Journal of Information & Knowledge Management - Czasopismo - MOST Wiedzy

Twoje konto

zaloguj

Wyszukiwarka

Journal of Information & Knowledge Management

ISSN:

0219-6492

eISSN:

1793-6926

Dyscypliny:

  • informatyka techniczna i telekomunikacja (Dziedzina nauk inżynieryjno-technicznych)
  • inżynieria biomedyczna (Dziedzina nauk inżynieryjno-technicznych)
  • inżynieria mechaniczna (Dziedzina nauk inżynieryjno-technicznych)
  • nauki o komunikacji społecznej i mediach (Dziedzina nauk społecznych)
  • nauki o zarządzaniu i jakości (Dziedzina nauk społecznych)
  • informatyka (Dziedzina nauk ścisłych i przyrodniczych)

Punkty Ministerialne: Pomoc

Punkty Ministerialne - aktualny rok
Rok Punkty Lista
Rok 2024 40 Ministerialna lista czasopism punktowanych 2024
Punkty Ministerialne - lata ubiegłe
Rok Punkty Lista
2024 40 Ministerialna lista czasopism punktowanych 2024
2023 40 Lista ministerialna czasopism punktowanych 2023
2022 40 Lista ministerialna czasopism punktowanych (2019-2022)
2021 40 Lista ministerialna czasopism punktowanych (2019-2022)
2020 40 Lista ministerialna czasopism punktowanych (2019-2022)
2019 40 Lista ministerialna czasopism punktowanych (2019-2022)

Model czasopisma:

Hybrydowe

Punkty CiteScore:

Punkty CiteScore - aktualny rok
Rok Punkty
Rok 2023 2.4
Punkty CiteScore - lata ubiegłe
Rok Punkty
2023 2.4
2022 1.9
2021 1.8
2020 1.5
2019 1.3
2018 1
2017 0.8
2016 0.8
2015 0.6
2014 0.4
2013 0.4
2012 1.5
2011 1.8

Impact Factor:

Zaloguj się aby zobaczyć Współczynnik Impact Factor dla tego czasopisma

Sherpa Romeo:

https://v2.sherpa.ac.uk/id/publication/9731

Prace opublikowane w tym czasopiśmie

Filtry

wszystkich: 1

  • Kategoria
  • Rok
  • Opcje

wyczyść Filtry wybranego katalogu niedostępne

Katalog Czasopism

Rok 2022
  • Are Pair Trading Strategies Profitable During COVID-19 Period?
    Publikacja
    • M. K. Sohail
    • A. Raheman
    • J. Iqbal
    • M. I. Sindhu
    • A. Staar
    • M. Mushafiq
    • H. Afzal

    - Journal of Information & Knowledge Management - Rok 2022

    Pair trading strategy is a well-known profitable strategy in stock, forex, and commodity markets. As most of the world stock markets declined during COVID-19 period, therefore this study is going to observe whether this strategy is still profitable after COVID-19 pandemic. One of the powerful algorithms of DBSCAN under the umbrella of unsupervised machine learning is applied and three clusters were formed by using market and accounting...

    Pełny tekst do pobrania w serwisie zewnętrznym

wyświetlono 348 razy