論文の概要: Is Image Encoding Beneficial for Deep Learning in Finance? An Analysis
of Image Encoding Methods for the Application of Convolutional Neural
Networks in Finance
- arxiv url: http://arxiv.org/abs/2010.08698v1
- Date: Sat, 17 Oct 2020 02:14:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-06 12:13:48.455693
- Title: Is Image Encoding Beneficial for Deep Learning in Finance? An Analysis
of Image Encoding Methods for the Application of Convolutional Neural
Networks in Finance
- Title(参考訳): 画像エンコーディングは金融におけるディープラーニングに有用か?
畳み込みニューラルネットワークの財務への適用のための画像符号化手法の解析
- Authors: Dan Wang, Tianrui Wang, Ionu\c{t} Florescu
- Abstract要約: SEC(証券取引委員会)は、米国で事業を行う企業に対して、すべての企業書類をElectronic Data Gathering, Analysis, and Retrieval(EDGAR)システムに登録するよう義務付けた。
これはポートフォリオマネージャ(年金基金、相互ファンド、保険、ヘッジファンド)に、投資する企業に対する自動的な洞察を提供する可能性がある。
- 参考スコア(独自算出の注目度): 4.14084373472438
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In 2012, SEC mandated all corporate filings for any company doing business in
US be entered into the Electronic Data Gathering, Analysis, and Retrieval
(EDGAR) system. In this work we are investigating ways to analyze the data
available through EDGAR database. This may serve portfolio managers (pension
funds, mutual funds, insurance, hedge funds) to get automated insights into
companies they invest in, to better manage their portfolios. The analysis is
based on Artificial Neural Networks applied to the data.} In particular, one of
the most popular machine learning methods, the Convolutional Neural Network
(CNN) architecture, originally developed to interpret and classify images, is
now being used to interpret financial data. This work investigates the best way
to input data collected from the SEC filings into a CNN architecture. We
incorporate accounting principles and mathematical methods into the design of
three image encoding methods. Specifically, two methods are derived from
accounting principles (Sequential Arrangement, Category Chunk Arrangement) and
one is using a purely mathematical technique (Hilbert Vector Arrangement). In
this work we analyze fundamental financial data as well as financial ratio data
and study companies from the financial, healthcare and IT sectors in the United
States. We find that using imaging techniques to input data for CNN works
better for financial ratio data but is not significantly better than simply
using the 1D input directly for fundamental data. We do not find the Hilbert
Vector Arrangement technique to be significantly better than other imaging
techniques.
- Abstract(参考訳): 2012年、SECはアメリカのあらゆる企業に対して、Electronic Data Gathering, Analysis, and Retrieval (EDGAR)システムへの企業提出を義務付けた。
本研究では,EDGARデータベースで利用可能なデータを分析する方法について検討している。
これはポートフォリオマネージャ(投資ファンド、相互ファンド、保険、ヘッジファンド)に、投資する企業に対する自動化された洞察を提供し、ポートフォリオの管理を改善する。
分析は、データに適用される人工ニューラルネットワークに基づいている。
特に、最も一般的な機械学習手法の1つである畳み込みニューラルネットワーク(CNN)アーキテクチャは、もともと画像の解釈と分類のために開発されたもので、金融データの解釈に使用されている。
本研究は、SECの提出書類から収集したデータをCNNアーキテクチャに入力する最善の方法を検討する。
会計原理と数学的手法を3つの画像符号化法の設計に取り入れる。
具体的には、会計原理(系列配列、カテゴリチャンク配置)から2つの方法が導出され、1つは純粋に数学的な手法(ヒルベルトベクトル配置)を用いている。
本研究は,米国における金融,医療,it分野の企業を対象に,基本的な金融データおよび金融比率データを分析し,企業を調査することを目的とする。
cnnのデータ入力にイメージング技術を使うことは、金融比率のデータではうまく機能するが、1d入力を基本データに直接使うよりは、それほど良いものではない。
ヒルベルトベクトル配置法は他の撮像法よりはるかに優れているとは考えていない。
関連論文リスト
