論文の概要: Machine learning based forecasting of significant daily returns in foreign exchange markets

• arxiv url: http://arxiv.org/abs/2009.10065v1
• Date: Mon, 21 Sep 2020 17:56:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-16 04:23:50.685308
• Title: Machine learning based forecasting of significant daily returns in foreign exchange markets
• Title（参考訳）: 機械学習による外国為替市場の日内リターンの予測
• Authors: Firuz Kamalov and Ikhlaas Gurrib
• Abstract要約: 機械学習アルゴリズムを、通貨為替レートに有意な変動が生じる事例を予測するための、未解明の問題に適用する。 10年間に4つの主要な通貨ペアのデータを用いて、9つの現代的な機械学習アルゴリズムの分析を行う。 数値実験により、外れ値検出法は従来の機械学習やファイナンス技術よりも大幅に優れていることが示された。
• 参考スコア（独自算出の注目度）: 6.85316573653194
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Asset value forecasting has always attracted an enormous amount of interest among researchers in quantitative analysis. The advent of modern machine learning models has introduced new tools to tackle this classical problem. In this paper, we apply machine learning algorithms to hitherto unexplored question of forecasting instances of significant fluctuations in currency exchange rates. We perform analysis of nine modern machine learning algorithms using data on four major currency pairs over a 10 year period. A key contribution is the novel use of outlier detection methods for this purpose. Numerical experiments show that outlier detection methods substantially outperform traditional machine learning and finance techniques. In addition, we show that a recently proposed new outlier detection method PKDE produces best overall results. Our findings hold across different currency pairs, significance levels, and time horizons indicating the robustness of the proposed method.
• Abstract（参考訳）: 資産価値予測は常に、定量的分析における研究者の関心をひきつけてきた。 現代の機械学習モデルの出現により、この古典的な問題に対処する新しいツールが導入された。 本稿では、通貨為替レートの大幅な変動の予測について、未解決の問題に機械学習アルゴリズムを適用する。 10年間にわたり,4つの主要通貨ペアのデータを用いた9つの現代機械学習アルゴリズムの解析を行った。 鍵となる貢献は、この目的のために異常検出法を新規に使用することである。 数値実験では、異常検出手法が従来の機械学習やファイナンス技術を大きく上回っていることが示されている。 さらに,最近提案された新しい外れ値検出手法であるPKDEが,より優れた結果をもたらすことを示す。 本研究は,提案手法の堅牢性を示す異なる通貨対,重要度,時間軸にまたがる。

関連論文リスト

• 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)
• 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)
• 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)
• ALT-MAS: A Data-Efficient Framework for Active Testing of Machine Learning Algorithms [58.684954492439424]
  少量のラベル付きテストデータのみを用いて機械学習モデルを効率的にテストする新しいフレームワークを提案する。 ベイズニューラルネットワーク(bnn)を用いたモデルアンダーテストの関心指標の推定が目的である。
  論文  参考訳（メタデータ） (2021-04-11T12:14:04Z)
• Financial Markets Prediction with Deep Learning [11.26482563151052]
  金融市場の動きを予測する新しい1次元畳み込みニューラルネットワーク(CNN)モデルを提案する。 カスタマイズされた1次元畳み込み層は、時間を通じて金融取引データをスキャンし、価格やボリュームなどの異なる種類のデータ、共有パラメータ(カーネル)を互いに共有する。 我々のモデルは従来の技術指標の代わりに自動的に特徴を抽出する。
  論文  参考訳（メタデータ） (2021-04-05T19:36:48Z)
• Deep Portfolio Optimization via Distributional Prediction of Residual Factors [3.9189409002585562]
  そこで本稿では,残余要因と呼ばれる金融量分布の予測に基づくポートフォリオ構築手法を提案する。 本手法が米国および日本の株式市場データに有効であることを実証する。
  論文  参考訳（メタデータ） (2020-12-14T04:09:52Z)
• 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)
• Machine Learning Algorithms for Financial Asset Price Forecasting [0.0]
  本研究は、高性能コンピューティングインフラ上での機械学習アルゴリズムの最先端実装を直接比較し、対比する。 実装された機械学習モデル – ストックユニバース全体の時系列データに基づいてトレーニングされた – は、OOS(Out-of-sample)テストデータにおいて、CAPMを大幅に上回っている。
  論文  参考訳（メタデータ） (2020-03-31T18:14:18Z)
• Adversarial Attacks on Machine Learning Systems for High-Frequency Trading [55.30403936506338]
  逆機械学習の観点から,アルゴリズム取引のバリュエーションモデルについて検討する。 攻撃コストを最小限に抑えるサイズ制約で、このドメインに特有の新たな攻撃を導入する。 本稿では、金融モデルのロバスト性について研究・評価するための分析ツールとして、これらの攻撃がどのように利用できるかについて論じる。
  論文  参考訳（メタデータ） (2020-02-21T22:04:35Z)
• Forecasting Foreign Exchange Rate: A Multivariate Comparative Analysis between Traditional Econometric, Contemporary Machine Learning & Deep Learning Techniques [0.0]
  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。
  論文  参考訳（メタデータ） (2020-02-19T18:11:57Z)

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。