
n
d
i
a
’
s
VI
X
to
ga
uge
m
a
r
ke
t
v
o
l
a
t
i
li
t
y
.
Ho
we
v
e
r
,
i
nv
e
s
to
r
s
m
us
t
t
a
ke
c
a
l
c
u
l
a
t
e
d
a
n
d
a
f
f
o
r
da
bl
e
r
i
s
ks
w
h
e
n
i
nv
e
s
t
i
n
g
i
n
v
o
l
a
t
i
l
e
m
a
r
ke
t
s
.
T
o
f
i
gur
e
o
u
t
h
o
w
m
uc
h
t
h
e
N
i
f
t
y
s
t
o
c
k
i
n
de
x
i
s
e
x
pe
c
t
e
d
to
m
o
v
e
i
n
a
m
o
n
t
h
,
y
o
u
c
a
n
us
e
t
h
e
VI
X
(
v
o
l
a
t
i
l
i
t
y
i
nde
x
)
a
n
d
a
s
i
m
p
l
e
f
o
r
m
u
l
a
:
d
i
vi
d
e
t
h
e
VI
X
by
t
h
e
s
qua
r
e
r
oot
o
f
t
h
e
a
nn
ua
l
t
e
r
m
c
o
un
t,
whi
c
h
i
s
12
(
s
i
n
c
e
t
h
e
r
e
a
r
e
12
m
o
n
t
hs
i
n
a
y
e
a
r
)
.
I
f
t
h
e
VI
X
i
s
16.
8025,
y
o
u
wi
l
l
d
i
v
i
de
t
h
a
t
by
t
h
e
s
qua
r
e
r
oot
o
f
12,
whi
c
h
i
s
a
ppr
o
xi
m
a
t
e
l
y
3.
464.
T
hi
s
g
i
ve
s
y
o
u
a
n
e
x
pe
c
t
e
d
m
o
n
t
hly
v
o
l
a
t
i
li
t
y
f
o
r
t
h
e
N
i
f
t
y
o
f
a
r
o
un
d
4.
85%
.
F
i
g
ur
e
1
.
I
n
d
i
a
VI
X
a
n
d
N
i
f
t
y
m
o
v
e
m
e
n
t
T
a
bl
e
2
s
h
o
ws
t
h
e
a
ve
r
a
ge
r
e
l
a
t
i
o
ns
hi
p
be
t
we
e
n
N
I
F
T
Y50
i
n
de
x
r
e
t
ur
n
s
a
n
d
v
o
l
a
t
i
li
t
y
i
n
up
o
r
d
o
wn
m
a
r
ke
t
s
.
T
h
e
c
or
r
e
l
a
t
i
o
n
de
f
i
ne
s
t
h
e
r
e
l
a
t
i
o
n
s
hi
p
b
e
t
we
e
n
t
h
e
t
w
o
v
a
r
i
a
bl
e
s
g
i
ve
n
.
T
h
e
r
a
n
ge
i
s
-
1
to
1.
A
n
e
ga
t
i
v
e
v
a
l
ue
o
f
(
-
1)
i
n
d
i
c
a
t
e
s
a
n
e
ga
t
i
v
e
c
o
r
r
e
l
a
t
i
o
n
a
n
d
a
po
s
i
t
i
v
e
v
a
l
ue
o
f
(
+
1)
i
n
d
i
c
a
t
e
s
a
po
s
i
t
i
ve
c
o
r
r
e
l
a
t
i
o
n
.
T
h
e
a
v
e
r
a
ge
c
or
r
e
l
a
t
i
o
n
b
e
t
we
e
n
t
h
e
NI
F
T
Y50
i
n
de
x
r
e
t
ur
n
a
n
d
v
o
l
a
t
i
li
t
y
w
h
e
n
m
a
r
ke
t
v
o
l
a
t
i
li
t
y
i
s
-
0.
43.
T
hi
s
i
n
d
i
c
a
t
e
s
a
n
a
v
e
r
a
ge
n
e
ga
t
i
v
e
r
e
l
a
t
i
o
n
s
hi
p
b
e
t
we
e
n
t
h
e
t
w
o
gi
ve
n
v
a
r
i
a
bl
e
s
.
N
I
F
T
Y5
0
i
n
de
x
r
e
t
u
r
n
s
a
r
e
n
e
ga
t
i
v
e
ly
c
o
r
r
e
l
a
t
e
d
wi
t
h
v
o
l
a
t
i
li
t
y
w
h
e
n
t
h
e
m
a
r
ke
t
i
s
up.
T
h
e
a
v
e
r
a
ge
c
o
r
r
e
l
a
t
i
o
n
b
e
t
we
e
n
t
h
e
NI
F
T
Y50
i
n
de
x
r
e
t
ur
n
a
n
d
v
o
l
a
t
i
li
t
y
w
he
n
t
h
e
m
a
r
ke
t
i
s
do
wn
i
s
-
0.
65.
T
hi
s
pr
e
d
i
c
t
a
bl
e
n
e
ga
t
i
v
e
r
e
l
a
t
i
o
n
s
hi
p
b
e
t
we
e
n
t
h
e
t
w
o
v
a
r
i
a
bl
e
s
i
s
a
r
e
a
s
s
ur
i
n
g
f
a
c
t
o
r
f
or
m
a
r
ke
t
pa
r
t
i
c
i
pa
n
t
s
.
Dur
i
n
g
m
a
r
ke
t
d
o
wn
t
ur
n
s
,
NI
F
T
Y50
i
nde
x
r
e
t
ur
n
s
c
o
n
s
i
s
t
e
n
t
l
y
s
h
o
w
a
n
e
ga
t
i
v
e
c
o
r
r
e
l
a
t
i
o
n
w
i
t
h
v
o
l
a
t
i
li
t
y
,
a
t
r
e
n
d
t
h
a
t
c
a
n
b
e
c
o
nf
i
de
n
t
l
y
a
n
t
i
c
i
pa
t
e
d.
T
a
bl
e
2
a
l
s
o
s
h
o
ws
t
h
a
t
t
h
e
a
v
e
r
a
ge
r
e
l
a
t
i
o
n
s
hi
p
b
e
t
we
e
n
NI
F
T
Y50
i
nde
x
r
e
t
ur
n
s
a
n
d
v
o
l
a
t
i
li
t
y
i
s
m
o
r
e
s
u
b
s
t
a
n
t
i
a
l
w
h
e
n
t
h
e
m
a
r
ke
t
i
s
do
wn
t
h
a
n
whe
n
t
h
e
m
a
r
ke
t
i
s
up.
T
a
bl
e
2.
A
d
a
t
a
s
e
t
o
f
t
h
e
y
e
a
r
ly
r
e
l
a
t
i
o
ns
hi
p
b
e
t
we
e
n
VI
X
a
n
d
NI
F
T
Y50
Y
e
a
r
s
O
ve
r
a
ll
ni
f
t
y
50
m
ov
e
m
e
nt
I
nde
x
vo
la
ti
li
t
y
R
e
tu
r
n
vo
la
ti
li
t
y
C
oo
r
e
la
ti
on
R
-
s
qua
r
e
2009
U
p move
727.06
2.17
-
0.27
0.06
2010
U
p move
421.03
1.04
-
0.64
0.43
2011
D
o
w
n m
ove
349.91
1.22
-
0.70
0.52
2012
U
p move
301.01
0.98
-
0.53
0.24
2013
D
o
w
n
m
ove
226.98
1.12
-
0.55
0.33
2014
U
p move
787.11
0.82
-
0.30
0.09
2015
D
o
w
n m
ove
347.88
1.03
-
0.66
0.43
A
ve
r
a
ge
r
e
la
ti
o
ns
hi
p
a
s
N
I
F
T
Y
50 m
ov
e
s
up
-
0.42
A
ve
r
a
ge
r
e
la
ti
o
ns
hi
p
a
s
N
I
F
T
Y
50 m
ov
e
s
d
o
w
n
-
0.64
A
ut
o
m
a
t
e
d
pr
e
di
c
t
i
o
n
:
VI
X
da
t
a
v
a
l
ue
s
r
e
pr
e
s
e
n
t
e
x
pe
c
t
e
d
v
o
l
a
t
i
li
t
y
a
n
d
s
e
n
t
i
m
e
n
t
i
n
t
h
e
m
a
r
ke
t
.
S
o,
c
h
a
n
ge
i
n
NI
F
T
Y50
c
a
n
b
e
pr
e
d
i
c
a
t
e
d
us
i
ng
da
t
a
v
a
l
ue
VI
X.
T
h
e
s
e
v
a
l
ue
s
a
r
e
de
f
i
ne
d
i
n
t
e
r
m
s
o
f
pe
r
c
e
n
t
a
ge
.
L
e
t
’
s
c
o
n
s
i
de
r
t
h
a
t
t
h
e
VI
X
da
t
a
v
a
l
u
e
i
s
13.
69,
whi
c
h
i
m
p
li
e
s
t
h
a
t
a
c
h
a
n
g
e
i
n
N
i
f
t
y
5
0
i
n
t
h
e
upc
o
m
i
ng
y
e
a
r
c
a
n
be
po
s
i
t
i
ve
a
t
13.
