論文の概要: Forecasting Foreign Exchange Rate: A Multivariate Comparative Analysis between Traditional Econometric, Contemporary Machine Learning & Deep Learning Techniques

• arxiv url: http://arxiv.org/abs/2002.10247v1
• Date: Wed, 19 Feb 2020 18:11:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-30 13:43:46.645503
• Title: Forecasting Foreign Exchange Rate: A Multivariate Comparative Analysis between Traditional Econometric, Contemporary Machine Learning & Deep Learning Techniques
• Title（参考訳）: 外国為替レートの予測--伝統的な計量的、現代的機械学習とディープラーニング技術との多変量比較分析
• Authors: Manav Kaushik and A K Giri
• Abstract要約: 我々は,1994年4月から2018年12月までのいくつかのマクロ経済変数について,米国とインドについて,USD-INR外為為替レートの予測に月毎の歴史的データを用いてきた。 その結果, SVM と RNN (Long Short-Term Memory) の現代的手法は, 広く使われている Auto Regression の手法よりも優れていることが明らかになった。
• 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: In todays global economy, accuracy in predicting macro-economic parameters such as the foreign the exchange rate or at least estimating the trend correctly is of key importance for any future investment. In recent times, the use of computational intelligence-based techniques for forecasting macroeconomic variables has been proven highly successful. This paper tries to come up with a multivariate time series approach to forecast the exchange rate (USD/INR) while parallelly comparing the performance of three multivariate prediction modelling techniques: Vector Auto Regression (a Traditional Econometric Technique), Support Vector Machine (a Contemporary Machine Learning Technique), and Recurrent Neural Networks (a Contemporary Deep Learning Technique). We have used monthly historical data for several macroeconomic variables from April 1994 to December 2018 for USA and India to predict USD-INR Foreign Exchange Rate. The results clearly depict that contemporary techniques of SVM and RNN (Long Short-Term Memory) outperform the widely used traditional method of Auto Regression. The RNN model with Long Short-Term Memory (LSTM) provides the maximum accuracy (97.83%) followed by SVM Model (97.17%) and VAR Model (96.31%). At last, we present a brief analysis of the correlation and interdependencies of the variables used for forecasting.
• Abstract（参考訳）: 今日の世界経済において、外貨為替レートや少なくともその傾向を正確に推定するといったマクロ経済パラメータの予測の正確さは、将来の投資にとって重要な意味を持つ。 近年,マクロ経済変数の予測に計算知能を用いた手法が広く用いられている。 本稿では,3つの多変量予測モデリング手法(ベクトルオートレグレッション(従来の計量的手法),サポートベクターマシン(現代の機械学習技術),リカレントニューラルネットワーク(現代のディープラーニング技術)の性能を並列に比較しながら,交換レート(usd/inr)を予測するための多変量時系列手法を考案する。 米国とインドでは、1994年4月から2018年12月まで、いくつかのマクロ経済変数の月間履歴データを使用して、usd-inr外国為替レートを予測してきた。 その結果, SVM と RNN (Long Short-Term Memory) の現代的手法は, 広く使われている Auto Regression の手法よりも優れていることが明らかになった。 LSTM(Long Short-Term Memory)を備えたRNNモデルは、SVMモデル(97.17%)とVARモデル(96.31%)の最大精度(97.83%)を提供する。 最後に,予測に用いた変数の相関関係と相互依存性について簡単な解析を行った。

