論文の概要: Analysis of Sectoral Profitability of the Indian Stock Market Using an
LSTM Regression Model
- arxiv url: http://arxiv.org/abs/2111.04976v1
- Date: Tue, 9 Nov 2021 07:50:48 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-10 16:00:31.155215
- Title: Analysis of Sectoral Profitability of the Indian Stock Market Using an
LSTM Regression Model
- Title(参考訳): LSTM回帰モデルを用いたインド株式市場のセクター収益性の分析
- Authors: Jaydip Sen, Saikat Mondal, and Sidra Mehtab
- Abstract要約: 本稿では,所定時間間隔でウェブから過去の株価を自動的に抽出する,長期記憶(LSTM)アーキテクチャに基づく最適化された予測モデルを提案する。
このモデルは、インド国立証券取引所(NSE)に上場している7つのセクターから70の重要株式の予測結果に基づいて、取引の売買のために展開されている。
結果は、このモデルが将来の株価を予測する上で非常に正確であることを示唆している。
- 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: Predictive model design for accurately predicting future stock prices has
always been considered an interesting and challenging research problem. The
task becomes complex due to the volatile and stochastic nature of the stock
prices in the real world which is affected by numerous controllable and
uncontrollable variables. This paper presents an optimized predictive model
built on long-and-short-term memory (LSTM) architecture for automatically
extracting past stock prices from the web over a specified time interval and
predicting their future prices for a specified forecast horizon, and forecasts
the future stock prices. The model is deployed for making buy and sell
transactions based on its predicted results for 70 important stocks from seven
different sectors listed in the National Stock Exchange (NSE) of India. The
profitability of each sector is derived based on the total profit yielded by
the stocks in that sector over a period from Jan 1, 2010 to Aug 26, 2021. The
sectors are compared based on their profitability values. The prediction
accuracy of the model is also evaluated for each sector. The results indicate
that the model is highly accurate in predicting future stock prices.
- Abstract(参考訳): 将来の株価を正確に予測するための予測モデル設計は、常に興味深い研究課題であると考えられている。
このタスクは、多くの制御可能で制御不能な変数によって影響を受ける現実世界の株価の揮発的かつ確率的性質のために複雑になる。
本稿では,所定時間間隔でWebから過去の株価を自動的に抽出し,その将来価格を予測し,将来の株価を予測するための,長期記憶(LSTM)アーキテクチャに基づく最適化された予測モデルを提案する。
このモデルは、インド証券取引所(nse)に上場している7つの部門から70の重要株式の予測結果に基づいて、売買を行うために展開されている。
各セクターの収益性は、2010年1月1日から2021年8月26日までの期間に当該セクターの株式から得られる総利益に基づいて導かれる。
部門は利益率の値に基づいて比較される。
モデルの予測精度も各セクタで評価される。
その結果, 将来の株価予測において, このモデルは非常に正確であることがわかった。
関連論文リスト
- 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) - Can ChatGPT Forecast Stock Price Movements? Return Predictability and
Large Language Models [57.70351255180495]
当社はChatGPTを使用して、各見出しが企業の株価に対して良いか悪いか、中立かを評価する。
また,ChatGPTは従来の感情分析法よりも優れていた。
ChatGPT-4に基づくロングショート戦略はシャープ比が最も高い。
論文 参考訳(メタデータ) (2023-04-15T19:22:37Z) - HiSA-SMFM: Historical and Sentiment Analysis based Stock Market
Forecasting Model [3.6704226968275258]
本研究の目的は、企業の金融株の将来を精度良く予測することである。
感情分析の分野での既存の研究を分析した結果、株価の動きとニュース記事の発行との間には強い相関関係があることが判明した。
論文 参考訳(メタデータ) (2022-03-10T17:03:38Z) - Precise Stock Price Prediction for Optimized Portfolio Design Using an
LSTM Model [1.1879716317856945]
インド経済の7つのセクターに基づいて最適化されたポートフォリオを提示する。
過去の株価は2016年1月1日から2020年12月31日までウェブから抽出される。
LSTM回帰モデルも将来の株価を予測するために設計されている。
論文 参考訳(メタデータ) (2022-03-02T14:37:30Z) - 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) - Design and Analysis of Robust Deep Learning Models for Stock Price
Prediction [0.0]
株価と株価の動きの堅牢かつ正確な予測のための予測モデルを構築することは、解決すべき課題である。
本章では、インド国立証券取引所(NSE)の多角化部門に上場する株式の将来価格の堅牢かつ正確な予測のために、ディープラーニングアーキテクチャ上に構築された予測回帰モデル集を提案する。
論文 参考訳(メタデータ) (2021-06-17T17:15:02Z) - Profitability Analysis in Stock Investment Using an LSTM-Based Deep
Learning Model [1.2891210250935146]
長期記憶ネットワーク(LSTM)ネットワーク上に構築した深層学習に基づく回帰モデルを提案する。
特定の開始日と終了日について、株式のティッカー名に基づいて過去の株価を抽出し、将来の株価を予測する。
インド株式市場の15の重要セクターから選ばれた75の重要銘柄にモデルを配置する。
論文 参考訳(メタデータ) (2021-04-06T11:09:51Z) - REST: Relational Event-driven Stock Trend Forecasting [76.08435590771357]
既存の手法の欠点に対処するために,rest(relational event-driven stock trend forecasting)フレームワークを提案する。
第1の欠点を是正するため,我々は,株価の文脈をモデル化し,異なる状況下での株価に対する事象情報の影響を学ぶことを提案する。
第2の欠点に対処するために,ストックグラフを構築し,関連する株からイベント情報の影響を伝達する新しい伝播層を設計する。
論文 参考訳(メタデータ) (2021-02-15T07:22:09Z) - 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) - Deep Stock Predictions [58.720142291102135]
本稿では,Long Short Term Memory (LSTM) ニューラルネットワークを用いてポートフォリオ最適化を行うトレーディング戦略の設計について考察する。
次に、LSTMのトレーニングに使用する損失関数をカスタマイズし、利益を上げる。
カスタマイズされた損失関数を持つLSTMモデルは、ARIMAのような回帰ベースライン上でのトレーニングボットの性能を向上させる。
論文 参考訳(メタデータ) (2020-06-08T23:37:47Z)
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。