69
pe
r
c
e
n
t
to
m
o
v
e
ups
i
de
o
r
d
o
wn
s
i
de
.
S
i
mi
l
a
r
ly
,
us
i
ng
t
h
e
s
a
m
e
s
e
t
o
f
r
u
l
e
s
m
o
n
t
hl
y
o
r
f
o
r
a
ny
dur
a
t
i
o
n
,
f
l
uc
t
ua
t
i
o
n
c
a
n
b
e
pr
e
d
i
c
a
t
e
d,
a
n
d
t
hi
s
c
a
n
b
e
a
uto
m
a
t
e
d.
VI
X
’
s
c
ur
r
e
n
t
da
t
a
m
us
t
b
e
c
o
l
l
e
c
t
e
d
to
p
r
e
di
c
t
c
h
a
n
g
e
s
i
n
NI
F
T
Y50
o
n
a
m
o
n
t
hly
o
r
a
ny
g
i
ve
n
t
i
m
e
b
a
s
i
s
.
I
n
thi
s
c
a
s
e
,
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
I
S
S
N:
2502
-
4752
De
e
p
lear
ning
–
dr
ive
n
automated
pr
e
diction
and
data
analys
is
of
the
I
ndian
s
tock
index
(
V
ij
ay
k
umar
B
idve
)
785
it
’
s
13.
69,
a
n
d
t
i
s
30
da
y
s
f
o
r
m
o
n
t
hly
pr
e
d
i
c
t
i
o
n
.
T
h
e
f
o
r
m
u
l
a
t
o
c
a
l
c
u
l
a
t
e
i
s
VX
I
/S
qr
t
(
365/30
)
.
I
n
thi
s
c
a
s
e
,
it
’
s
13.
69/s
qr
t
(
365
/30)
,
whi
c
h
g
i
ve
s
a
v
a
l
ue
o
f
3.
86.
i
t
i
n
d
i
c
a
t
e
s
t
h
a
t
t
h
e
c
h
a
n
ge
i
n
N
i
f
t
y
50
w
i
ll
b
e
upwa
r
d
o
r
do
wn
wa
r
d
by
3.
86
pe
r
c
e
n
t
.
2.
3
.
M
e
t
h
od
ol
og
y
F
i
gur
e
2
di
s
p
l
a
y
s
t
h
e
pr
o
p
o
s
e
d
m
o
de
l
f
l
o
w
d
i
a
gr
a
m
f
o
r
a
uto
m
a
t
e
d
pr
e
di
c
t
i
o
n
a
n
d
da
t
a
a
n
a
l
y
s
i
s
o
f
t
h
e
i
n
de
x
N
i
f
t
y
50
I
n
d
i
a
n
s
to
c
k
m
a
r
ke
t
.
F
i
gur
e
2
de
p
i
c
t
s
a
ge
n
e
r
a
l
o
v
e
r
vi
e
w
o
f
t
h
e
u
t
i
li
z
e
d
de
e
p
l
e
a
r
ni
ng
-
b
a
s
e
d
a
ut
o
m
a
t
e
d
pr
e
d
i
c
t
i
o
n
a
n
d
da
t
a
a
n
a
ly
s
i
s
s
ys
t
e
m
f
o
r
t
h
e
I
n
d
i
a
n
s
t
o
c
k
i
n
de
x
(
NI
F
T
Y50)
.
T
h
e
s
y
s
t
e
m
i
nc
l
ude
s
t
h
e
f
o
l
l
o
w
i
ng
c
r
i
t
i
c
a
l
c
o
m
po
n
e
n
t
s
:
F
i
gur
e
2.
F
l
o
w
di
a
gr
a
m
o
f
pr
o
p
o
s
e
d
m
e
t
h
o
do
l
o
gy
2.
3.
1.
Dat
a
c
ol
l
e
c
t
ion
an
d
p
r
e
-
p
r
o
c
e
s
s
in
g
T
h
e
da
t
a
c
o
l
l
e
c
t
e
d
f
o
r
NI
F
T
Y
F
I
F
T
Y
a
n
d
v
o
l
a
t
i
l
i
t
y
i
nde
x
(
VI
X)
f
r
o
m
t
r
us
t
e
d
f
i
na
n
c
i
a
l
d
a
t
a
s
o
u
r
c
e
s
.
T
h
e
f
i
r
s
t
s
t
e
p
i
s
r
e
m
o
vi
ng
m
i
s
s
i
ng
v
a
l
ue
s
,
o
u
t
l
i
e
r
s
,
a
n
d
i
n
c
o
ns
i
s
t
e
n
c
i
e
s
f
r
o
m
t
h
e
da
t
a
s
e
t
s
.
T
h
e
da
t
a
i
s
n
o
r
m
a
li
z
e
d,
a
n
d
t
h
e
da
t
a
i
s
s
c
a
l
e
d
to
e
n
s
ur
e
unif
o
r
m
i
t
y
f
o
r
e
f
f
i
c
i
e
n
t
m
o
de
l
t
r
a
i
ni
ng.
T
h
e
c
o
l
l
e
c
t
e
d
da
t
a
i
s
o
r
ga
ni
z
e
d
i
n
t
o
t
i
m
e
s
e
r
i
e
s
s
e
que
nc
e
s
,
whi
c
h
a
r
e
s
t
r
uc
t
ur
e
d
s
u
i
t
a
bly
f
o
r
i
n
put
i
n
t
o
t
h
e
L
S
T
M
m
o
de
l
.
2.
3.
2.
F
e
at
u
r
e
e
n
gin
e
e
r
in
g
Af
t
e
r
da
t
a
ga
t
h
e
r
i
n
g,
t
h
e
n
e
x
t
s
t
e
p
i
s
t
o
i
de
n
t
i
f
y
a
n
d
e
x
t
r
a
c
t
r
e
l
e
v
a
n
t
f
e
a
t
ur
e
s
t
h
a
t
i
nf
l
ue
n
c
e
NI
F
T
Y50
c
o
n
di
t
i
o
n
a
li
t
y
b
a
s
e
d
o
n
VI
X
m
o
v
e
men
t
f
r
o
m
t
h
e
da
t
a
s
e
t
s
.
T
h
e
wor
k
a
l
s
o
e
x
p
l
o
r
e
s
l
a
gge
d
v
a
r
i
a
bl
e
s
,
t
e
c
hni
c
a
l
i
n
d
i
c
a
t
or
s
,
a
n
d
a
dd
i
t
i
o
na
l
m
e
t
r
i
c
s
t
o
e
n
ha
n
c
e
t
h
e
m
o
de
l
’
s
pr
e
d
i
c
t
i
v
e
c
a
pa
bil
i
t
i
e
s
t
h
r
o
ugh
e
n
r
i
c
h
e
d
f
e
a
t
ur
e
s
.
T
h
i
s
s
t
a
ge
i
s
c
r
uc
i
a
l
a
s
i
t
s
i
g
nif
i
c
a
n
t
l
y
im
pr
o
v
e
s
t
h
e
m
o
de
l
’
s
a
bil
i
t
y
t
o
m
a
k
e
a
c
c
ur
a
t
e
pr
e
d
i
c
t
i
o
n
s
.
2.
3.
3.
L
S
T
M
m
od
e
l
d
e
ve
l
op
m
e
n
t
T
h
e
pr
e
s
e
n
t
e
d
wor
k
a
ppl
i
e
d
L
S
T
M
n
e
ur
a
l
n
e
t
wo
r
k
a
r
c
hi
t
e
c
t
ur
e
f
o
r
s
e
que
n
c
e
pr
e
d
i
c
t
i
o
n
,
c
o
n
s
i
de
r
i
ng
i
nput
s
h
a
pe
,
l
a
y
e
r
s
,
n
e
ur
o
n
s
,
a
n
d
a
c
t
i
va
t
i
o
n
f
u
n
c
t
i
o
n
s
.
T
h
e
L
S
T
M
m
o
de
l
,
a
ke
y
c
o
m
po
n
e
n
t
o
f
t
hi
s
wo
r
k
,
i
s
t
r
a
i
n
e
d
us
i
n
g
hi
s
t
or
i
c
a
l
da
t
a
.
T
hi
s
wo
r
k
a
l
l
o
c
a
t
e
d
a
p
o
r
t
i
o
n
o
f
t
h
e
da
t
a
s
e
t
s
f
o
r
t
r
a
i
ni
ng
a
n
d
va
l
i
d
a
t
i
o
n
,
w
i
t
h
a
s
e
pa
r
a
t
e
t
e
s
t
s
e
t
f
o
r
e
v
a
l
u
a
t
i
o
n
.
L
S
T
M
,
c
r
e
a
t
e
d
by
Ho
c
h
r
e
i
t
e
r
a
n
d
S
c
hm
i
d
h
u
b
e
r
,
i
s
a
bi
t
t
r
i
c
k
y
t
o
gr
a
s
p
b
e
c
a
us
e
i
t
’
s
pa
r
t
o
f
t
h
e
c
o
m
p
l
e
x
wo
r
l
d
o
f
de
e
p
l
e
a
r
ni
ng
.
