論文の概要: Time-varying neural network for stock return prediction

• arxiv url: http://arxiv.org/abs/2003.02515v4
• Date: Fri, 22 Jan 2021 11:39:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-26 07:49:49.794431
• Title: Time-varying neural network for stock return prediction
• Title（参考訳）: 株価リターン予測のための時間変動ニューラルネットワーク
• Authors: Steven Y. K. Wong (1), Jennifer Chan (2), Lamiae Azizi (2), and Richard Y. D. Xu (1) ((1) University of Technology Sydney, (2) University of Sydney)
• Abstract要約: オンライン早期停止アルゴリズムを用いてトレーニングされたニューラルネットワークは、未知のダイナミクスで変化する関数を追跡することができることを示す。 また,その要因(サイズや運動量の影響など)や業界指標が,株価回復予測の時間変化を示すことも示している。
• 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: We consider the problem of neural network training in a time-varying context. Machine learning algorithms have excelled in problems that do not change over time. However, problems encountered in financial markets are often time-varying. We propose the online early stopping algorithm and show that a neural network trained using this algorithm can track a function changing with unknown dynamics. We compare the proposed algorithm to current approaches on predicting monthly U.S. stock returns and show its superiority. We also show that prominent factors (such as the size and momentum effects) and industry indicators, exhibit time varying stock return predictiveness. We find that during market distress, industry indicators experience an increase in importance at the expense of firm level features. This indicates that industries play a role in explaining stock returns during periods of heightened risk.
• Abstract（参考訳）: ニューラルネットワークトレーニングの問題は、時間によって異なる状況において考慮する。 機械学習アルゴリズムは、時間とともに変化しない問題に優れている。 しかし、金融市場で発生する問題は、しばしば時を経る。 オンライン早期停止アルゴリズムを提案し、このアルゴリズムを用いてトレーニングされたニューラルネットワークが未知のダイナミクスで変化する関数を追跡できることを示す。 提案したアルゴリズムを、月次米国株のリターンを予測する現在のアプローチと比較し、その優位性を示す。 また,その要因(サイズや運動量の影響など)や業界指標が,株価回復予測の時間変化を示すことも示している。 市場が苦しむ中、業界指標は企業レベルの機能を犠牲にして重要性が増すことが分かっています。 これは、リスクが高まった期間に、業界が株価のリターンを説明する役割を担っていることを示している。

関連論文リスト

• Cryptocurrency Portfolio Optimization by Neural Networks [81.20955733184398]
  本稿では,これらの投資商品を活用するために,ニューラルネットワークに基づく効果的なアルゴリズムを提案する。 シャープ比を最大化するために、各アセットの割り当て重量を時間間隔で出力するディープニューラルネットワークを訓練する。 ネットワークの特定の資産に対するバイアスを規制する新たな損失項を提案し,最小分散戦略に近い割り当て戦略をネットワークに学習させる。
  論文  参考訳（メタデータ） (2023-10-02T12:33:28Z)
• Data Cross-Segmentation for Improved Generalization in Reinforcement Learning Based Algorithmic Trading [5.75899596101548]
  本稿では,学習した予測モデルからの信号に基づいて処理を行う強化学習(RL)アルゴリズムを提案する。 われわれのアルゴリズムは、ブルサ・マレーシアの20年以上のエクイティデータに基づいてテストしている。
  論文  参考訳（メタデータ） (2023-07-18T16:00:02Z)
• Stock Broad-Index Trend Patterns Learning via Domain Knowledge Informed Generative Network [2.1163070161951865]
  本稿では、市場固有の特性を意図的に設計したインデックスGANを提案する。 また、実数列と予測列の間のワッサーシュタイン距離を近似するために批判を利用する。
  論文  参考訳（メタデータ） (2023-02-27T21:56:56Z)
• Augmented Bilinear Network for Incremental Multi-Stock Time-Series Classification [83.23129279407271]
  本稿では,有価証券のセットで事前学習したニューラルネットワークで利用可能な知識を効率的に保持する手法を提案する。 本手法では,既存の接続を固定することにより,事前学習したニューラルネットワークに符号化された事前知識を維持する。 この知識は、新しいデータを用いて最適化された一連の拡張接続によって、新しい証券に対して調整される。
  論文  参考訳（メタデータ） (2022-07-23T18:54:10Z)
• Multi-head Temporal Attention-Augmented Bilinear Network for Financial time series prediction [77.57991021445959]
  本稿では,時間的注意と多面的注意の考え方に基づいて,ニューラルネットワークの能力を拡張するニューラルネットワーク層を提案する。 本手法の有効性を,大規模書籍市場データを用いて検証した。
  論文  参考訳（メタデータ） (2022-01-14T14:02:19Z)
• Bilinear Input Normalization for Neural Networks in Financial Forecasting [101.89872650510074]
  本稿では,高頻度金融時系列を扱うディープニューラルネットワークのための新しいデータ駆動正規化手法を提案する。 提案手法は,財務時系列のバイモーダル特性を考慮したものである。 我々の実験は最先端のニューラルネットワークと高周波データを用いて行われ、他の正規化技術よりも大幅に改善された。
  論文  参考訳（メタデータ） (2021-09-01T07:52:03Z)
• A Framework for Imbalanced Time-series Forecasting [5.143592890123124]
  時系列予測は多くの領域で重要な役割を果たす。 いくつかのタスクでは、データセットでしばしば不足している特定の瞬間を正確に予測することに興味があります。 本稿では,不均衡を抑えるために,過小なモーメントに着目した時系列予測問題を解析するための一般的なアプローチを提案する。
  論文  参考訳（メタデータ） (2021-07-22T14:32:30Z)
• Price graphs: Utilizing the structural information of financial time series for stock prediction [4.4707451544733905]
  株価予測に関する両問題に対処する新しい枠組みを提案する。 時系列を複雑なネットワークに変換するという点では、市場価格をグラフに変換する。 予測モデル入力として時間点間の関係を表すためにグラフ埋め込みを用いる。
  論文  参考訳（メタデータ） (2021-06-04T14:46:08Z)
• Taking Over the Stock Market: Adversarial Perturbations Against Algorithmic Traders [47.32228513808444]
  本稿では,敵対的学習手法を用いて,攻撃者がアルゴリズム取引システムに影響を与える現実的なシナリオを提案する。 入力ストリームに追加されると、我々の摂動は将来目に見えないデータポイントのトレーディングアルゴリズムを騙すことができることを示す。
  論文  参考訳（メタデータ） (2020-10-19T06:28:05Z)
• Neural Networks and Value at Risk [59.85784504799224]
  リスクしきい値推定における資産価値のモンテカルロシミュレーションを行う。 株式市場と長期債を試験資産として利用し、ニューラルネットワークについて検討する。 はるかに少ないデータでフィードされたネットワークは、大幅にパフォーマンスが悪くなっています。
  論文  参考訳（メタデータ） (2020-05-04T17:41:59Z)

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。