論文の概要: A Fast Evidential Approach for Stock Forecasting
- arxiv url: http://arxiv.org/abs/2104.05204v1
- Date: Mon, 12 Apr 2021 04:58:51 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-13 13:56:24.042704
- Title: A Fast Evidential Approach for Stock Forecasting
- Title(参考訳): 株価予測のための高速なエビデンシャルアプローチ
- Authors: Tianxiang Zhan, Fuyuan Xiao
- Abstract要約: エビデンス理論の枠組みでは、データ融合は複数の異なる情報ソースの信頼度関数を結合して複合信頼度関数を得る。
Dempsterコンビネーションルールは、異なる情報を融合させる古典的な方法です。
本稿では,エビデンス理論の予測手法を紹介する。
- 参考スコア(独自算出の注目度): 12.246860992135783
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the framework of evidence theory, data fusion combines the confidence
functions of multiple different information sources to obtain a combined
confidence function. Stock price prediction is the focus of economics. Stock
price forecasts can provide reference data. The Dempster combination rule is a
classic method of fusing different information. By using the Dempster
combination rule and confidence function based on the entire time series fused
at each time point and future time points, and the preliminary forecast value
obtained through the time relationship, the accurate forecast value can be
restored. This article will introduce the prediction method of evidence theory.
This method has good running performance, can make a rapid response on a large
amount of stock price data, and has far-reaching significance.
- Abstract(参考訳): エビデンス理論の枠組みでは、データ融合は複数の異なる情報ソースの信頼度関数を結合して複合信頼度関数を得る。
株価予測は経済学の焦点である。
株価予測は参照データを提供することができる。
デンプスターの組み合わせルールは、異なる情報を融合する古典的な方法である。
各時点と将来の時点で融合した時系列全体と、その時間関係によって得られた予備予測値に基づいて、デンプスター結合則と信頼度関数を用いて、正確な予測値を復元することができる。
本稿では,エビデンス理論の予測手法を紹介する。
本手法は、動作性能が良好で、大量の株価データに対して迅速な応答が可能であり、また、広範囲にわたる重要性を有する。
関連論文リスト
- Conformal Prediction for Electricity Price Forecasting in the Day-Ahead and Real-Time Balancing Market [0.0]
再生可能エネルギーの電気市場への統合は 価格安定に重大な課題をもたらします
本研究では, Conformal Prediction (CP) 技術を用いた確率的価格予測の強化について検討した。
本稿では,量子レグレッションモデルの効率と時系列適応CP手法の強靭なカバレッジ特性を組み合わせたアンサンブル手法を提案する。
論文 参考訳(メタデータ) (2025-02-07T13:57:47Z) - A Novel Methodology in Credit Spread Prediction Based on Ensemble Learning and Feature Selection [1.2912994253830332]
債券のスプレッドは債券投資の重要な指標であり、債券投資家が効果的なトレーディング戦略を考案するための貴重な洞察を提供する。
本研究では,アンサンブル学習技術を活用した新たな信用拡散予測モデルを提案する。
論文 参考訳(メタデータ) (2024-12-13T00:26:36Z) - SMURF-THP: Score Matching-based UnceRtainty quantiFication for
Transformer Hawkes Process [76.98721879039559]
SMURF-THPは,変圧器ホークス過程を学習し,予測の不確かさを定量化するスコアベース手法である。
具体的には、SMURF-THPは、スコアマッチング目標に基づいて、イベントの到着時刻のスコア関数を学習する。
我々は,イベントタイプ予測と到着時刻の不確実性定量化の両方において,広範な実験を行う。
論文 参考訳(メタデータ) (2023-10-25T03:33:45Z) - FABind: Fast and Accurate Protein-Ligand Binding [127.7790493202716]
$mathbfFABind$はポケット予測とドッキングを組み合わせたエンドツーエンドモデルで、正確で高速なタンパク質-リガンド結合を実現する。
提案モデルでは,既存手法と比較して有効性と効率性に強い利点が示される。
論文 参考訳(メタデータ) (2023-10-10T16:39:47Z) - 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) - Confidence and Dispersity Speak: Characterising Prediction Matrix for
Unsupervised Accuracy Estimation [51.809741427975105]
この研究は、ラベルを使わずに、分散シフト下でのモデルの性能を評価することを目的としている。
我々は、両方の特性を特徴付けるのに有効であることが示されている核規範を用いる。
核の基準は既存の手法よりも正確で堅牢であることを示す。
論文 参考訳(メタデータ) (2023-02-02T13:30:48Z) - Uncertainty Aware Trader-Company Method: Interpretable Stock Price
Prediction Capturing Uncertainty [6.776900239715404]
トレーダー・コンパニオン・メソッドは高い予測力と解釈可能性を持っている。
不確実性トレーダー・コンパニオン・メソッドは不確実性を捉えます。
方法はベースラインよりも高いリターンと低いリスクを達成する。
論文 参考訳(メタデータ) (2022-10-31T03:07:07Z) - HIST: A Graph-based Framework for Stock Trend Forecasting via Mining
Concept-Oriented Shared Information [73.40830291141035]
近年,Webから抽出したストック概念を用いて共有情報をマイニングし,予測結果を改善する手法が提案されている。
これまでの研究では、ストックとコンセプトのつながりは定常的であり、ストックとコンセプトのダイナミックな関連性を無視していた。
本稿では,事前定義された概念と隠れた概念から,概念指向の共有情報を適切にマイニングできる新しいストックトレンド予測フレームワークを提案する。
論文 参考訳(メタデータ) (2021-10-26T14:04:04Z) - Learning to Predict Trustworthiness with Steep Slope Loss [69.40817968905495]
本研究では,現実の大規模データセットにおける信頼性の予測問題について検討する。
我々は、先行技術損失関数で訓練された信頼性予測器が、正しい予測と誤った予測の両方を信頼に値するものとみなす傾向があることを観察する。
そこで我々は,2つのスライド状の曲線による不正確な予測から,特徴w.r.t.正しい予測を分離する,新たな急勾配損失を提案する。
論文 参考訳(メタデータ) (2021-09-30T19:19:09Z) - Probabilistic multivariate electricity price forecasting using implicit
generative ensemble post-processing [0.0]
我々は、多変量電力価格シナリオを生成するために、点予測モデルのアンサンブルに基づく、可能性のない暗黙的生成モデルを使用する。
我々のアンサンブル後処理法は、確立されたモデル組合せベンチマークより優れている。
我々の手法はドメイン固有のエキスパートモデルの集合の上で機能するため、他の予測タスクに容易にデプロイできる。
論文 参考訳(メタデータ) (2020-05-27T15:22:10Z)
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。