I
t
s
pe
c
i
a
li
z
e
s
i
n
f
i
gur
i
n
g
o
u
t
pa
tt
e
r
n
s
i
n
da
t
a
t
h
a
t
c
o
m
e
i
n
a
s
e
que
n
c
e
,
l
i
ke
t
i
m
e
-
o
r
de
r
e
d
i
nf
o
r
m
a
t
i
o
n
.
T
hi
nk
o
f
L
S
T
M
a
s
a
c
h
a
i
n
w
i
t
h
f
o
ur
s
m
a
ll
b
r
a
i
n
n
e
t
wo
r
ks
a
n
d
m
e
m
o
r
y
bl
o
c
k
s
c
a
l
l
e
d
c
e
ll
s
.
T
h
e
s
e
c
e
ll
s
a
r
e
l
i
ke
s
t
i
c
k
y
n
o
t
e
s
t
h
a
t
c
a
n
h
o
l
d
i
nf
o
r
m
a
t
i
o
n
f
o
r
a
l
o
n
g
t
i
m
e
.
T
h
e
t
r
i
c
k
i
s
th
a
t
t
h
r
e
e
ga
t
e
s
i
n
t
h
e
L
S
T
M
–
l
i
k
e
s
e
c
ur
i
t
y
gua
r
ds
–
c
o
n
tr
o
l
h
o
w
i
nf
o
r
m
a
t
i
o
n
ge
t
s
i
n
a
n
d
o
u
t
o
f
t
h
e
s
e
m
e
mo
r
y
c
e
l
l
s
,
h
e
l
p
i
ng
t
h
e
s
y
s
t
e
m
m
a
ni
pu
l
a
t
e
a
n
d
r
e
m
e
m
be
r
im
p
o
r
t
a
n
t
t
h
i
n
g
s
.
T
h
e
L
S
T
M
i
s
li
ke
a
c
e
ll
w
i
t
h
t
h
r
e
e
im
po
r
t
a
n
t
ga
t
e
s
:
f
o
r
ge
t,
i
n
put
,
a
n
d
o
u
t
pu
t,
a
s
s
h
o
wn
i
n
F
i
gur
e
3.
T
h
e
s
e
ga
t
e
s
a
c
t
a
s
f
i
l
t
e
r
s
,
h
e
l
p
i
ng
t
h
e
c
e
l
l
de
c
i
de
w
h
a
t
i
n
f
o
r
m
a
t
i
o
n
i
s
c
r
uc
i
a
l
t
o
r
e
m
e
m
be
r
a
n
d
wh
a
t
c
a
n
be
d
i
s
c
a
r
de
d.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
S
S
N
:
2502
-
4752
I
n
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
,
Vo
l
.
4
3
,
N
o
.
3
,
S
e
p
t
e
m
b
e
r
20
2
6
:
780
-
791
786
F
i
g
ur
e
3.
T
h
e
r
e
pe
a
t
i
n
g
m
o
du
l
e
i
n
L
S
T
M
[
12]
I
n
s
i
de
t
h
e
c
e
ll
a
r
e
t
w
o
ki
n
ds
o
f
m
e
m
o
r
y
:
C
e
ll
s
t
a
te
a
n
d
hi
dde
n
s
t
a
t
e
.
T
h
e
s
e
m
e
m
o
r
i
e
s
a
r
e
l
i
ke
n
ot
e
s
t
h
a
t
c
a
r
r
y
i
nf
o
r
m
a
t
i
o
n
f
r
o
m
t
h
e
pa
s
t
to
t
h
e
pr
e
s
e
n
t
a
s
t
h
e
s
y
s
t
e
m
pr
o
c
e
s
s
e
s
da
t
a
o
v
e
r
t
i
m
e
.
T
he
s
t
a
t
e
of
c
e
ll
s
i
s
li
ke
t
h
e
“
l
o
n
g
-
t
e
r
m
”
m
e
m
o
r
y
,
h
o
l
d
i
ng
o
n
t
o
e
s
s
e
n
t
i
a
l
de
t
a
i
l
s
,
w
hi
l
e
t
h
e
hi
dde
n
s
t
a
t
e
i
s
m
o
r
e
l
i
ke
“
s
h
o
r
t
-
t
e
r
m
”
m
e
m
o
r
y
,
c
a
pt
ur
i
n
g
t
h
e
c
ur
r
e
n
t
s
i
t
ua
t
i
o
n
.
T
h
e
f
o
r
g
e
t
ga
t
e
i
n
a
n
L
S
T
M
p
l
a
y
s
a
c
r
uc
i
a
l
r
o
l
e
i
n
de
c
i
d
in
g
wh
a
t
de
t
a
i
l
s
m
u
s
t
b
e
e
r
a
s
e
d
or
i
g
n
o
r
e
d
f
r
o
m
t
h
e
s
t
a
t
e
o
f
t
h
e
c
e
l
l
.
T
h
e
f
o
r
ge
t
ga
t
e
t
a
ke
s
t
w
o
c
r
i
t
i
c
a
l
pi
e
c
e
s
o
f
i
n
f
o
r
m
a
t
i
o
n
-
t
h
e
pr
e
vi
o
us
hi
s
t
or
i
c
a
l
t
i
m
e
s
t
e
p
’
s
hi
dde
n
s
t
a
t
e
a
n
d
a
v
a
il
a
bl
e
c
ur
r
e
n
t
i
n
put
.
T
hi
s
c
o
m
bi
ne
d
i
n
f
o
r
m
a
t
i
o
n
t
h
e
n
go
e
s
t
h
r
o
ugh
a
s
i
g
m
a
a
c
t
i
v
a
t
i
o
n
f
un
c
t
i
o
n
,
a
f
a
n
c
y
w
a
y
o
f
s
a
y
i
ng
a
f
u
n
c
t
i
o
n
t
h
a
t
s
qua
s
h
e
s
t
h
e
o
u
t
pu
t
b
e
t
we
e
n
0
a
n
d
1.
T
h
e
o
u
t
pu
t
o
f
t
h
e
a
c
t
i
v
a
t
i
o
n
f
u
nc
t
i
o
n
i
s
a
v
a
l
ue
b
e
t
we
e
n
0
a
n
d
1.
I
f
i
t
’
s
c
l
o
s
e
to
0,
t
h
e
s
y
s
t
e
m
f
o
r
ge
t
s
t
h
a
t
i
nf
o
r
m
a
t
i
o
n;
i
f
i
t
’
s
c
l
o
s
e
to
1,
i
t
de
c
i
de
s
to
ke
e
p
i
t
.
T
h
e
o
u
t
pu
t
o
f
t
h
e
f
o
r
ge
t
ga
t
e
a
t
t
i
m
e
s
t
a
m
p
t
i
s
r
e
pr
e
s
e
n
t
e
d
i
n
(
1
)
.
=
(
∗
+
ℎ
−
1
∗
)
(
1)
He
r
e
a
r
e
t
h
e
e
qua
t
i
o
n
va
r
i
a
bl
e
s
:
:
C
ur
r
e
n
t
da
t
e
a
n
d
t
i
m
e
i
n
put
,
ℎ
−
1
:
P
r
e
vi
o
us
t
i
m
e
s
t
a
m
p
c
o
n
c
e
a
l
e
d
s
t
a
t
e
,
:
I
n
put
we
i
g
h
t
,
:
W
e
i
g
h
t
m
a
t
r
i
x
f
o
r
hi
dde
n
s
t
a
t
e
s
.
T
h
e
i
n
put
ga
t
e
,
whi
c
h
c
a
n
b
e
l
i
ke
n
e
d
to
a
ga
t
e
ke
e
pe
r
,
l
oo
ks
a
t
t
w
o
t
hi
n
gs
-
t
h
e
gi
v
e
n
hi
dde
n
s
t
a
t
e
f
r
o
m
t
h
e
pr
e
vi
o
us
ly
a
v
a
il
a
bl
e
t
i
m
e
s
t
e
p
a
n
d
t
h
e
c
ur
r
e
n
t
i
n
put
.
T
h
e
f
i
r
s
t
pa
r
t
(
s
i
g
m
a
a
c
t
i
v
a
t
i
o
n
)
us
e
s
a
s
i
g
m
a
a
c
t
i
v
a
t
i
o
n
f
u
n
c
t
i
o
n
,
whi
c
h
c
a
n
b
e
c
o
m
pa
r
e
d
t
o
a
f
il
t
e
r
,
to
de
c
i
de
h
o
w
m
uc
h
o
f
t
h
e
i
nf
o
r
m
a
t
i
o
n
i
s
im
po
r
t
a
n
t
.
T
h
e
o
u
t
pu
t
i
s
a
v
a
l
ue
b
e
t
we
e
n
0
a
n
d
1,
i
n
d
i
c
a
t
i
n
g
t
h
e
pe
r
c
e
n
t
a
ge
o
f
r
e
l
e
v
a
n
c
e
,
m
uc
h
l
i
ke
a
pe
r
c
e
n
t
a
ge
s
c
o
r
e
i
n
a
t
e
s
t
.
