論文の概要: Visual Analytics approach for finding spatiotemporal patterns from COVID19

• arxiv url: http://arxiv.org/abs/2101.06476v1
• Date: Sat, 16 Jan 2021 16:57:16 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-28 04:25:32.428025
• Title: Visual Analytics approach for finding spatiotemporal patterns from COVID19
• Title（参考訳）: COVID19の時空間パターン検出のためのビジュアルアナリティクスアプローチ
• Authors: Arunav Das
• Abstract要約: ポンド43.5bnローン価値は、2020年12月17日に提供されました。 クラスタリングとビジュアル分析フレームワークによるビジネス人口統計、サバイバル率、セクタ集中度は、ロンドン内外の空間パターンを示している。 非教師なしクラスタリング技術と多項ロジスティック回帰モデルによる研究データセットの組み合わせは、他のサポートスキーム、ビジネス構造、金融犯罪に関する追加データセットによって補完され、特定の種類の金融市場や経済状況に対するビジネス脆弱性のモデリングに推奨される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Bounce Back Loan is amongst a number of UK business financial support schemes launched by UK Government in 2020 amidst pandemic lockdown. Through these schemes, struggling businesses are provided financial support to weather economic slowdown from pandemic lockdown. {\pounds}43.5bn loan value has been provided as of 17th Dec2020. However, with no major checks for granting these loans and looming prospect of loan losses from write-offs from failed businesses and fraud, this paper theorizes prospect of applying spatiotemporal modelling technique to explore if geospatial patterns and temporal analysis could aid design of loan grant criteria for schemes. Application of Clustering and Visual Analytics framework to business demographics, survival rate and Sector concentration shows Inner and Outer London spatial patterns which historic business failures and reversal of the patterns under COVID-19 implying sector influence on spatial clusters. Combination of unsupervised clustering technique with multinomial logistic regression modelling on research datasets complimented by additional datasets on other support schemes, business structure and financial crime, is recommended for modelling business vulnerability to certain types of financial market or economic condition. The limitations of clustering technique for high dimensional is discussed along with relevance of an applicable model for continuing the research through next steps.
• Abstract（参考訳）: バウンスバックローンは、パンデミックによるロックダウンの影響で英国政府が2020年に開始したいくつかの事業金融支援計画の1つだ。 これらの計画を通じて、苦戦している企業はパンデミックのロックダウンによる気象経済の減速に対する財政的支援を提供する。 43.5bnの貸付額は、2020年12月17日時点で設定されている。 しかし、これらの融資を許可する主要なチェックや、失敗する事業や詐欺によるローン損失の見込みを損なうことなく、時空間パターンや時空間分析が貸与基準の策定に役立つかどうかを探るため、時空間モデリング技術を適用する可能性について理論的に考察する。 クラスタリングとビジュアルアナリティクスフレームワークのビジネス人口、生存率、セクター濃度への応用は、歴史的ビジネスの失敗と、COVID-19下のパターンの逆転が空間クラスタに与える影響を示唆するインナー・ロンドン空間パターンとアウター・ロンドン空間パターンを示している。 非教師なしクラスタリング技術と多項ロジスティック回帰モデルによる研究データセットの組み合わせは、他のサポートスキーム、ビジネス構造、金融犯罪に関する追加データセットによって補完され、特定の種類の金融市場や経済状況に対するビジネス脆弱性のモデリングに推奨される。 高次元のクラスタリング手法の限界は、次のステップで研究を続けるための応用モデルの妥当性とともに議論される。

