論文の概要: Risk & returns around FOMC press conferences: a novel perspective from computer vision

• arxiv url: http://arxiv.org/abs/2012.06573v2
• Date: Fri, 15 Jan 2021 16:31:18 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-11 03:13:29.001180
• Title: Risk & returns around FOMC press conferences: a novel perspective from computer vision
• Title（参考訳）: FOMC記者会見におけるリスクとリターン : コンピュータビジョンからの新しい視点
• Authors: Alexis Marchal
• Abstract要約: 複雑な議論は、より高い株式リターンと実現可能なボラティリティの低下に関連していることを示す。 この方法は、椅子が質問に答えるために内部文書を読むことに依存しているかどうかを定量化し、注意スコアを作成する。
• 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: I propose a new tool to characterize the resolution of uncertainty around FOMC press conferences. It relies on the construction of a measure capturing the level of discussion complexity between the Fed Chair and reporters during the Q&A sessions. I show that complex discussions are associated with higher equity returns and a drop in realized volatility. The method creates an attention score by quantifying how much the Chair needs to rely on reading internal documents to be able to answer a question. This is accomplished by building a novel dataset of video images of the press conferences and leveraging recent deep learning algorithms from computer vision. This alternative data provides new information on nonverbal communication that cannot be extracted from the widely analyzed FOMC transcripts. This paper can be seen as a proof of concept that certain videos contain valuable information for the study of financial markets.
• Abstract（参考訳）: FOMC記者会見における不確実性の解消を特徴付ける新しいツールを提案する。 これは、Q&Aセッション中のFRB議長と記者の間の議論の複雑さのレベルを計測する尺度の構築に依存している。 複雑な議論は、より高い株式リターンと実現可能なボラティリティの低下に関連していることを示す。 この方法は、質問に答えるために、椅子が内部文書を読むことに依存する必要があるかを定量化することによって注意スコアを生成する。 これは、記者会見のビデオ画像の新しいデータセットを構築し、コンピュータビジョンから最新のディープラーニングアルゴリズムを活用することで実現されている。 この代替データは、広く分析されたFOMC転写から抽出できない非言語コミュニケーションに関する新しい情報を提供する。 本論文は,金融市場研究に有用な情報を含むビデオが,ある概念の証明であると考えられる。