T
h
e
s
e
c
o
n
d
pa
r
t
(
t
a
n
h
a
c
t
i
v
a
t
i
o
n
)
h
a
s
t
wo
v
a
l
ue
s
(
c
ur
r
e
n
t
l
y
a
v
a
il
a
bl
e
i
nput
a
n
d
g
i
ve
n
hi
dd
e
n
s
t
a
t
e
)
,
t
h
e
n
go
e
s
t
h
r
o
ug
h
t
h
e
T
a
nh
a
c
t
i
v
a
t
i
o
n
f
u
n
c
t
i
o
n
,
w
hi
c
h
s
qu
a
s
h
e
s
t
h
e
v
a
l
ue
s
b
e
t
we
e
n
-
1
a
n
d
1.
T
h
e
o
ut
pu
t
o
f
t
h
e
s
i
g
m
a
f
u
n
c
t
i
o
n
de
c
i
de
s
w
h
a
t
pe
r
c
e
n
t
a
ge
o
f
t
h
e
i
nf
o
r
m
a
t
i
o
n
i
s
s
i
g
ni
f
i
c
a
n
t
,
a
n
d
t
h
e
pr
o
duc
t
i
o
n
o
f
t
h
e
T
a
nh
f
u
n
c
t
i
o
n
g
i
v
e
s
t
h
e
a
c
t
ua
l
i
nf
o
r
m
a
t
i
o
n
.
T
h
e
s
e
t
wo
a
r
e
m
u
l
t
i
p
li
e
d,
g
i
vi
ng
a
r
e
f
i
ne
d
a
n
d
r
e
l
e
va
n
t
p
i
e
c
e
o
f
i
n
f
o
r
m
a
t
i
o
n
.
Upda
t
i
n
g
C
e
ll
S
t
a
t
e
r
e
f
i
ne
d
i
nf
o
r
m
a
t
i
o
n
b
e
c
o
m
e
s
t
h
e
i
n
put
ga
t
e
’
s
o
u
t
pu
t
a
n
d
i
s
us
e
d
t
o
upda
t
e
t
h
e
c
e
l
l
s
t
a
t
e
.
I
t
’
s
l
i
ke
de
c
i
d
i
ng
h
o
w
m
uc
h
a
n
d
wh
a
t
ki
n
d
o
f
n
e
w
i
nf
o
r
m
a
t
i
o
n
i
s
e
s
s
e
n
t
i
a
l
f
o
r
t
h
e
c
ur
r
e
n
t
s
t
a
t
e
.
=
(
∗
+
ℎ
−
1
∗
)
(
2)
T
h
e
o
u
t
pu
t
ga
t
e
p
r
o
duc
e
s
t
h
e
hi
dde
n
s
t
a
t
e
f
o
r
t
h
e
n
e
x
t
m
o
m
e
n
t
.
T
h
e
r
e
a
r
e
t
w
o
pa
r
t
s
o
f
o
u
t
pu
t
ga
t
e
:
T
h
e
f
i
r
s
t
pa
r
t
,
s
i
g
m
a
a
c
t
i
v
a
t
i
o
n
,
f
u
nc
t
i
o
ns
s
im
i
l
a
r
ly
t
o
ot
h
e
r
ga
t
e
s
.
I
t
us
e
s
a
S
i
g
m
a
f
u
n
c
t
i
o
n
t
o
de
t
e
r
mi
ne
t
h
e
r
e
l
e
v
a
n
c
e
o
f
t
h
e
da
t
a
de
r
i
v
e
d
f
r
o
m
t
h
e
c
e
l
l
s
t
a
t
e
,
a
c
r
uc
i
a
l
s
t
e
p
f
o
r
t
h
e
n
e
x
t
m
o
m
e
n
t
.
S
e
c
o
n
d
pa
r
t
(
t
a
n
h
a
c
t
i
v
a
t
i
o
n
)
:
T
h
e
n
e
w
ly
upda
t
e
d
c
e
l
l
s
t
a
t
e
g
o
e
s
t
h
r
ough
a
T
a
n
h
a
c
t
i
v
a
t
i
o
n
f
u
n
c
t
i
o
n
,
whi
c
h
s
qua
s
h
e
s
t
h
e
v
a
l
ue
s
b
e
t
we
e
n
-
1
a
n
d
1.
C
o
m
bi
n
i
ng
a
n
d
upda
t
i
n
g
hi
dd
e
n
s
t
a
t
e
:
T
h
e
o
u
tpu
t
f
r
o
m
t
h
e
s
i
g
m
a
f
u
n
c
t
i
o
n
de
c
i
de
s
t
h
e
pe
r
c
e
n
t
a
ge
o
f
r
e
l
e
v
a
nc
e
,
a
n
d
t
h
e
o
u
t
pu
t
f
r
o
m
t
h
e
T
a
n
h
f
u
n
c
t
i
o
n
i
s
t
h
e
a
c
t
ua
l
i
nf
o
r
m
a
t
i
o
n
.
T
h
e
s
e
t
wo
a
r
e
m
u
l
t
i
p
l
i
e
d,
c
r
e
a
t
i
n
g
a
n
e
w
hi
dde
n
s
t
a
t
e
.
Ou
t
pu
t
f
or
t
h
e
ne
x
t
t
i
m
e
s
t
e
p
:
T
h
e
f
i
na
l
r
e
s
u
l
t
o
f
t
hi
s
m
u
l
t
ip
l
i
c
a
t
i
o
n
b
e
c
o
m
e
s
t
h
e
n
e
w
hi
dde
n
s
t
a
t
e
.
T
hi
s
o
ut
pu
t
i
s
t
h
e
n
kn
o
wn
a
s
a
hi
dde
n
s
t
a
t
e
.
F
or
t
h
e
c
ur
r
e
n
t
l
y
a
v
a
il
a
bl
e
t
i
me
s
t
e
p,
i
t
a
l
s
o
s
e
r
v
e
s
a
s
t
h
e
s
e
c
r
e
t
s
t
a
t
e
f
o
r
t
h
e
n
e
x
t
on
e
.
=
(
∗
+
ℎ
−
1
∗
0
)
(
3)
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
I
S
S
N:
2502
-
4752
De
e
p
lear
ning
–
dr
ive
n
automated
pr
e
diction
and
data
analys
is
of
the
I
ndian
s
tock
index
(
V
ij
ay
k
umar
B
idve
)
787
2.
3.
4.
P
r
e
d
ict
ion
of
NI
F
T
Y50
T
h
e
t
r
a
i
n
e
d
L
S
T
M
m
o
de
l
a
c
c
ur
a
t
e
l
y
pr
e
d
i
c
t
e
d
t
h
e
di
r
e
c
t
i
o
n
o
f
NI
F
T
Y
F
I
F
T
Y
ba
s
e
d
o
n
t
h
e
d
i
r
e
c
t
i
o
n
a
li
t
y
o
f
t
h
e
VI
X,
s
h
o
wc
a
s
i
n
g
pr
o
m
i
s
i
ng
r
e
s
u
l
t
s
.
P
e
r
f
o
r
m
a
n
c
e
e
v
a
l
ua
t
i
o
n
:
I
t
i
s
a
s
s
e
s
s
e
d
t
h
e
m
o
de
l
’
s
a
c
c
ur
a
c
y
,
pr
e
c
i
s
i
o
n
,
r
e
c
a
l
l
,
a
n
d
F
1
s
c
o
r
e
,
v
a
l
i
d
a
t
i
ng
i
t
s
pr
e
d
i
c
t
i
v
e
pe
r
f
o
r
m
a
n
c
e
w
i
t
h
s
a
t
i
s
f
a
c
t
o
r
y
m
e
t
r
i
c
s
.
2.
3.
5.
I
n
t
r
ad
ay
an
al
ys
is
T
h
e
a
n
a
ly
s
i
s
e
x
t
e
n
d
e
d
to
p
r
e
d
i
c
t
c
h
a
n
ge
s
i
n
NI
F
T
Y50
f
ut
ur
e
s
dur
i
n
g
i
n
t
r
a
da
y
p
e
r
i
o
ds
us
i
ng
r
e
a
l
-
t
i
m
e
VI
X
m
o
v
e
m
e
n
t
s
.
S
h
o
r
t
-
t
e
r
m
f
l
uc
t
ua
t
i
o
n
a
n
a
ly
s
i
s
:
T
hi
s
wo
r
k
s
uc
c
e
s
s
f
u
ll
y
e
v
a
l
ua
t
e
s
t
h
e
m
o
de
l
’
s
e
f
f
e
c
t
i
v
e
n
e
s
s
i
n
c
a
pt
ur
i
n
g
s
h
o
r
t
-
t
e
r
m
f
l
u
c
t
ua
t
i
o
n
s
a
n
d
i
n
t
r
a
da
y
t
r
e
n
ds
.
2.
3.
6.
Aut
o
t
r
ad
in
g
m
od
e
l
in
t
e
gr
at
ion
T
hi
s
wo
r
k
ha
s
i
n
t
e
gr
a
t
e
d
b
r
o
ke
r
(
S
h
oo
ny
a
by
F
i
n
v
a
s
i
a
)
A
P
I
s
,
a
ll
o
w
i
ng
a
c
c
e
s
s
t
o
r
e
a
l
-
t
i
m
e
NI
F
T
Y
F
I
F
T
Y
a
n
d
VI
X
da
t
a
s
t
r
e
a
m
s
.
