論文の概要: Learning Undirected Graphs in Financial Markets

• arxiv url: http://arxiv.org/abs/2005.09958v4
• Date: Mon, 9 Nov 2020 11:13:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-01 06:05:37.672105
• Title: Learning Undirected Graphs in Financial Markets
• Title（参考訳）: 金融市場における無向グラフの学習
• Authors: Jos\'e Vin\'icius de Miranda Cardoso and Daniel P. Palomar
• Abstract要約: ラプラシアの制約は、市場指数係数と株式間の条件相関に有意義な物理的解釈を持つことを示す。 これらの解釈は、金融市場でグラフを見積もる際にユーザーが気付くべきガイドラインのセットにつながります。
• 参考スコア（独自算出の注目度）: 13.47131471222723
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We investigate the problem of learning undirected graphical models under Laplacian structural constraints from the point of view of financial market data. We show that Laplacian constraints have meaningful physical interpretations related to the market index factor and to the conditional correlations between stocks. Those interpretations lead to a set of guidelines that users should be aware of when estimating graphs in financial markets. In addition, we propose algorithms to learn undirected graphs that account for stylized facts and tasks intrinsic to financial data such as non-stationarity and stock clustering.
• Abstract（参考訳）: 金融市場データの観点から,ラプラシアン構造制約下での非指向的グラフィカルモデル学習の問題点を考察する。 ラプラシアン制約は、市場指標因子および株価間の条件付き相関に関連する有意義な物理的解釈を持つことを示す。 これらの解釈は、金融市場でグラフを見積もる際にユーザーが気付くべきガイドラインのセットにつながります。 さらに,非定常性やストッククラスタリングといった財務データに固有の特徴やタスクを考慮に入れた非方向性グラフの学習アルゴリズムを提案する。

関連論文リスト

• Evaluating Financial Relational Graphs: Interpretation Before Prediction [4.421486904657393]
  本稿では,S&P500指数に基づくSPNewsデータセットを導入し,動的関係グラフの構築を容易にする。 歴史的金融現象を説明するために関係グラフを用いて,グラフニューラルネットワークを構築する前にその妥当性を評価する。 評価手法は, 様々な財務関係グラフを効果的に区別し, より解釈可能な結果が得られる。
  論文  参考訳（メタデータ） (2024-09-28T22:43:00Z)
• Graph Learning under Distribution Shifts: A Comprehensive Survey on Domain Adaptation, Out-of-distribution, and Continual Learning [53.81365215811222]
  グラフ学習の文脈における分布変化に対処する最新のアプローチ、戦略、洞察のレビューと要約を提供する。 既存のグラフ学習手法を,グラフ領域適応学習,グラフ配布学習,グラフ連続学習など,いくつかの重要なシナリオに分類する。 本稿では,この領域における現状を体系的に分析し,分散シフト下でのグラフ学習の可能性と今後の方向性について論じる。
  論文  参考訳（メタデータ） (2024-02-26T07:52:40Z)
• A Survey of Imbalanced Learning on Graphs: Problems, Techniques, and Future Directions [64.84521350148513]
  グラフは、現実世界の無数に存在する相互接続構造を表す。 グラフ学習方法のような効果的なグラフ分析により、ユーザはグラフデータから深い洞察を得ることができる。 しかし、これらの手法はデータ不均衡に悩まされることが多く、グラフデータでは、あるセグメントが豊富なデータを持っているのに、他のセグメントが不足しているのが一般的な問題である。 これは、より正確で代表的な学習結果のために、これらのデータ分散スキューを補正することを目的として、グラフ上の不均衡学習の出現する分野を必要とする。
  論文  参考訳（メタデータ） (2023-08-26T09:11:44Z)
• Company-as-Tribe: Company Financial Risk Assessment on Tribe-Style Graph with Hierarchical Graph Neural Networks [62.94317686301643]
  企業の金融リスクはユビキタスであり、上場企業に対する早期のリスク評価は、かなりの損失を避けることができる。 従来の手法は主に企業の財務諸表に重点を置いており、企業間の複雑な関係は欠如している。 比較学習を用いて部族の構造パターンを符号化する階層型グラフニューラルネット(TH-GNN)と、トライブ間の関係に基づいて情報を拡散する第2の階層型グラフニューラルネット(TH-GNN)を提案する。
  論文  参考訳（メタデータ） (2023-01-31T09:17:13Z)
• Towards Explanation for Unsupervised Graph-Level Representation Learning [108.31036962735911]
  既存の説明手法は,教師付き設定,例えばノード分類,グラフ分類に重点を置いているが,教師なしグラフレベルの表現学習に関する説明はまだ探索されていない。 本稿では,非教師付きグラフ表現における説明問題に対処するために,インフォメーション・ボトルネックの原則(IB)を推進し,新しい原理であるtextitUnsupervised Subgraph Information Bottleneck(USIB)を導出する。 また,グラフ表現とラベル空間上の説明部分グラフの関連性も理論的に解析し,表現の堅牢性が説明部分グラフの忠実性に寄与することを明らかにする。
  論文  参考訳（メタデータ） (2022-05-20T02:50:15Z)
• Causal Analysis of Generic Time Series Data Applied for Market Prediction [0.0]
  本研究では,時間的変化(タグ付き)によるピアソン相関に基づく因果解析の適用性について検討した。 データは、リアルタイム取引やリミットオーダーブックのスナップショットなど、生の市場データから計算可能なさまざまな財務指標を含んでいる。
  論文  参考訳（メタデータ） (2022-04-22T05:54:53Z)
• Unbiased Graph Embedding with Biased Graph Observations [52.82841737832561]
  基礎となるバイアスのないグラフから学習することで、バイアスのない表現を得るための、原則化された新しい方法を提案する。 この新たな視点に基づいて、そのような基礎となるグラフを明らかにするための2つの補完的手法を提案する。
  論文  参考訳（メタデータ） (2021-10-26T18:44:37Z)
• Algorithms for Learning Graphs in Financial Markets [5.735035463793008]
  ラプラシアン構造制約下での無向グラフィカルモデル学習の基本問題について検討する。 我々は,ラプラシアン行列を金融資産の精密行列のモデルとして用いるための実証的証拠によって裏付けられた自然な正当化を提案する。 我々は,非方向重み付きグラフを学習するための乗算器の交互方向法に基づく数値アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2020-12-31T02:48:35Z)
• Predictive intraday correlations in stable and volatile market environments: Evidence from deep learning [2.741266294612776]
  我々は、S&P500株間のラタグ相関を学習・活用するためにディープラーニングを適用し、安定市場と不安定市場のモデル行動を比較する。 以上の結果から,アキュラシーは有意でありながら,予測地平線が短いほど低下することが示唆された。 ポートフォリオマネージャのための調査ツールとしての現代金融理論と作業の適用性について論じる。
  論文  参考訳（メタデータ） (2020-02-24T17:19:54Z)
• Gaussian process imputation of multiple financial series [71.08576457371433]
  金融指標、株価、為替レートなどの複数の時系列は、市場が潜んでいる状態に依存しているため、強く結びついている。 金融時系列間の関係を多出力ガウスプロセスでモデル化することで学習することに注力する。
  論文  参考訳（メタデータ） (2020-02-11T19:18:18Z)

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。