Fugu-MT 論文翻訳(概要): Construction of confidence interval for a univariate stock price signal predicted through Long Short Term Memory Network

論文の概要: Construction of confidence interval for a univariate stock price signal predicted through Long Short Term Memory Network

arxiv url: http://arxiv.org/abs/2007.00254v1
Date: Wed, 1 Jul 2020 05:28:20 GMT
ステータス: 処理完了
システム内更新日: 2022-11-14 22:34:48.877272
Title: Construction of confidence interval for a univariate stock price signal predicted through Long Short Term Memory Network
Title（参考訳）: 長期記憶ネットワークを用いた単変量株価信号の信頼区間構築
Authors: Shankhyajyoti De, Arabin Kumar Dey, and Deepak Gauda
Abstract要約: 依存セットアップには3つの異なるタイプのブートストラップメソッドを採用しています。サンプルのブートストラップの実行中に最適なブロック長を選択するために,いくつかの有用な提案を規定する。また、異なるブートストラップ戦略によって測定された信頼区間を比較するためのベンチマークも提案する。
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: In this paper, we show an innovative way to construct bootstrap confidence interval of a signal estimated based on a univariate LSTM model. We take three different types of bootstrap methods for dependent set up. We prescribe some useful suggestions to select the optimal block length while performing the bootstrapping of the sample. We also propose a benchmark to compare the confidence interval measured through different bootstrap strategies. We illustrate the experimental results through some stock price data set.
Abstract（参考訳）: 本稿では、一変量LSTMモデルに基づいて推定された信号のブートストラップ信頼区間を構築する革新的な方法を示す。依存セットアップには3つの異なるタイプのブートストラップメソッドを採用しています。サンプルのブートストラップの実行中に最適なブロック長を選択するための有用な提案をいくつか提案する。また,異なるブートストラップ戦略で測定された信頼区間を比較するベンチマークも提案する。いくつかの株価データセットによる実験結果について説明する。

関連論文リスト

Model-free Methods for Event History Analysis and Efficient Adjustment (PhD Thesis) [55.2480439325792]
この論文は、モデルフリーの観点から統一された統計学への独立した貢献のシリーズである。第1章では、機械学習から予測技術を活用する柔軟なメソッドを定式化するために、モデルフリーの視点をどのように利用できるか、詳しく説明している。第2章では、あるプロセスの進化が他のプロセスに直接影響されるかどうかを記述した地域独立の概念を研究している。
論文参考訳（メタデータ） (2025-02-11T19:24:09Z)
Mixture of Efficient Diffusion Experts Through Automatic Interval and Sub-Network Selection [63.96018203905272]
本稿では, 事前学習した拡散モデルを用いて, 効率の良い専門家の混入を図り, サンプリングコストを削減することを提案する。提案手法であるDiffPruningの有効性を,複数のデータセットで示す。
論文参考訳（メタデータ） (2024-09-23T21:27:26Z)
Resampling methods for private statistical inference [1.8110941972682346]
我々は、信頼区間を異なるプライバシーで構築する作業について検討する。データのパーティション上で実行される複数の"小さな"ブートストラップの結果の中央値をプライベートに計算する,非パラメトリックブートストラップの2つのプライベート変種を提案する。固定された差分プライバシーパラメータ$epsilon$に対して、我々のメソッドは、サンプルサイズ$n$の対数係数内の非プライベートブートストラップと同じエラー率を享受します。
論文参考訳（メタデータ） (2024-02-11T08:59:02Z)
Score-based Source Separation with Applications to Digital Communication Signals [72.6570125649502]
拡散モデルを用いた重畳音源の分離手法を提案する。高周波(RF)システムへの応用によって、我々は、基礎となる離散的な性質を持つ情報源に興味を持っている。提案手法は,最近提案されたスコア蒸留サンプリング方式のマルチソース拡張と見なすことができる。
論文参考訳（メタデータ） (2023-06-26T04:12:40Z)
Sample and Predict Your Latent: Modality-free Sequential Disentanglement via Contrastive Estimation [2.7759072740347017]
外部信号のないコントラスト推定に基づく自己教師付きシーケンシャル・アンタングルメント・フレームワークを提案する。実際に,データのセマンティックに類似し,異種なビューに対して,統一的で効率的かつ容易にサンプリングできる手法を提案する。提案手法は,既存の手法と比較して最先端の結果を示す。
論文参考訳（メタデータ） (2023-05-25T10:50:30Z)
Confidence Interval Construction for Multivariate time series using Long Short Term Memory Network [0.0]
本稿では,長期記憶ネットワークを用いた多変量時系列予測のための信頼区間を構築する手法を提案する。また,これらのスキームに対して,ブロック長選択手法を提案する。 S&P500ドルとDow Jones Indexデータセットによる全体の構成について説明する。
論文参考訳（メタデータ） (2022-11-25T06:08:08Z)
Layer Ensembles [95.42181254494287]
本稿では,ネットワークの各層に対する独立なカテゴリ分布の集合を考慮した不確実性推定手法を提案する。その結果,メモリと実行時間が少なくなるモデルが得られた。
論文参考訳（メタデータ） (2022-10-10T17:52:47Z)
Optimal Off-Policy Evaluation from Multiple Logging Policies [77.62012545592233]
我々は,複数のロギングポリシからオフ政治評価を行い,それぞれが一定のサイズ,すなわち階層化サンプリングのデータセットを生成する。複数ロガーのOPE推定器は,任意のインスタンス,すなわち効率のよいインスタンスに対して最小分散である。
論文参考訳（メタデータ） (2020-10-21T13:43:48Z)
Parametric Bootstrap for Differentially Private Confidence Intervals [8.781431682774484]
本研究では,個人差分パラメトリック推定のための信頼区間を構築するための実用的,汎用的なアプローチを開発する。パラメトリックブートストラップは単純で効果的な解であることがわかった。
論文参考訳（メタデータ） (2020-06-14T00:08:19Z)
Meta-Learned Confidence for Few-shot Learning [60.6086305523402]
数ショットのメトリックベースのアプローチのための一般的なトランスダクティブ推論手法は、最も確実なクエリ例の平均で、各クラスのプロトタイプを更新することである。本稿では,各クエリの信頼度をメタラーニングして,ラベルのないクエリに最適な重みを割り当てる手法を提案する。 4つのベンチマークデータセットに対してメタ学習の信頼度で、少数ショットの学習モデルを検証した。
論文参考訳（メタデータ） (2020-02-27T10:22:17Z)

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。