M
o
de
l
i
m
p
l
e
m
e
n
t
a
ti
o
n
:
T
hi
s
wo
r
k
wi
ll
i
nc
o
r
por
a
t
e
L
S
T
M
pr
e
di
c
t
i
o
ns
i
n
t
o
a
n
a
uto
tr
a
di
n
g
m
o
de
l
,
f
a
c
il
i
t
a
t
i
n
g
r
e
a
l
-
t
i
m
e
t
r
a
di
n
g
d
e
c
i
s
i
o
n
s
b
a
s
e
d
o
n
a
c
c
ur
a
t
e
f
o
r
e
c
a
s
t
s
.
2.
3.
7.
B
ac
k
t
e
s
t
in
g
an
d
o
p
t
im
iz
a
t
ion
:
E
v
a
l
ua
t
i
n
g
t
h
e
tr
a
di
n
g
m
o
de
l
’
s
pe
r
f
o
r
m
a
n
c
e
i
s
c
r
uc
i
a
l
,
a
n
d
a
t
h
o
r
o
ugh
e
x
a
m
i
na
t
i
o
n
c
a
n
b
e
do
n
e
t
h
r
o
ugh
b
a
c
kt
e
s
t
i
n
g
us
i
ng
hi
s
t
o
r
i
c
a
l
da
t
a
.
T
hi
s
p
r
o
c
e
s
s
pr
o
vi
de
s
i
ns
i
g
h
t
s
i
n
t
o
h
o
w
t
h
e
m
o
de
l
r
e
s
po
n
ds
to
d
i
f
f
e
r
e
n
t
m
a
r
ke
t
c
o
n
d
i
t
i
o
n
s
.
Af
t
e
r
o
b
t
a
i
ni
ng
t
h
e
pe
r
f
o
r
m
a
n
c
e
r
e
s
u
l
t
s
,
t
h
e
n
e
x
t
s
t
e
p
i
s
t
o
i
m
pr
o
v
e
a
n
d
o
p
t
i
mi
z
e
t
h
e
mo
de
l
.
T
hi
s
i
nc
l
ude
s
f
i
ne
-
t
uni
ng
pa
r
a
m
e
t
e
r
s
,
a
d
j
u
s
t
i
n
g
t
r
a
d
i
n
g
s
t
r
a
t
e
gi
e
s
,
a
n
d
r
e
f
i
n
i
ng
r
i
s
k
m
a
na
ge
m
e
n
t
pr
oto
c
o
l
s
.
T
hi
s
c
r
i
t
i
c
a
l
s
t
e
p
a
i
m
s
to
e
n
h
a
n
c
e
t
h
e
e
f
f
e
c
t
i
v
e
n
e
s
s
o
f
t
h
e
m
o
de
l
b
a
s
e
d
o
n
t
h
e
l
e
s
s
o
n
s
l
e
a
r
ne
d
dur
i
n
g
t
h
e
b
a
c
kt
e
s
t
i
n
g
pr
o
c
e
s
s
.
2.
3.
8.
Re
al
-
t
im
e
d
e
p
l
oym
e
n
t
an
d
m
on
it
or
in
g
W
i
t
h
im
pr
o
v
e
m
e
n
t
s
to
t
h
e
m
o
de
l
,
t
h
e
s
u
bs
e
que
n
t
a
c
t
i
o
n
i
nv
o
l
ve
s
l
a
u
nc
hi
n
g
i
t
i
n
t
o
a
n
a
c
t
i
v
e
t
r
a
di
n
g
e
nvi
r
o
nm
e
n
t
.
De
pl
o
y
i
ng
t
h
e
o
p
t
i
m
i
z
e
d
a
uto
t
r
a
d
i
n
g
m
o
de
l
a
n
d
e
s
t
a
bli
s
hi
ng
c
o
n
t
i
n
uo
us
m
o
ni
t
or
i
ng
m
e
c
h
a
ni
s
m
s
i
s
e
s
s
e
n
t
i
a
l
.
T
hi
s
s
e
t
up
e
n
a
bl
e
s
us
to
ob
s
e
r
v
e
i
t
s
r
e
a
l
-
t
i
m
e
pe
r
f
o
r
m
a
n
c
e
c
l
o
s
e
l
y
.
S
h
o
o
ny
a
by
F
i
nva
s
i
a
-
T
hi
s
wo
r
k
us
e
s
S
h
oo
ny
a
,
a
p
o
we
r
f
u
l
a
pp
l
i
c
a
t
i
o
n
pr
o
g
r
a
m
mi
ng
i
n
t
e
r
f
a
c
e
(
A
P
I
)
pr
o
vi
de
d
by
F
i
nva
s
i
a
,
to
i
n
t
e
gr
a
t
e
a
n
d
a
c
c
e
s
s
b
us
i
ne
s
s
da
t
a
i
n
r
e
a
l
-
t
i
m
e
.
S
h
o
o
ny
a
i
s
a
r
e
l
i
a
bl
e
ga
t
e
wa
y
t
h
a
t
a
l
l
o
ws
us
t
o
a
c
c
e
s
s
F
i
nva
s
i
a
’
s
a
v
a
il
a
bl
e
m
a
r
ke
t
da
t
a
.
I
n
s
t
a
n
t
a
n
e
o
us
b
us
i
ne
s
s
da
t
a
,
t
i
m
e
ly
a
na
ly
s
i
s
,
a
n
d
c
h
o
i
c
e
-
m
a
k
i
ng.
L
e
v
e
r
a
g
i
ng
t
h
e
po
we
r
o
f
S
h
o
o
ny
a
,
t
hi
s
pr
o
j
e
c
t
s
e
a
m
l
e
s
s
ly
i
n
t
e
gr
a
t
e
s
w
i
t
h
F
i
nva
s
ia
’
s
A
P
I
,
a
l
l
o
w
i
ng
t
h
e
us
e
o
f
a
ut
o
m
a
t
e
d
tr
a
di
n
g
s
t
r
a
t
e
gi
e
s
g
u
i
de
d
by
t
h
e
s
e
pr
e
d
i
c
t
i
v
e
m
o
de
l
s
.
I
n
t
e
gr
a
t
i
n
g
S
h
o
o
ny
a
A
P
I
e
n
a
bl
e
s
t
h
e
pr
o
j
e
c
t
to
a
l
l
o
w
F
i
nva
s
i
a
t
o
s
to
r
e
i
t
s
A
P
I
s
a
n
d
t
r
a
de
da
t
a
a
n
d
i
m
pr
o
v
e
de
c
i
s
i
o
n
-
m
a
k
i
ng.
F
i
nva
s
i
a
’
s
S
h
o
o
ny
a
s
i
m
p
li
f
i
e
s
i
n
t
e
gr
a
t
i
o
n
,
a
l
l
o
w
i
ng
us
t
o
us
e
pr
e
di
c
t
i
v
e
m
o
de
l
s
i
n
a
r
e
a
l
-
t
i
m
e
b
us
i
ne
s
s
e
nvi
r
o
nm
e
n
t
a
n
d
m
a
ke
goo
d
de
c
i
s
i
o
ns
b
a
s
e
d
o
n
i
n
s
t
a
n
t
i
ns
i
g
h
t
s
.
S
h
oo
ny
a
’
s
A
P
I
h
e
l
pe
d
us
s
uppor
t
da
t
a
in
E
x
c
e
l
,
s
t
r
e
a
m
li
ne
a
n
d
im
pr
o
v
e
t
h
e
da
t
a
pr
o
c
e
s
s
i
ng,
a
n
d
a
c
hi
e
v
e
r
e
a
l
-
t
i
m
e
e
f
f
i
c
i
e
nc
y
a
n
d
a
na
l
y
s
i
s
o
f
m
a
r
ke
t
a
n
d
c
o
m
pa
ny
da
t
a
.
I
n
t
e
gr
a
t
i
n
g
S
h
o
o
ny
a
’
s
A
P
I
a
l
lo
ws
us
to
dy
n
a
mi
c
a
ll
y
e
x
po
r
t
da
t
a
to
E
x
c
e
l
,
pe
r
f
o
r
m
r
e
a
l
-
t
i
m
e
c
a
l
c
u
l
a
t
i
o
ns
,
s
e
e
t
r
e
n
ds
,
a
n
d
tr
a
c
k
t
h
e
f
o
r
e
c
a
s
t
i
n
g
m
o
de
l
s
e
a
m
l
e
s
s
l
y
.
I
t
dr
i
ve
s
de
c
i
s
i
o
n
-
m
a
k
i
ng,
a
c
c
e
l
e
r
a
t
e
s
r
e
s
po
n
s
e
to
c
h
a
n
ge
s
i
n
t
h
e
b
us
i
ne
s
s
,
a
n
d
e
nha
n
c
e
s
t
h
e
pr
e
d
i
c
t
i
v
e
a
n
a
ly
t
i
c
s
.
