論文の概要: A new hybrid approach for crude oil price forecasting: Evidence from
multi-scale data
- arxiv url: http://arxiv.org/abs/2002.09656v1
- Date: Sat, 22 Feb 2020 07:56:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-29 19:01:31.440377
- Title: A new hybrid approach for crude oil price forecasting: Evidence from
multi-scale data
- Title(参考訳): 原油価格予測のための新しいハイブリッドアプローチ--マルチスケールデータによるエビデンス
- Authors: Yang Yifan, Guo Ju'e, Sun Shaolong, and Li Yixin
- Abstract要約: 我々は月次原油価格予測のための新しいハイブリッドアプローチを提案する。
このハイブリッドアプローチは、K平均法、カーネル主成分分析、カーネル極端学習マシンからなる。
方法レベルでは、K平均のアプローチはK平均のアプローチよりも優れている。
- 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: Faced with the growing research towards crude oil price fluctuations
influential factors following the accelerated development of Internet
technology, accessible data such as Google search volume index are increasingly
quantified and incorporated into forecasting approaches. In this paper, we
apply multi-scale data that including both GSVI data and traditional economic
data related to crude oil price as independent variables and propose a new
hybrid approach for monthly crude oil price forecasting. This hybrid approach,
based on divide and conquer strategy, consists of K-means method, kernel
principal component analysis and kernel extreme learning machine , where
K-means method is adopted to divide input data into certain clusters, KPCA is
applied to reduce dimension, and KELM is employed for final crude oil price
forecasting. The empirical result can be analyzed from data and method levels.
At the data level, GSVI data perform better than economic data in level
forecasting accuracy but with opposite performance in directional forecasting
accuracy because of Herd Behavior, while hybrid data combined their advantages
and obtain best forecasting performance in both level and directional accuracy.
At the method level, the approaches with K-means perform better than those
without K-means, which demonstrates that divide and conquer strategy can
effectively improve the forecasting performance.
- Abstract(参考訳): 原油価格の変動に対する研究が拡大し、インターネット技術の発展が加速すると、google search volume indexのようなアクセス可能なデータがますます定量化され、予測手法に組み込まれている。
本稿では、GSVIデータと原油価格に関する従来の経済データの両方を独立変数とするマルチスケールデータを適用し、月次原油価格予測のための新たなハイブリッドアプローチを提案する。
このハイブリッド手法は,K平均法,カーネル主成分分析,カーネル極端学習機から成り,K平均法を用いて入力データを特定のクラスタに分割し,KPCAを用いて寸法を縮小し,KELMを用いて最終原油価格予測を行う。
実験結果は、データとメソッドレベルから分析することができる。
データレベルでは、GSVIデータは、レベル予測精度において経済データよりも優れているが、Hed Behaviorによる方向予測精度では反対のパフォーマンスで、ハイブリッドデータはそれらの利点を組み合わせ、レベルと方向の精度で最高の予測性能を得る。
方法レベルでは、K平均のアプローチはK平均のアプローチよりも優れており、この方法により、分割・征服戦略が予測性能を効果的に向上できることを示す。
関連論文リスト
- Sample Complexity of Preference-Based Nonparametric Off-Policy
Evaluation with Deep Networks [58.469818546042696]
我々は、OPEのサンプル効率を人間の好みで研究し、その統計的保証を確立する。
ReLUネットワークのサイズを適切に選択することにより、マルコフ決定過程において任意の低次元多様体構造を活用できることが示される。
