論文の概要: Event-Driven Learning of Systematic Behaviours in Stock Markets

• arxiv url: http://arxiv.org/abs/2010.15586v1
• Date: Fri, 23 Oct 2020 16:14:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-04 00:10:54.021572
• Title: Event-Driven Learning of Systematic Behaviours in Stock Markets
• Title（参考訳）: 株式市場における体系的行動のイベント駆動学習
• Authors: Xianchao Wu
• Abstract要約: 金融ニュースを活用して、潜伏するイベントストックリンクと株式市場の体系的行動を検出するニューラルネットワークをトレーニングします。 提案するパイプラインは,(1)オープン情報抽出とニューラルコリファレンス・レゾリューションを利用する複合イベント抽出法,(2)BERT/ALBERT拡張イベント表現,(3)イベント,ニュース,時間レベルの注意を含む拡張階層型アテンションネットワークを含む。 われわれのパイプラインは、Standard&Poor 500、Dow Jones、Nasdaq指数、および10の個別株の予測に適用される際に、最先端のモデルよりもはるかに優れた精度とシミュレーションされた年次リターンを達成する。
• 参考スコア（独自算出の注目度）: 1.4649095013539173
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: It is reported that financial news, especially financial events expressed in news, provide information to investors' long/short decisions and influence the movements of stock markets. Motivated by this, we leverage financial event streams to train a classification neural network that detects latent event-stock linkages and stock markets' systematic behaviours in the U.S. stock market. Our proposed pipeline includes (1) a combined event extraction method that utilizes Open Information Extraction and neural co-reference resolution, (2) a BERT/ALBERT enhanced representation of events, and (3) an extended hierarchical attention network that includes attentions on event, news and temporal levels. Our pipeline achieves significantly better accuracies and higher simulated annualized returns than state-of-the-art models when being applied to predicting Standard\&Poor 500, Dow Jones, Nasdaq indices and 10 individual stocks.
• Abstract（参考訳）: 金融ニュース、特にニュースで表現された金融イベントは投資家の長期的・短期的な決定に情報を提供し、株式市場の動きに影響を与えると報告されている。 これにより、金融イベントストリームを利用して、米国株式市場における潜在イベント-ストック連鎖と株式市場の体系的行動を検出する分類ニューラルネットワークを訓練する。 提案するパイプラインは,(1)オープン情報抽出とニューラルコリファレンス解像度を用いた複合イベント抽出手法,(2)イベントのbert/albert拡張表現,(3)イベント,ニュース,時間レベルの注意を含む拡張階層的注意ネットワークを含む。 当社のパイプラインは、standard\&poor 500、dow jones、nasdaq indices、および10株の予測に適用される場合、最先端のモデルよりも高いアキュラリティとシミュレートされた年間リターンを達成します。

関連論文リスト

• Exploring the Limits of Historical Information for Temporal Knowledge Graph Extrapolation [59.417443739208146]
  本稿では,歴史的コントラスト学習の新しい学習枠組みに基づくイベント予測モデルを提案する。 CENETは、最も潜在的なエンティティを識別するために、歴史的および非歴史的依存関係の両方を学ぶ。 提案したモデルを5つのベンチマークグラフで評価する。
  論文  参考訳（メタデータ） (2023-08-29T03:26:38Z)
• Diffusion Variational Autoencoder for Tackling Stochasticity in Multi-Step Regression Stock Price Prediction [54.21695754082441]
  長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。 多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。 深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。 本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-18T16:21:15Z)
• Towards systematic intraday news screening: a liquidity-focused approach [1.688090639493357]
  毎日大量のニュース記事が発行されているが、そのほとんどは中立的であり、我々は真の効果のあるニュースを識別するための体系的なニューススクリーニング方法を提案する。 スクリーニングされたデータセットは、より効率的な特徴キャプチャを実現し、短期資産返却予測において優れた性能を示す。
  論文  参考訳（メタデータ） (2023-04-11T10:14:48Z)
• 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)
• REST: Relational Event-driven Stock Trend Forecasting [76.08435590771357]
  既存の手法の欠点に対処するために,rest(relational event-driven stock trend forecasting)フレームワークを提案する。 第1の欠点を是正するため,我々は,株価の文脈をモデル化し,異なる状況下での株価に対する事象情報の影響を学ぶことを提案する。 第2の欠点に対処するために,ストックグラフを構築し,関連する株からイベント情報の影響を伝達する新しい伝播層を設計する。
  論文  参考訳（メタデータ） (2021-02-15T07:22:09Z)
• A Sentiment Analysis Approach to the Prediction of Market Volatility [62.997667081978825]
  金融ニュースとツイートから抽出された感情とFTSE100の動きの関係を調べました。 ニュース見出しから得られた感情は、市場のリターンを予測するシグナルとして使われる可能性があるが、ボラティリティには当てはまらない。 我々は,新たな情報の到着に応じて,市場の変動を予測するための正確な分類器を開発した。
  論文  参考訳（メタデータ） (2020-12-10T01:15:48Z)
• A Novel Distributed Representation of News (DRNews) for Stock Market Predictions [4.963115946610032]
  ニュースの分散表現(DRNews)モデルを開発し,深層学習に基づく株式市場予測に適用する。 DRNewsはニュースイベント間のセマンティック情報と潜在的なリンクの両方を記述するニュースベクトルを生成する。 注目のメカニズムは、短期的な株価トレンドと株式市場の危機の両方が日々のニュースから影響を受けていることを示唆している。
  論文  参考訳（メタデータ） (2020-05-24T10:01:27Z)
• ESG2Risk: A Deep Learning Framework from ESG News to Stock Volatility Prediction [2.686135821234372]
  我々は、金融ニュースフローにおけるESGイベントに注目し、株価変動に対するESG関連金融ニュースの予測力を探る。 特に,深層学習モデルのESGニュース抽出,ニュース表現,ベイズ推定のパイプラインを構築した。
  論文  参考訳（メタデータ） (2020-05-05T23:01:36Z)
• A Deep Reinforcement Learning Framework for Continuous Intraday Market Bidding [69.37299910149981]
  再生可能エネルギー源統合の成功の鍵となる要素は、エネルギー貯蔵の利用である。 欧州の継続的な日内市場におけるエネルギー貯蔵の戦略的関与をモデル化するための新しい枠組みを提案する。 本アルゴリズムの分散バージョンは, サンプル効率のため, この問題を解決するために選択される。 その結果, エージェントは, ベンチマーク戦略よりも平均的収益率の高い政策に収束することが示唆された。
  論文  参考訳（メタデータ） (2020-04-13T13:50:13Z)
• Reinforcement-Learning based Portfolio Management with Augmented Asset Movement Prediction States [71.54651874063865]
  ポートフォリオマネジメント(PM)は、最大利益や最小リスクといった投資目標を達成することを目的としている。 本稿では,PMのための新しいステート拡張RLフレームワークであるSARLを提案する。 当社の枠組みは, 金融PMにおける2つのユニークな課題に対処することを目的としている。(1) データの異種データ -- 資産毎の収集情報は通常, 多様性, ノイズ, 不均衡(ニュース記事など), (2) 環境の不確実性 -- 金融市場は多様で非定常である。
  論文  参考訳（メタデータ） (2020-02-09T08:10:03Z)

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。