S
h
oo
ny
a
’
s
da
s
hb
o
a
r
d
f
o
r
a
uto
m
a
t
e
d
t
r
a
di
n
g
o
f
t
hi
s
wo
r
k
pr
o
vi
de
s
a
c
o
m
pr
e
h
e
n
s
i
ve
o
ve
r
vi
e
w
o
f
t
h
e
t
r
a
d
i
n
g
a
n
d
pe
r
f
o
r
m
a
n
c
e
.
I
t
a
l
l
o
ws
us
to
i
n
s
t
a
n
t
l
y
t
r
a
c
k
o
r
de
r
s
,
p
o
s
i
t
i
o
ns
,
a
s
s
e
t
s
a
n
d
m
a
r
g
i
ns
.
T
hi
s
wo
r
k
c
a
n
a
l
s
o
vi
e
w
m
a
r
ke
t
da
t
a
a
n
d
m
a
r
ke
t
t
r
e
n
ds
a
n
d
c
r
e
a
t
e
m
a
r
ke
t
s
i
g
n
a
l
s
us
i
ng
m
u
l
t
i
p
l
e
s
t
r
a
t
e
gi
e
s
.
T
h
e
da
s
hb
o
a
r
d
a
l
s
o
pr
o
vi
de
s
a
c
c
e
s
s
t
o
a
v
a
r
i
e
t
y
o
f
too
l
s
to
m
a
n
a
ge
r
i
s
k
a
n
d
o
pt
i
m
i
z
e
b
u
s
i
n
e
s
s
pe
r
f
o
r
m
a
n
c
e
.
3.
RE
S
UL
T
S
AN
D
DI
S
CU
S
S
I
ON
F
o
l
l
o
w
i
ng
a
ppr
o
pr
i
a
t
e
s
c
a
l
i
ng,
t
r
a
i
ni
ng,
a
n
d
t
e
s
t
i
n
g
w
i
t
h
a
c
t
ua
l
a
n
d
pr
e
d
i
c
t
e
d
da
t
a
,
I
t
i
s
n
o
t
i
c
e
d
d
i
v
e
r
s
e
R
M
S
E
va
l
u
e
s
a
s
s
o
c
i
a
t
e
d
w
i
t
h
v
a
r
i
a
t
i
o
n
s
i
n
l
a
y
e
r
s
,
u
ni
t
s
i
n
de
n
s
e
a
n
d
hi
dd
e
n
l
a
y
e
r
s
,
a
s
we
ll
a
s
v
a
r
i
o
us
o
u
t
pu
t
pr
e
di
c
t
i
o
n
e
po
c
h
s
.
Upo
n
s
c
r
u
t
i
ni
z
i
ng
va
r
i
o
us
e
po
c
h
s
f
o
r
b
ot
h
t
h
e
L
S
T
M
m
o
de
l
s
,
i
t
b
e
c
a
m
e
e
vi
d
e
n
t
t
h
a
t
s
e
l
e
c
t
i
n
g
t
h
e
o
p
t
i
m
a
l
t
r
a
i
ni
n
g
e
po
c
hs
i
s
c
r
uc
ia
l
f
o
r
e
f
f
e
c
t
i
v
e
ly
t
r
a
i
ni
ng
t
h
e
m
o
de
l
.
T
hi
s
e
m
p
h
a
s
i
z
e
s
t
h
e
im
po
r
t
a
n
c
e
o
f
c
h
o
o
s
i
n
g
t
h
e
m
o
s
t
s
ui
t
a
bl
e
t
r
a
i
ni
n
g
e
po
c
h
s
to
e
n
s
ur
e
o
p
t
i
m
a
l
m
o
de
l
t
r
a
i
ni
ng
.
F
i
gur
e
s
4
a
n
d
5
s
h
o
ws
t
h
e
a
c
t
ua
l
v
a
l
ue
o
f
NI
F
T
Y50
i
n
t
h
e
l
a
s
t
100
da
y
s
a
n
d
a
l
s
o
t
h
e
f
o
r
e
c
a
s
t
o
f
NI
F
T
Y50
i
n
t
h
e
n
e
x
t
10
da
y
s
.
A
s
y
o
u
c
a
n
s
e
e
,
t
h
e
m
o
de
l
pr
e
d
i
c
t
s
t
h
e
o
v
e
r
a
l
l
pa
t
t
e
r
n
o
f
t
h
e
NI
F
T
Y50
v
e
r
y
we
l
l
,
b
ut
t
h
e
r
e
i
s
s
o
m
e
da
y
-
to
-
da
y
v
a
r
i
a
t
i
o
n
i
n
t
h
e
de
t
a
i
l
s
.
A
s
s
h
o
wn
i
n
F
i
gur
e
6,
t
h
e
L
S
T
M
m
o
de
l
w
i
t
h
t
wo
hi
dde
n
l
a
y
e
r
s
c
o
u
l
d
a
c
c
ur
a
t
e
l
y
pr
e
d
i
c
t
t
h
e
tr
e
n
d
o
f
t
h
e
NI
F
T
Y50
i
n
de
x
o
v
e
r
100
e
po
c
h
s
.
T
h
e
pr
e
d
i
c
t
e
d
v
a
l
ue
s
c
l
o
s
e
ly
t
r
a
c
k
t
h
e
a
c
t
ua
l
v
a
l
ue
s
,
w
i
t
h
o
nly
mi
n
o
r
di
s
c
r
e
pa
n
c
i
e
s
.
T
hi
s
s
ugge
s
t
s
t
h
a
t
t
h
e
g
i
v
e
n
m
o
de
l
c
a
n
l
e
a
r
n
t
h
e
a
v
a
il
a
bl
e
u
n
de
r
l
yi
ng
pa
t
t
e
r
n
s
i
n
t
h
e
da
t
a
s
e
t
a
n
d
m
a
ke
m
o
r
e
a
c
c
ur
a
t
e
p
r
e
di
c
t
i
o
ns
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
S
S
N
:
2502
-
4752
I
n
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
,
Vo
l
.
4
3
,
N
o
.
3
,
S
e
p
t
e
m
b
e
r
20
2
6
:
780
-
791
788
F
i
gur
e
4
.
L
S
T
M
m
e
t
h
o
do
l
o
g
i
e
s
o
ut
pu
t
pr
e
di
c
t
i
o
n
f
o
r
f
i
f
t
y
e
po
c
hs
w
i
t
h
t
w
o
hi
dde
n
l
a
y
e
r
s
F
i
g
ur
e
5
.
L
S
T
M
m
o
de
l
’
s
o
u
t
pu
t
p
r
e
di
c
t
i
o
n
f
o
r
100
e
po
c
h
s
w
i
t
h
t
w
o
hi
dde
n
l
a
y
e
r
s
F
i
gur
e
6.
L
S
T
M
m
o
de
l
’
s
o
u
t
pu
t
p
r
e
di
c
t
i
o
n
f
o
r
50
e
po
c
h
s
w
i
t
h
t
wo
hi
dde
n
l
a
y
e
r
s
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
I
S
S
N:
2502
-
4752
De
e
p
lear
ning
–
dr
ive
n
automated
pr
e
diction
and
data
analys
is
of
the
I
ndian
s
tock
index
(
V
ij
ay
k
umar
B
idve
)
789
T
h
e
m
o
de
l
’
s
pe
r
f
o
r
m
a
n
c
e
c
a
n
b
e
a
t
t
r
i
b
ut
e
d
to
i
t
s
r
o
b
us
t
l
e
a
r
ni
ng
c
a
pa
c
i
t
y
,
pa
r
t
i
c
u
l
a
r
ly
i
n
c
a
pt
ur
i
n
g
l
o
n
g
-
t
e
r
m
da
t
a
de
pe
n
de
n
c
i
e
s
.
R
NN
s
,
s
uc
h
a
s
L
S
T
M
s
,
a
r
e
ge
n
e
r
a
ll
y
m
o
r
e
s
u
i
t
e
d
f
o
r
t
i
m
e
s
e
r
i
e
s
p
r
e
d
i
c
t
i
o
n
t
a
s
ks
,
a
s
t
h
e
y
c
a
n
l
e
a
r
n
to
p
r
e
d
i
c
t
f
ut
ur
e
v
a
l
ue
s
b
a
s
e
d
o
n
a
v
a
i
l
a
bl
e
pa
s
t
da
t
a
v
a
l
u
e
s
.
T
h
e
t
w
o
hi
dde
n
l
a
y
e
r
s
i
n
t
h
e
m
o
de
l
pr
o
vi
de
a
dd
i
t
i
o
n
a
l
c
a
pa
c
i
t
y
f
o
r
l
e
a
r
ni
ng
c
o
m
p
l
e
x
pa
t
t
e
r
n
s
i
n
t
h
e
da
t
a
,
r
e
a
s
s
ur
i
n
g
t
h
e
a
ud
i
e
nc
e
a
b
o
ut
i
t
s
pr
e
d
i
c
t
i
ve
a
c
c
ur
a
c
y
.
4.