関連論文リスト

• "I Never Said That": A dataset, taxonomy and baselines on response clarity classification [4.16330182801919]
  本稿では,応答の明瞭さを検出し分類するタスクを編み出した新しい分類法を提案する。 提案する2段階分類法は,質問に対する回答の明瞭度を,質問に対する情報提供の観点から明らかにする。 ChatGPTと人間のアノテーションを組み合わせて、政治インタビューから個別のQAペアを収集、検証、注釈付けします。
  論文  参考訳（メタデータ） (2024-09-20T20:15:06Z)
• Detection of Temporality at Discourse Level on Financial News by Combining Natural Language Processing and Machine Learning [8.504685056067144]
  Bloomberg News、CNN Business、Forbesといった金融関連のニュースは、市場スクリーニングシステムにとって貴重なデータ源である。 談話レベルでの財務関連ニュースの時間性を検出する新しいシステムを提案する。 この分野の知識を持つ研究者によって注釈付けされた金融関連ニュースのラベル付きデータセットを用いて,本システムを検証した。
  論文  参考訳（メタデータ） (2024-03-30T16:40:10Z)
• From "um" to "yeah": Producing, predicting, and regulating information flow in human conversation [0.0]
  約13ビット/秒の非構造化会話の情報密度を推定する。 我々は,その情報の検索と提示の両方の認知負荷に関連する有意な影響を見出した。 以上の結果から,認知資源の変動的要求にどう反応するか,という理論に関する新たな知見が得られた。
  論文  参考訳（メタデータ） (2024-03-13T18:20:24Z)
• Investigating Fairness Disparities in Peer Review: A Language Model Enhanced Approach [77.61131357420201]
  我々は、大規模言語モデル(LM)の助けを借りて、ピアレビューにおける公平性格差の徹底した厳密な研究を行う。 我々は、2017年から現在までのICLR(International Conference on Learning Representations)カンファレンスで、包括的なリレーショナルデータベースを収集、組み立て、維持しています。 我々は、著作者性別、地理、著作者、機関的名声など、興味のある複数の保護属性に対する公平性の違いを仮定し、研究する。
  論文  参考訳（メタデータ） (2022-11-07T16:19:42Z)
• MuMuQA: Multimedia Multi-Hop News Question Answering via Cross-Media Knowledge Extraction and Grounding [131.8797942031366]
  我々は、画像中のオブジェクトをテキストにクロスメディアグラウンドする必要があるニュース記事について、1,384の質問を含む新しいQA評価ベンチマークを示す。 具体的には、画像キャプチャーペアの推論を必要とするマルチホップ質問によって、参照されている接地された視覚オブジェクトを特定し、その質問に答えるためにニュースボディテキストからスパンを予測する。 本稿では, マルチメディアデータ拡張フレームワークを提案する。これは, クロスメディア知識抽出と合成質問応答生成に基づいて, このタスクの弱い監視を提供するデータを自動的に強化するものである。
  論文  参考訳（メタデータ） (2021-12-20T18:23:30Z)
• FedNLP: An interpretable NLP System to Decode Federal Reserve Communications [1.1630338538211475]
  我々は連邦準備制度の通信を復号化するための解釈可能な多成分自然言語処理システムであるFedNLPを提案する。 このシステムは、NLP技術がNOコーディングによるFRBのコミュニケーションの全体的理解にどのように役立つかをエンドユーザが調査するために設計されている。
  論文  参考訳（メタデータ） (2021-06-11T08:58:36Z)
• ConvoSumm: Conversation Summarization Benchmark and Improved Abstractive Summarization with Argument Mining [61.82562838486632]
  我々は、さまざまなオンライン会話形式のニュースコメント、ディスカッションフォーラム、コミュニティ質問応答フォーラム、電子メールスレッドに関する4つの新しいデータセットをクラウドソースする。 我々は、データセットの最先端モデルをベンチマークし、データに関連する特徴を分析します。
  論文  参考訳（メタデータ） (2021-06-01T22:17:13Z)
• A Sliding-Window Approach to Automatic Creation of Meeting Minutes [66.39584679676817]
  会議の議事録には、議論された問題、決定、会議での行動が記録されている。 会議時間の自動生成のためのスライディングウインドウ手法を提案する。 長い写本や文書構造の欠如など、発話テキストの性質に関連する問題に取り組むことを目指しています。
  論文  参考訳（メタデータ） (2021-04-26T02:44:14Z)
• Machine Learning Explanations to Prevent Overtrust in Fake News Detection [64.46876057393703]
  本研究では、ニュースレビュープラットフォームに組み込んだ説明可能なAIアシスタントが、フェイクニュースの拡散と戦う効果について検討する。 我々は、ニュースレビューと共有インターフェースを設計し、ニュース記事のデータセットを作成し、4つの解釈可能なフェイクニュース検出アルゴリズムを訓練する。 説明可能なAIシステムについてより深く理解するために、説明プロセスにおけるユーザエンゲージメント、メンタルモデル、信頼、パフォーマンス対策の相互作用について議論する。
  論文  参考訳（メタデータ） (2020-07-24T05:42:29Z)
• Conversational Machine Comprehension: a Literature Review [5.857042938931491]
  会話機械(英語: Conversational Machine、CMC)は、会話AIの研究トラックである。 マシンはオープンドメインの自然言語テキストを理解し、テキストに関連する質問に答えるマルチターン会話を行うことを期待している。 この文献レビューはCMCの全体的概要を提供し、最近発表されたモデル間の共通する傾向に重点を置いている。
  論文  参考訳（メタデータ） (2020-06-01T02:20:08Z)
• Explicit Memory Tracker with Coarse-to-Fine Reasoning for Conversational Machine Reading [177.50355465392047]
  本稿では,EMT(Explicit Memory Tracker)を用いた会話機械読取フレームワークを提案する。 我々のフレームワークは、粗大な推論戦略を採用することによって、明確化の質問を生成する。 EMTは74.6%のマイクロ平均決定精度と49.5BLEU4の新たな最先端結果を達成する。
  論文  参考訳（メタデータ） (2020-05-26T02:21:31Z)

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。