関連論文リスト

• Stock Price Prediction and Traditional Models: An Approach to Achieve Short-, Medium- and Long-Term Goals [0.0]
  在庫価格予測のためのディープラーニングモデルと従来の統計手法の比較分析は、ナイジェリア証券取引所のデータを用いている。 深層学習モデル、特にLSTMは、データの複雑な非線形パターンをキャプチャすることで従来の手法より優れている。 この結果は、金融予測と投資戦略を改善するための深層学習の可能性を強調している。
  論文  参考訳（メタデータ） (2024-09-29T11:20:20Z)
• Machine Learning for Economic Forecasting: An Application to China's GDP Growth [2.899333881379661]
  本稿は、中国における四半期ごとのGDP成長を予測するために、さまざまな機械学習モデルを用いている。 これらのモデルのパフォーマンスの違いに寄与する要因を分析します。
  論文  参考訳（メタデータ） (2024-07-04T03:04:55Z)
• Boosting Stock Price Prediction with Anticipated Macro Policy Changes [0.0]
  我々は、より正確で株価を予測するための革新的なアプローチを導入する。 我々は、外的経済環境関連情報と株価を組み入れている。 提案手法は従来手法のRMSE値が1.61であり, RMSE値が1.75であるのに対し, 従来手法のRMSE値が1.61である。
  論文  参考訳（メタデータ） (2023-10-27T04:57:45Z)
• Joint Latent Topic Discovery and Expectation Modeling for Financial Markets [45.758436505779386]
  金融市場分析のための画期的な枠組みを提示する。 このアプローチは、投資家の期待を共同でモデル化し、潜伏する株価関係を自動的に掘り下げる最初の方法だ。 私たちのモデルは年率10%を超えるリターンを継続的に達成します。
  論文  参考訳（メタデータ） (2023-06-01T01:36:51Z)
• DeepVol: Volatility Forecasting from High-Frequency Data with Dilated Causal Convolutions [53.37679435230207]
  本稿では,Dilated Causal Convolutionsに基づくDeepVolモデルを提案する。 実験結果から,提案手法は高頻度データからグローバルな特徴を効果的に学習できることが示唆された。
  論文  参考訳（メタデータ） (2022-09-23T16:13:47Z)
• Multivariate Probabilistic Forecasting of Intraday Electricity Prices using Normalizing Flows [62.997667081978825]
  ドイツでは、日内電気価格は通常、EPEXスポット市場の1日当たりの価格に異なる時間帯で変動する。 本研究は,日頭契約の日内価格差をモデル化する確率論的モデリング手法を提案する。
  論文  参考訳（メタデータ） (2022-05-27T08:38:20Z)
• Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics in Limit-Order Book Markets [84.90242084523565]
  伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。 最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。 予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
  論文  参考訳（メタデータ） (2022-03-07T18:59:54Z)
• Forex Trading Volatility Prediction using Neural Network Models [6.09960572440709]
  本研究では,日々のボラティリティに関する経験的パターンのガイダンスを用いて,ディープラーニングネットワークの構築方法について述べる。 数値計算の結果,多値ペアの入力によるマルチスケール長短期メモリ(LSTM)モデルが常に最先端の精度を実現していることがわかった。
  論文  参考訳（メタデータ） (2021-12-02T12:33:12Z)
• ARISE: ApeRIodic SEmi-parametric Process for Efficient Markets without Periodogram and Gaussianity Assumptions [91.3755431537592]
  我々は、効率的な市場を調査するためのApeRI-miodic(ARISE)プロセスを提案する。 ARISEプロセスは、いくつかの既知のプロセスの無限サムとして定式化され、周期スペクトル推定を用いる。 実際に,実世界の市場の効率性を明らかにするために,ARISE関数を適用した。
  論文  参考訳（メタデータ） (2021-11-08T03:36:06Z)
• Economic Recession Prediction Using Deep Neural Network [26.504845007567972]
  本稿では,米国における景気後退の開始と終了を予測するための最も正確なモデルとして,オートエンコーダを用いたBi-LSTMの深層学習手法を同定する。 我々は、さまざまな機械学習モデルの能力を比較して、サンプル内とサンプル外の両方で優れた予測を生成するために、一般的なマクロおよびマーケットコンディション機能を採用する。
  論文  参考訳（メタデータ） (2021-07-21T22:55:14Z)
• SLOE: A Faster Method for Statistical Inference in High-Dimensional Logistic Regression [68.66245730450915]
  実用データセットに対する予測の偏見を回避し、頻繁な不確実性を推定する改善された手法を開発している。 私たちの主な貢献は、推定と推論の計算時間をマグニチュードの順序で短縮する収束保証付き信号強度の推定器SLOEです。
  論文  参考訳（メタデータ） (2021-03-23T17:48:56Z)

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。