論文 参考訳(メタデータ) (2023-10-16T16:27:06Z) - Combining predictive distributions of electricity prices: Does
minimizing the CRPS lead to optimal decisions in day-ahead bidding? [0.0]
本研究では,新しい重み付け手法であるCRPS学習を用いることで,日頭入札における最適決定が導かれるかどうかを検討する。
アンサンブルの多様性の増大は精度に肯定的な影響を与える可能性がある。
分布の等重集約と比較してCRPS学習を使用する場合の計算コストは、高い利益によって相殺されない。
論文 参考訳(メタデータ) (2023-08-29T17:10:38Z) - Data augmentation and refinement for recommender system: A
semi-supervised approach using maximum margin matrix factorization [3.3525248693617207]
我々は、評価予測のための最大行列因子化(MMMF)のデータ強化と改善の側面について検討する。
我々は、CFアルゴリズムの固有の特性を利用して、個人評価の信頼性レベルを評価する。
自己学習に基づく評価向上のための半教師付きアプローチを提案する。
論文 参考訳(メタデータ) (2023-06-22T17:17:45Z) - Personalized Federated Learning under Mixture of Distributions [98.25444470990107]
本稿では,ガウス混合モデル(GMM)を用いたPFL(Personalized Federated Learning)を提案する。
FedGMMはオーバーヘッドを最小限に抑え、新しいクライアントに適応する付加的なアドバンテージを持ち、不確実な定量化を可能にします。
PFL分類と新しいサンプル検出の両方において, 合成データセットとベンチマークデータセットの実証評価により, 提案手法の優れた性能を示した。
論文 参考訳(メタデータ) (2023-05-01T20:04:46Z) - Uncertainty-Aware Instance Reweighting for Off-Policy Learning [63.31923483172859]
本研究では,不確実性を考慮した逆確率スコア推定器 (UIPS) を提案する。
実世界の3つのレコメンデーションデータセットを用いた実験結果から,提案したUIPS推定器の有効サンプル効率が示された。
論文 参考訳(メタデータ) (2023-03-11T11:42:26Z) - Beyond S-curves: Recurrent Neural Networks for Technology Forecasting [60.82125150951035]
我々は機械学習と時系列予測の最近の進歩を生かしたオートコーダアプローチを開発した。
S曲線予測は、単純なARIMAベースラインに匹敵する平均パーセンテージ誤差(MAPE)を示す。
我々のオートエンコーダアプローチは、2番目に高い結果に対して平均13.5%改善する。
論文 参考訳(メタデータ) (2022-11-28T14:16:22Z) - DeepVol: Volatility Forecasting from High-Frequency Data with Dilated
Causal Convolutions [78.6363825307044]
本稿では,Dilated Causal Convolutionsに基づくDeepVolモデルを提案する。
拡張畳み込みフィルタは日内財務データから関連情報を抽出するのに最適であることを示す。
論文 参考訳(メタデータ) (2022-09-23T16:13:47Z) - Predictive Accuracy of a Hybrid Generalized Long Memory Model for Short
Term Electricity Price Forecasting [0.0]
本研究では、一般化長メモリ自己回帰モデル(k-factor GARMA)に基づく新しいハイブリッドモデルの予測性能について検討する。
提案モデルの性能を北プール電力市場のデータを用いて評価した。
論文 参考訳(メタデータ) (2022-04-18T12:21:25Z) - Leveraging Unlabeled Data to Predict Out-of-Distribution Performance [63.740181251997306]
実世界の機械学習デプロイメントは、ソース(トレーニング)とターゲット(テスト)ディストリビューションのミスマッチによって特徴づけられる。
本研究では,ラベル付きソースデータとラベルなしターゲットデータのみを用いて,対象領域の精度を予測する手法を検討する。
本稿では,モデルの信頼度をしきい値として学習し,精度をラベルなし例のごく一部として予測する実践的手法である平均閾値保持信頼度(ATC)を提案する。
論文 参考訳(メタデータ) (2022-01-11T23:01:12Z) - Forecasting Commodity Prices Using Long Short-Term Memory Neural
Networks [0.0]
本稿では,綿と油の価格の予測にリカレントニューラルネットワーク(RNN)を適用した。
機械学習の手法は, 適切にデータに適合するが, 体系的に古典的手法を上回らないことを示す。
論文 参考訳(メタデータ) (2021-01-08T16:28:19Z) - Profit-oriented sales forecasting: a comparison of forecasting
techniques from a business perspective [3.613072342189595]
本稿では,コカ・コーラ社の産業界データと公開データセットの両方から成る35回連続のテクニックを比較検討する。
モデル構築と評価プロセスの両方において、テクニックが生成できる期待される利益を考慮に入れた、新しく完全に自動化された利益主導のアプローチを導入します。
論文 参考訳(メタデータ) (2020-02-03T14:50:24Z)
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。