CONC
L
USI
ON
T
hi
s
s
t
udy
de
m
o
ns
t
r
a
t
e
s
t
h
e
e
f
f
e
c
t
i
v
e
n
e
s
s
o
f
L
S
T
M
n
e
t
w
o
r
ks
i
n
pr
e
d
i
c
t
i
n
g
NI
F
T
Y50
t
r
e
n
ds
b
y
l
e
v
e
r
a
g
i
ng
t
h
e
v
o
l
a
t
i
l
i
t
y
i
nde
x
(
VI
X)
a
s
a
ke
y
i
n
d
i
c
a
t
o
r
o
f
m
a
r
ke
t
s
e
n
t
i
m
e
n
t
a
n
d
v
o
l
a
t
i
li
t
y
.
B
y
i
n
t
e
gr
a
t
i
n
g
pr
e
d
i
c
t
i
v
e
a
n
a
ly
t
i
c
s
w
i
t
h
r
e
a
l
-
t
i
m
e
da
t
a
,
t
h
e
pr
o
p
o
s
e
d
f
r
a
m
e
wo
r
k
e
nh
a
n
c
e
s
f
o
r
e
c
a
s
t
i
n
g
a
c
c
ur
a
c
y
a
n
d
pr
o
vi
de
s
v
a
l
ua
bl
e
i
ns
i
g
h
t
s
f
o
r
a
u
to
m
a
t
e
d
f
i
na
n
c
i
a
l
de
c
i
s
i
o
n
-
m
a
k
i
ng.
T
h
e
a
bil
i
t
y
o
f
L
S
T
M
m
o
de
l
s
to
c
a
pt
u
r
e
s
e
que
n
t
i
a
l
de
pe
n
d
e
n
c
i
e
s
a
n
d
c
o
m
p
l
e
x
t
e
m
po
r
a
l
pa
tt
e
r
n
s
m
a
k
e
s
t
h
e
m
pa
r
t
i
c
u
l
a
r
ly
we
ll
-
s
u
i
t
e
d
f
o
r
f
i
na
n
c
i
a
l
a
pp
li
c
a
t
i
o
ns
wh
e
r
e
v
o
l
a
t
i
li
t
y
a
n
d
unc
e
r
t
a
i
n
t
y
do
m
i
na
t
e
.
T
h
e
r
e
s
u
l
t
s
hi
g
hli
g
h
t
t
h
a
t
m
o
de
l
o
p
t
i
mi
z
a
t
i
o
n
s
t
r
a
t
e
gi
e
s
a
nd
r
o
b
us
t
da
t
a
pr
e
pr
o
c
e
s
s
i
n
g
c
o
l
l
e
c
t
i
v
e
ly
s
t
r
e
n
gt
h
e
n
t
h
e
r
e
l
iabili
t
y
o
f
pr
e
d
i
c
t
i
o
n
s
,
e
n
a
bli
ng
m
o
r
e
pr
a
c
t
i
c
a
l
a
pp
li
c
a
t
i
o
ns
i
n
r
e
a
l
-
wo
r
l
d
tr
a
d
i
n
g
e
nvi
r
o
nm
e
n
t
s
.
B
e
y
o
n
d
i
m
p
r
o
vi
n
g
f
o
r
e
c
a
s
t
a
c
c
ur
a
c
y
,
t
h
e
a
ppr
o
a
c
h
c
o
n
t
r
i
b
ut
e
s
to
t
h
e
de
v
e
l
o
p
m
e
n
t
o
f
i
n
t
e
l
li
ge
n
t
,
a
u
to
m
a
t
e
d
s
y
s
t
e
m
s
t
h
a
t
c
a
n
s
uppo
r
t
i
nv
e
s
t
or
s
i
n
m
a
k
i
ng
t
i
m
e
ly
a
n
d
i
n
f
o
r
m
e
d
de
c
i
s
i
o
n
s
.
T
hi
s
r
e
s
e
a
r
c
h
u
n
de
r
s
c
o
r
e
s
t
h
e
p
ot
e
n
t
i
a
l
o
f
de
e
p
l
e
a
r
ni
ng
m
e
t
h
o
do
l
o
g
i
e
s
,
pa
r
t
i
c
u
l
a
r
ly
L
S
T
M
,
to
t
r
a
n
s
f
o
r
m
f
i
na
n
c
i
a
l
pr
e
d
i
c
t
i
o
n
a
n
d
a
na
l
y
s
i
s
,
pa
vi
n
g
t
h
e
wa
y
f
o
r
s
c
a
l
a
bl
e
,
a
da
pt
i
v
e
,
a
n
d
da
t
a
-
dr
i
v
e
n
s
o
l
ut
i
o
ns
i
n
t
h
e
I
n
d
i
a
n
s
t
o
c
k
m
a
r
ke
t
.
AC
K
NOWL
E
DGE
M
E
NT
S
T
h
e
a
ut
h
o
r
s
a
c
kn
o
wl
e
dge
t
o
a
l
l
w
h
o
s
uppo
r
t
e
d
di
r
e
c
t
l
y
o
r
i
n
d
i
r
e
c
t
l
y
i
n
t
h
e
a
c
c
o
m
p
li
s
hm
e
n
t
o
f
t
h
i
s
wo
r
k
.
A
ut
h
o
r
s
a
r
e
gr
a
t
e
f
u
l
t
o
t
h
e
pa
r
e
n
t
s
f
o
r
t
h
e
i
r
bl
e
s
s
i
ng
a
n
d
f
a
mi
ly
m
e
m
be
r
s
,
f
r
i
e
n
d
s
a
n
d
c
o
l
l
e
a
gue
s
f
o
r
t
h
e
i
r
b
e
s
t
wi
s
h
e
s
f
o
r
t
hi
s
wo
r
k
.
A
ut
h
o
r
s
e
x
t
e
n
d
s
p
e
c
i
a
l
t
h
a
n
k
s
to
e
m
p
l
o
y
e
r
s
f
o
r
t
h
e
i
r
h
uge
s
uppo
r
t
a
l
l
t
h
e
t
i
m
e
i
n
a
l
l
o
f
r
e
s
e
a
r
c
h
wo
r
k
.
RE
F
E
R
E
NC
E
S
[
1]
T
.
G
. A
nde
r
s
e
n,
T
.
B
o
ll
e
r
s
le
v
,
F
. X
. D
i
e
b
o
ld
, a
nd
P
.
L
a
b
y
s
,
“
M
o
d
e
li
ng a
nd
f
or
e
c
a
s
ti
ng r
e
a
li
z
e
d
vo
la
ti
li
t
y
,
”
E
c
onome
tr
ic
a
, vo
l.
71,
no
. 2, pp. 579
–
625, 2003, d
o
i:
10.1111/1468
-
0262.00418.
[
2]
M
.
T
h
e
nm
oz
hi
a
nd
A
.
C
ha
ndr
a
,
“
I
ndi
a
vo
la
ti
li
t
y
in
de
x
(
I
ndi
a
V
I
X
)
a
nd
r
is
k
ma
na
ge
m
e
nt
in
th
e
in
di
a
n
s
t
oc
k
ma
r
ke
t,
”
N
SE
W
or
k
in
g
P
ape
r
Se
r
ie
s
,
pp
.
1
–
50,
2013,
[
O
nl
in
e
]
.
A
v
a
il
a
bl
e
:
ht
tp
:/
/ww
w
.ns
e
in
di
a
.c
o
m
/r
e
s
e
a
r
c
h/
c
o
nt
e
n
t/
r
e
s
_W
o
r
k
in
gP
a
pe
r
9.
pdf
.
[
3]
P
.
S
r
in
i
v
a
s
a
n
a
nd
R
.
D
.
V
a
s
ude
v
a
n,
“
L
in
ka
ge
be
twe
e
n
I
ndi
a
im
pl
ie
d
vo
la
ti
li
t
y
in
de
x
a
nd
s
t
o
c
k
in
d
e
x
r
e
tu
r
ns
,
”
T
he
or
e
ti
c
al
E
c
onomic
s
L
e
tt
e
r
s
, v
o
l.
07, n
o
. 04, pp. 929
–
938, 2017, d
o
i:
1
0.
4236/t
e
l.
2017.74063.
[
4]
G
.
S
ki
a
d
o
p
o
ul
o
s
,
“
T
h
e
gr
e
e
k
im
pl
i
e
d
vo
la
ti
li
t
y
in
d
e
x
:
c
o
ns
tr
uc
t
io
n
a
nd
pr
o
p
e
r
t
ie
s
,
”
A
ppl
ie
d
F
in
anc
ia
l
E
c
onomic
s
,
v
o
l.
14,
no
.
16,
pp. 1187
–
1196, 2004, do
i:
10.1080/096031004
2000280438.
[
5]
P
.
D
e
nni
s
,
S
.
M
a
y
h
e
w
,
a
nd
C
.
S
ti
ve
r
s
,
“
S
t
o
c
k
r
e
tu
r
ns
,
im
pl
ie
d
vo
la
ti
li
t
y
in
n
ov
a
ti
o
ns
,
a
nd
th
e
a
s
y
mm
e
tr
ic
vo
la
ti
li
t
y
ph
e
n
o
m
e
n
o
n,
”
J
our
nal
of
F
in
anc
ia
l
and Quantit
at
iv
e
A
nal
y
s
is
, vo
l.