関連論文リスト

• Sparse Asymptotic PCA: Identifying Sparse Latent Factors Across Time Horizon [0.0]
  本稿では、新しいスパース主成分分析(APCA)を用いたスパース潜在因子モデリング手法を提案する。 APCAは、因子プロセスは時間的水平線上でスパースであると仮定するが、対応する負荷行列は必ずしもスパースではない。 2004年1月から2016年12月までのS&P500種株価バランスパネルの日次リターンを分析した。
  論文  参考訳（メタデータ） (2024-07-13T01:32:37Z)
• Numerical Claim Detection in Finance: A New Financial Dataset, Weak-Supervision Model, and Market Analysis [4.575870619860645]
  ファイナンシャルドメインにおけるクレーム検出タスクのための新たな財務データセットを構築した。 本稿では,対象物の専門家(SME)の知識を集約関数に組み込んだ,新たな弱スーパービジョンモデルを提案する。 ここでは、利益の急落と楽観的な指標への回帰の依存を観察する。
  論文  参考訳（メタデータ） (2024-02-18T22:55:26Z)
• Modeling Systemic Risk: A Time-Varying Nonparametric Causal Inference Framework [27.025720728622897]
  時系列ネットワークにおける因果構造を推定するための非パラメトリック・時間変化指向情報グラフ(TV-DIG)フレームワークを提案する。 本枠組みは、金融ネットワーク内の主要資産・産業セクター間の相互接続性とシステム的リスクの進化を特定し、監視するものである。
  論文  参考訳（メタデータ） (2023-12-27T20:09:57Z)
• Designing an attack-defense game: how to increase robustness of financial transaction models via a competition [69.08339915577206]
  金融セクターにおける悪意ある攻撃のエスカレートリスクを考えると、機械学習モデルの敵戦略と堅牢な防御メカニズムを理解することが重要である。 本研究の目的は、逐次的な財務データを入力として使用するニューラルネットワークモデルに対する敵攻撃と防御の現状とダイナミクスを調査することである。 我々は、現代の金融取引データにおける問題の現実的かつ詳細な調査を可能にする競争を設計した。 参加者は直接対決するので、実生活に近い環境で攻撃や防御が検討される。
  論文  参考訳（メタデータ） (2023-08-22T12:53:09Z)
• Graph-Regularized Tensor Regression: A Domain-Aware Framework for Interpretable Multi-Way Financial Modelling [23.030263841031633]
  そこで我々は,グラフラプラシアン行列の形で,相互関係に関する知識をモデルに組み込む新しいグラフ正規化回帰(GRTR)フレームワークを開発した。 テンソル代数(英語版)により、提案されたフレームワークは係数と次元の両方で完全に解釈可能であることが示されている。 GRTRモデルは、マルチウェイの財務予測設定で検証され、計算コストの削減による性能向上が示されている。
  論文  参考訳（メタデータ） (2022-10-26T13:39:08Z)
• 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)
• Estimating Fund-Raising Performance for Start-up Projects from a Market Graph Perspective [58.353799280109904]
  市場環境を利用して未公開プロジェクトの資金調達実績を予測するためのグラフベースの市場環境(GME)モデルを提案する。 具体的には、市場環境を利用して未公開プロジェクトの資金調達実績を予測するグラフベースの市場環境(GME)モデルを提案する。
  論文  参考訳（メタデータ） (2021-05-27T02:39:30Z)
• Explaining Credit Risk Scoring through Feature Contribution Alignment with Expert Risk Analysts [1.7778609937758323]
  私たちは企業の信用スコアにフォーカスし、さまざまな機械学習モデルをベンチマークします。 目標は、企業が一定の期間内に金融問題を経験しているかどうかを予測するモデルを構築することです。 我々は、信用リスクの専門家とモデル機能属性説明との相違を強調した専門家による機能関連スコアを提供することで、光を当てる。
  論文  参考訳（メタデータ） (2021-03-15T12:59:15Z)
• Forethought and Hindsight in Credit Assignment [62.05690959741223]
  我々は、前向きモデルや後向きモデルによる後向き操作による予測として使われる計画の利益と特異性を理解するために活動する。 本稿では,予測を(再)評価すべき状態の選択に主眼を置いて,計画におけるモデルの利用について検討する。
  論文  参考訳（メタデータ） (2020-10-26T16:00:47Z)
• Adversarial Attack and Defense of Structured Prediction Models [58.49290114755019]
  本論文では,NLPにおける構造化予測タスクに対する攻撃と防御について検討する。 構造化予測モデルの構造化出力は、入力中の小さな摂動に敏感である。 本稿では,シーケンス・ツー・シーケンス・モデルを用いて,構造化予測モデルへの攻撃を学習する,新規で統一的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-10-04T15:54:03Z)
• Topology-based Clusterwise Regression for User Segmentation and Demand Forecasting [63.78344280962136]
  本研究は,パブリックおよび新規な商用データ集合を用いて,アナリストがユーザベースをクラスタリングし,詳細なレベルで需要を計画できることを示す。 本研究は,TDAに基づく時系列クラスタリングと行列因数分解法によるクラスタ回帰を実践者にとって実行可能なツールとして導入することを目的とする。
  論文  参考訳（メタデータ） (2020-09-08T12:10:10Z)

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。