- Transfer Learning and Transformer Architecture for Financial Sentiment Analysis [3.065600760950715]
金融分野は感情分析を難しくする特殊なメカニズムを使用する。
ラベル付きデータの少ないデータでこの問題を解くのに役立つ事前学習型言語モデルを提案する。
論文 参考訳(メタデータ) (2024-04-28T17:15:07Z) - Learnable Graph Matching: A Practical Paradigm for Data Association [74.28753343714858]
これらの問題に対処するための一般的な学習可能なグラフマッチング法を提案する。
提案手法は,複数のMOTデータセット上での最先端性能を実現する。
画像マッチングでは,一般的な屋内データセットであるScanNetで最先端の手法より優れている。
論文 参考訳(メタデータ) (2023-03-27T17:39:00Z) - Reduction Algorithms for Persistence Diagrams of Networks: CoralTDA and
PrunIT [27.411830935369498]
計算コストが高いことが、トポロジカルデータ分析の成功を妨げる主要な障害となっている。
我々は,大規模グラフの完全永続化図を計算するために,2つの新しい,驚くほど単純で効果的なアルゴリズムを開発した。
大規模ネットワークにおける実験により,新しい手法で最大95%の計算ゲインが得られることが示された。
論文 参考訳(メタデータ) (2022-11-24T16:52:48Z) - Comparison Analysis of Traditional Machine Learning and Deep Learning
Techniques for Data and Image Classification [62.997667081978825]
本研究の目的は、コンピュータビジョン2次元オブジェクト分類タスクに使用される最も一般的な機械学習およびディープラーニング技術を分析し比較することである。
まず、視覚語モデルと深部畳み込みニューラルネットワーク(DCNN)の理論的背景を示す。
次に、Bag of Visual Wordsモデル、VGG16 CNN Architectureを実装します。
論文 参考訳(メタデータ) (2022-04-11T11:34:43Z) - ProgFed: Effective, Communication, and Computation Efficient Federated Learning by Progressive Training [65.68511423300812]
本稿では,効率的なフェデレート学習のためのプログレッシブトレーニングフレームワークであるProgFedを提案する。
ProgFedは計算と双方向通信のコストを本質的に低減し、最終モデルの強力な性能を維持している。
以上の結果から, ProgFed はフルモデルの標準トレーニングと同等の速度で収束することがわかった。
論文 参考訳(メタデータ) (2021-10-11T14:45:00Z) - Fund2Vec: Mutual Funds Similarity using Graph Learning [0.966840768820136]
本稿では,ファンドの重み付けされたバイパーティイトネットワーク表現とその基盤となる資産データに基づいて,類似資金を同定するための根本的に新しいアプローチを提案する。
私たちの研究は、ファンド・アセット・ネットワークのもともとの形での重み付けされたバイパートイト・ネットワークの表現に関する初めての研究である。
論文 参考訳(メタデータ) (2021-06-24T17:35:00Z) - Evaluating data augmentation for financial time series classification [85.38479579398525]
2つの最先端ディープラーニングモデルを用いて,ストックデータセットに適用したいくつかの拡張手法を評価する。
比較的小さなデータセット拡張手法では、リスク調整された戻り値のパフォーマンスが最大400%向上する。
より大きなストックデータセット拡張メソッドでは、最大40%の改善が達成される。
論文 参考訳(メタデータ) (2020-10-28T17:53:57Z) - A Novel Ensemble Deep Learning Model for Stock Prediction Based on Stock
Prices and News [7.578363431637128]
本稿では、感情分析を用いて、複数のテキストデータソースから有用な情報を抽出し、将来のストックムーブメントを予測することを提案する。
ブレンディングアンサンブルモデルには、2つのレベルがある。第1レベルには、2つのリカレントニューラルネットワーク(RNN)、1つのLong-Short Term Memory Network(LSTM)、1つのGated Recurrent Units Network(GRU)が含まれる。
完全に接続されたニューラルネットワークは、予測精度をさらに向上するために、複数の個々の予測結果をアンサンブルするために使用される。
論文 参考訳(メタデータ) (2020-07-23T15:25:37Z) - Learning to map source code to software vulnerability using
code-as-a-graph [67.62847721118142]
セキュリティの観点からソースコードのニュアンス学習におけるグラフニューラルネットワークの適用性について検討する。
我々は,既存のコード・アズ・フォトや線形シーケンスの符号化手法よりも,脆弱性検出に有効なコード・アズ・グラフの符号化法を示す。
論文 参考訳(メタデータ) (2020-06-15T16:05:27Z) - 3D medical image segmentation with labeled and unlabeled data using
autoencoders at the example of liver segmentation in CT images [58.720142291102135]
本研究では、畳み込みニューラルネットワークによるセグメンテーションを改善するために、オートエンコーダ抽出機能の可能性を検討する。
コンボリューション・オートエンコーダを用いてラベルのないデータから特徴を抽出し,CT画像における3次元肝セグメンテーションの目標タスクを実行するために,マルチスケールの完全畳み込みCNNを用いた。
論文 参考訳(メタデータ) (2020-03-17T20:20:43Z) - Application of Deep Neural Networks to assess corporate Credit Rating [4.14084373472438]
我々は、Standard and Poor'sが発行した企業信用格付けを予測するために、4つのニューラルネットワークアーキテクチャの性能を分析した。
この分析の目的は、信用評価への機械学習アルゴリズムの適用を改善することである。
論文 参考訳(メタデータ) (2020-03-04T21:29:22Z)
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。