論文の概要: Clustering and attention model based for Intelligent Trading

• arxiv url: http://arxiv.org/abs/2107.06782v1
• Date: Tue, 6 Jul 2021 19:35:13 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-18 13:57:06.519766
• Title: Clustering and attention model based for Intelligent Trading
• Title（参考訳）: インテリジェント取引に基づくクラスタリングとアテンションモデル
• Authors: Mimansa Rana, Nanxiang Mao, Ming Ao, Xiaohui Wu, Poning Liang and Matloob Khushi
• Abstract要約: 外国為替市場は世界中の学者が研究するホットな問題となっている。 われわれのチームは2005年から2021年にかけて、いくつかの外国通貨の歴史的データと技術的指標を抽出した。 我々は、イベント駆動価格予測のためのさまざまな機械学習モデルを構築した。
• 参考スコア（独自算出の注目度）: 0.7854401572529068
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The foreign exchange market has taken an important role in the global financial market. While foreign exchange trading brings high-yield opportunities to investors, it also brings certain risks. Since the establishment of the foreign exchange market in the 20th century, foreign exchange rate forecasting has become a hot issue studied by scholars from all over the world. Due to the complexity and number of factors affecting the foreign exchange market, technical analysis cannot respond to administrative intervention or unexpected events. Our team chose several pairs of foreign currency historical data and derived technical indicators from 2005 to 2021 as the dataset and established different machine learning models for event-driven price prediction for oversold scenario.
• Abstract（参考訳）: 外国為替市場は世界金融市場で重要な役割を担ってきた。 外国為替トレーディングは高利回りの機会を投資家にもたらす一方で、一定のリスクをもたらす。 20世紀に外国為替市場が成立して以来、為替レート予測は世界中の学者によって研究されているホットな問題となっている。 外国為替市場に影響を与える要因の複雑さと多さから、技術的分析は行政介入や予期せぬ出来事に対応できない。 当社のチームは、いくつかの対外通貨履歴データを選択し、2005年から2021年までの技術指標をデータセットとして導出し、オーバーsoldシナリオのイベント駆動価格予測のための異なる機械学習モデルを確立した。

関連論文リスト

• Quantitative Theory of Meaning. Application to Financial Markets. EUR/USD case study [1.3682156035049036]
  本論文は、情報と投資家の期待と市場価格運動の関連性に焦点を当てている。 我々は,情報量論の補完として,意味の定量的理論を構築した。 提案手法は、将来の市場資産の価格変動をよりよく理解し予測するために使用することができる。
  論文  参考訳（メタデータ） (2024-10-09T02:06:40Z)
• When AI Meets Finance (StockAgent): Large Language Model-based Stock Trading in Simulated Real-world Environments [55.19252983108372]
  LLMによって駆動される、StockAgentと呼ばれるマルチエージェントAIシステムを開発した。 StockAgentを使えば、ユーザーはさまざまな外部要因が投資家取引に与える影響を評価することができる。 AIエージェントに基づく既存のトレーディングシミュレーションシステムに存在するテストセットのリーク問題を回避する。
  論文  参考訳（メタデータ） (2024-07-15T06:49:30Z)
• Temporal distribution of clusters of investors and their application in prediction with expert advice [0.0]
  本研究では,20k外国為替(FX)トレーダーの実際の取引から得られたクラスターの分布を実証することにより,この分野に寄与する。 専門家アドバイスアルゴリズムを用いたオンライン予測アルゴリズムであるAggregating Algorithm (AA) が、上記の実世界のデータに適用でき、トレーダーリスクのポートフォリオのリターンを改善することができることを示す。
  論文  参考訳（メタデータ） (2024-06-04T15:28:06Z)
• Quantformer: from attention to profit with a quantitative transformer trading strategy [1.6006550105523192]
  この研究は2010年から2019年にかけて、中国資本市場における4,601株の5000,000以上の転がるデータを集めている。 本研究は、他の100因子量的戦略と比較して、株価トレンド予測におけるモデルの性能が優れていることを示した。
  論文  参考訳（メタデータ） (2024-03-30T17:18:00Z)
• Deep Q-Learning Market Makers in a Multi-Agent Simulated Stock Market [58.720142291102135]
  本稿では,エージェント・ベースの観点から,これらのマーケット・メーカーの戦略に関する研究に焦点をあてる。 模擬株式市場における知的市場マーカー作成のための強化学習(Reinforcement Learning, RL)の適用を提案する。
  論文  参考訳（メタデータ） (2021-12-08T14:55:21Z)
• Stock Price Prediction Under Anomalous Circumstances [81.37657557441649]
  本稿では,異常な状況下での株価の変動パターンを捉えることを目的とする。 ARIMAとLSTMのモデルは、シングルストックレベル、業界レベル、一般市場レベルでトレーニングします。 2016年から2020年にかけての100社の株価に基づいて、平均予測精度は98%に達した。
  論文  参考訳（メタデータ） (2021-09-14T18:50:38Z)
• Constraint-Based Inference of Heuristics for Foreign Exchange Trade Model Optimization [13.26093613374959]
  我々は,高いレートの取引信号を持つ2つのデータセットを開発する。 3つの低マージン機器と6つのOHLC粒度の10年間のForex価格データの機械学習シミュレーションを行う。 その結果,各計器粒度対に最も最適な貿易パラメータの具体的かつ再現可能なリストを作成した。
  論文  参考訳（メタデータ） (2021-05-11T00:36:02Z)
• 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)
• Taking Over the Stock Market: Adversarial Perturbations Against Algorithmic Traders [47.32228513808444]
  本稿では,敵対的学習手法を用いて,攻撃者がアルゴリズム取引システムに影響を与える現実的なシナリオを提案する。 入力ストリームに追加されると、我々の摂動は将来目に見えないデータポイントのトレーディングアルゴリズムを騙すことができることを示す。
  論文  参考訳（メタデータ） (2020-10-19T06:28:05Z)
• 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)

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。