41, n
o
. 2,
pp. 381
–
406, 2006, do
i:
10.1017/
S
0022109000002118.
[
6]
K
.
A
.
A
lt
he
la
y
a
,
E
.
S
.
M
.
E
l
-
A
l
f
y
,
a
nd
S
.
M
o
ha
m
me
d,
“
E
v
a
lu
a
ti
o
n
of
bi
di
r
e
c
ti
o
na
l
L
S
T
M
f
o
r
s
ho
r
t
a
nd
lo
ng
-
t
e
r
m
s
to
c
k
ma
r
ke
t
pr
e
di
c
ti
o
n,
”
in
2018
9t
h
I
nt
e
r
nat
io
nal
C
onf
e
r
e
nc
e
on
I
n
f
or
m
a
ti
on
and
C
om
m
uni
c
at
io
n
Sy
s
te
m
s
,
I
C
I
C
S
2018
,
I
E
E
E
,
A
pr
.
2
018,
pp. 151
–
156
,
do
i:
10.1109/
I
A
C
S
.2018.8355458.
[
7]
R
. C
. S
ta
ude
m
e
y
e
r
a
nd E
.
R
. M
o
r
r
is
,
“
U
nd
e
r
s
ta
ndi
ng
L
S
T
M
--
a
t
ut
or
ia
l
in
t
o l
o
ng
s
ho
r
t
-
t
e
r
m
m
e
m
o
r
y
r
e
c
u
r
r
e
nt
n
e
ur
a
l
ne
twor
ks
,
”
S
e
p. 2019, [
O
nl
in
e
]
. A
v
a
il
a
bl
e
:
ht
tp
:
//
a
r
x
i
v
.
o
r
g/
a
bs
/1
909.09586
.
[
8]
S
.
H
oc
hr
e
it
e
r
a
nd
J
.
S
c
hmi
dhub
e
r
,
“
L
o
ng
s
h
o
r
t
-
t
e
r
m
m
e
m
o
r
y
,
”
N
e
ur
al
C
om
put
at
io
n
,
v
o
l.
9,
n
o
.
8,
pp.
1735
–
1780,
N
ov
.
19
97,
do
i:
10.1162/n
e
c
o
.1997.9.8.1735.
[
9]
L
.
D
i
P
e
r
s
io
a
nd
O
.
H
o
n
c
ha
r
,
“
A
na
l
y
s
is
of
r
e
c
ur
r
e
nt
n
e
ur
a
l
n
e
t
w
o
r
ks
f
o
r
s
h
o
r
t
-
t
e
r
m
e
ne
r
g
y
l
o
a
d
f
o
r
e
c
a
s
ti
ng,
”
in
A
I
P
C
onf
e
r
e
nc
e
P
r
oc
e
e
di
ngs
, 2017, p. 1
,
do
i:
10.1063/1.5
012469.
[
10]
S
.
A
mi
t,
G
.
T
.,
a
nd
M
.
R
a
o
,
“
I
nt
e
r
-
c
o
mpa
r
is
o
n
of
a
r
ti
f
ic
ia
l
ne
ur
a
l
ne
tw
or
k
a
lg
o
r
it
h
ms
f
o
r
ti
m
e
s
e
r
i
e
s
f
or
e
c
a
s
ti
ng:
pr
e
di
c
ti
ng
I
ndi
a
n
f
in
a
nc
ia
l
ma
r
k
e
ts
,
”
I
nt
e
r
nat
io
nal
J
our
nal
of
C
om
put
e
r
A
ppl
ic
at
io
ns
, vo
l.
162, n
o
. 2, 2017, d
o
i:
10.5120/i
j
c
a
20
17913249
.
[
11]
R
.
A
ki
ta
,
A
.
Y
o
s
hi
ha
r
a
,
T
.
M
a
ts
uba
r
a
,
a
nd
K
.
U
e
ha
r
a
,
“
D
e
e
p
l
e
a
r
ni
ng
f
o
r
s
to
c
k
pr
e
di
c
ti
o
n
us
in
g
nume
r
i
c
a
l
a
nd
te
x
tu
a
l
in
f
or
ma
ti
o
n,
”
in
2016
I
E
E
E
/
A
C
I
S 15th
I
nt
e
r
nat
io
nal
C
onf
e
r
e
n
c
e
on C
om
put
e
r
and I
nf
or
m
at
io
n Sc
ie
nc
e
, I
C
I
S 2016
-
P
r
oc
e
e
di
ngs
,
2016, pp. 1
–
6
,
do
i:
10.1109/
I
C
I
S
.2016.7550882.
[
12]
M
.
A
.
I
.
S
unny
,
M
.
M
.
S
.
M
a
s
w
o
o
d,
a
nd
A
.
G
.
A
lh
a
r
bi
,
“
D
e
e
p
l
e
a
r
ni
ng
-
ba
s
e
d
s
t
o
c
k
pr
ic
e
pr
e
di
c
ti
o
n
us
in
g
L
S
T
M
a
nd
bi
-
di
r
e
c
ti
o
na
l
L
S
T
M
m
o
d
e
l,
”
in
2nd
N
ov
e
l
I
nt
e
ll
ig
e
nt
and
L
e
adi
ng
E
m
e
r
gi
ng
Sc
ie
nc
e
s
C
on
f
e
r
e
nc
e
,
N
I
L
E
S
2020
,
2020,
pp.
87
–
92
,
do
i:
10.1109/N
I
L
E
S
50944.2020.9257950.
[
13
]
K
.
C
he
n,
Y
.
Z
h
o
u,
a
nd
F
.
D
a
i,
“
A
L
S
T
M
-
ba
s
e
d
m
e
th
o
d
f
o
r
s
to
c
k
r
e
tu
r
ns
pr
e
di
c
ti
o
n:
a
c
a
s
e
s
tu
d
y
of
C
hi
na
s
to
c
k
ma
r
k
e
t,
”
in
P
r
oc
e
e
di
ngs
-
2015
I
E
E
E
I
nt
e
r
nat
io
nal
C
onf
e
r
e
nc
e
on
B
ig
D
at
a,
I
E
E
E
B
ig
D
at
a
2015
,
2015,
pp.
2823
–
2
824
,
do
i:
10.1109/
B
ig
D
a
ta
.2015.7364089.
[
14
]
R
.
A
bde
l
K
a
w
y
,
W
.
M
.
A
bde
lm
o
e
z
,
a
nd
A
.
S
h
o
ukr
y
,
“
A
s
y
n
c
hr
o
n
o
us
d
e
e
p
r
e
in
f
or
c
e
me
nt
l
e
a
r
ni
ng
m
o
d
e
l
f
o
r
a
ut
oma
te
d
m
ul
ti
-
s
to
c
k
tr
a
di
ng,
”
P
r
ogr
e
s
s
i
n A
r
ti
f
ic
ia
l
I
nt
e
ll
ig
e
nc
e
, v
o
l.
10, n
o
. 1
, pp. 83
–
97, 2021, do
i:
10.1007/s
13748
-
020
-
00225
-
z.
[
15
]
V
.
M
.
Y
a
v
o
r
s
ki
y
,
“
M
e
th
o
ds
of
a
na
l
y
s
is
,
v
is
ua
li
z
a
ti
o
n,
f
o
r
e
c
a
s
t
of
f
in
a
nc
ia
l,
e
c
o
n
omi
c
a
nd
ma
r
k
e
ti
ng
da
ta
b
y
m
e
a
ns
of
in
te
g
r
a
t
io
n
of
g
oo
gl
e
t
e
c
hn
o
l
o
gi
e
s
a
nd G
it
H
ub,
”
in
C
E
U
R
W
or
k
s
h
op P
r
oc
e
e
di
ngs
, 2021, pp. 287
–
301.
[
16
]
D
.
S
e
l
v
a
mut
hu,
V
.
K
uma
r
,
a
nd
A
.
M
is
hr
a
,
“
I
ndi
a
n
s
t
oc
k
ma
r
ke
t
p
r
e
di
c
ti
o
n
us
in
g
a
r
ti
f
i
c
ia
l
n
e
ur
a
l
n
e
tw
o
r
ks
o
n
ti
c
k
d
a
ta
,
”
F
in
anc
ia
l
I
nnov
at
io
n
,
vo
l.
5, n
o
. 1, pp. 1
–
12, 2019, d
o
i:
10.118
6/
s
40854
-
019
-
0131
-
7.
[
17
]
F
.
Z
a
h
r
a
,
K
.
Z
a
hr
a
,
a
nd
S
.
L
a
mj
e
d
B
e
n,
“
S
t
oc
k
ma
r
ke
t
pr
e
di
c
ti
o
n
of
N
I
F
T
Y
50
in
de
x
a
ppl
y
in
g
ma
c
hi
n
e
l
e
a
r
ni
ng
te
c
hni
qu
e
s
,
”
A
ppl
ie
d A
r
ti
f
ic
ia
l
I
nt
e
ll
ig
e
nc
e
, vo
l.
36, n
o
. 1, pp. 1
–
24, 2022.
Evaluation Warning : The document was created with Spire.PDF for Python.