論文の概要: Deep Learning for Financial Applications : A Survey

• arxiv url: http://arxiv.org/abs/2002.05786v1
• Date: Sun, 9 Feb 2020 14:34:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-02 14:34:21.311852
• Title: Deep Learning for Financial Applications : A Survey
• Title（参考訳）: 金融応用のためのディープラーニング : 調査
• Authors: Ahmet Murat Ozbayoglu, Mehmet Ugur Gudelek, Omer Berat Sezer
• Abstract要約: 金融アプリケーション向けに開発されたDeep Learningモデルの最先端スナップショットを提供する。 また、将来的な実装の特定も目指し、この分野における継続的な研究の道筋を強調した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Computational intelligence in finance has been a very popular topic for both academia and financial industry in the last few decades. Numerous studies have been published resulting in various models. Meanwhile, within the Machine Learning (ML) field, Deep Learning (DL) started getting a lot of attention recently, mostly due to its outperformance over the classical models. Lots of different implementations of DL exist today, and the broad interest is continuing. Finance is one particular area where DL models started getting traction, however, the playfield is wide open, a lot of research opportunities still exist. In this paper, we tried to provide a state-of-the-art snapshot of the developed DL models for financial applications, as of today. We not only categorized the works according to their intended subfield in finance but also analyzed them based on their DL models. In addition, we also aimed at identifying possible future implementations and highlighted the pathway for the ongoing research within the field.
• Abstract（参考訳）: 金融における計算知能は、過去数十年間、学界と金融業界の両方で非常に人気のあるトピックである。 多くの研究が出版され、様々なモデルが生まれた。 一方、機械学習(ML)分野において、Deep Learning(DL)は古典的なモデルよりもパフォーマンスが優れていたために、最近多くの注目を集め始めた。 dlの様々な実装が現在存在し、幅広い関心が続いている。 金融はDLモデルが普及し始めた特定の分野であるが、プレイフィールドは広く開放されており、多くの研究機会が残っている。 本稿では、現在、金融アプリケーション向けに開発されたDLモデルの最新のスナップショットを提供する試みである。 我々は、これらの作品を財務上の目的のサブフィールドに従って分類するだけでなく、dlモデルに基づいて分析した。 さらに,将来的な実装の可能性を見極め,この分野の現在進行中の研究の道筋を強調した。

関連論文リスト

• Transforming Scholarly Landscapes: Influence of Large Language Models on Academic Fields beyond Computer Science [77.31665252336157]
  大規模言語モデル (LLM) は自然言語処理 (NLP) において転換期を迎えた。 本研究は,NLP以外の分野におけるLLMの影響と利用について実験的に検討する。
  論文  参考訳（メタデータ） (2024-09-29T01:32:35Z)
• A Survey of Large Language Models for Financial Applications: Progress, Prospects and Challenges [60.546677053091685]
  大規模言語モデル(LLM)は金融分野における機械学習アプリケーションに新たな機会を開放した。 我々は、従来のプラクティスを変革し、イノベーションを促進する可能性に焦点を当て、様々な金融業務におけるLLMの適用について検討する。 本稿では,既存の文献を言語タスク,感情分析,財務時系列,財務推論,エージェントベースモデリング,その他の応用分野に分類するための調査を紹介する。
  論文  参考訳（メタデータ） (2024-06-15T16:11:35Z)
• THaLLE: Text Hyperlocally Augmented Large Language Extension -- Technical Report [0.8706730566331037]
  超局所的に拡張された大言語拡張(THaLLE)の財務分析拡張について述べる。 一連の8B LLMは、同じ大きさのモデルに対するモックCFA試験において、常に最高性能を達成している。 また、金融アドバイザとしてLLMを評価するための公開データセットであるFrare CFAについても紹介する。
  論文  参考訳（メタデータ） (2024-06-11T17:40:00Z)
• AlphaFin: Benchmarking Financial Analysis with Retrieval-Augmented Stock-Chain Framework [48.3060010653088]
  我々はAlphaFinデータセットをリリースし、従来の研究データセット、リアルタイム財務データ、手書きのチェーン・オブ・プリート(CoT)データを組み合わせています。 次に、AlphaFinデータセットを使用して、金融分析タスクを効果的に処理するために、Stock-Chainと呼ばれる最先端の手法をベンチマークします。
  論文  参考訳（メタデータ） (2024-03-19T09:45:33Z)
• Toward Green and Human-Like Artificial Intelligence: A Complete Survey on Contemporary Few-Shot Learning Approaches [6.078001259817318]
  Few-Shot Learningは、新しい学習課題に迅速に適応することを目的としている。 近年の分野形成の動向,課題,今後の研究の方向性について論じる。
  論文  参考訳（メタデータ） (2024-02-05T13:55:54Z)
• OLMo: Accelerating the Science of Language Models [165.16277690540363]
  言語モデル(LM)は、NLP研究と商用製品製品の両方で広く普及している。 商業的重要性が増すにつれ、最も強力なモデルは閉鎖され、プロプライエタリなインターフェースに遅れを取っている。 我々は、研究コミュニティが強力で真にオープンなLMにアクセスできることが不可欠であると信じている。 私たちは、言語モデルの科学的研究を可能にするために、競争力のある真にオープンな言語モデルであるOLMoを構築しました。
  論文  参考訳（メタデータ） (2024-02-01T18:28:55Z)
• Large Models for Time Series and Spatio-Temporal Data: A Survey and Outlook [95.32949323258251]
  時系列データ、特に時系列データと時間時間データは、現実世界のアプリケーションで広く使われている。 大規模言語やその他の基礎モデルの最近の進歩は、時系列データマイニングや時間データマイニングでの使用の増加に拍車を掛けている。
  論文  参考訳（メタデータ） (2023-10-16T09:06:00Z)
• LOB-Based Deep Learning Models for Stock Price Trend Prediction: A Benchmark Study [4.714825039388054]
  我々は、データ前処理、DLモデルトレーニング、評価、利益分析を組み込んだオープンソースのフレームワークを開発する。 実験の結果,すべてのモデルが新たなデータに曝露した場合,大幅な性能低下を示し,実際の市場適用可能性に関する疑問が提起された。
  論文  参考訳（メタデータ） (2023-07-05T14:28:38Z)
• A Glimpse in ChatGPT Capabilities and its impact for AI research [4.2245880148320705]
  大規模言語モデル(LLM)は、人工知能(AI)研究の分野で最近人気になった。 これらのモデルは大量のデータに基づいて訓練されており、言語翻訳、テキスト生成、質問応答など幅広いタスクに使用できる。
  論文  参考訳（メタデータ） (2023-05-10T12:10:51Z)
• A Survey of Deep Active Learning [54.376820959917005]
  アクティブラーニング(AL)は、最も少ないサンプルをマークすることで、モデルの性能向上を最大化しようとする。 ディープラーニング(DL)はデータに対して欲張りであり、大量のパラメータを最適化するために大量のデータ供給を必要とする。 ディープラーニング(Deep Active Learning, DAL)が誕生した。
  論文  参考訳（メタデータ） (2020-08-30T04:28:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。