Fugu-MT 論文翻訳(概要): A Fast Evidential Approach for Stock Forecasting

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

Bayesian Hierarchical Probabilistic Forecasting of Intraday Electricity Prices [0.0]
本稿では,ドイツの日内取引市場における電力価格のベイズ予測に関する第1報について述べる。検証には2022年の極端に不安定な電力価格を使用します。我々は、電気価格予測における特徴選択にLASSOを用いるという宣言されたゴールド標準に挑戦し、OMPがより良い予測性能をもたらすという強い統計的証拠を提示する。
論文参考訳（メタデータ） (2024-03-08T16:51:27Z)
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)
Measuring Financial Time Series Similarity With a View to Identifying Profitable Stock Market Opportunities [12.101446195463591]
歴史的価格データのみを用いて株式市場のリターンを予測するケースベースの推論手法について述べる。この研究の重要な貢献は、歴史的価格データを比較するための新しい類似度指標の開発である。
論文参考訳（メタデータ） (2021-07-07T17:26:32Z)
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。