論文の概要: Forecasting Crude Oil Price Using Event Extraction
- arxiv url: http://arxiv.org/abs/2111.09111v1
- Date: Sun, 14 Nov 2021 08:48:43 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-18 13:49:11.236027
- Title: Forecasting Crude Oil Price Using Event Extraction
- Title(参考訳): イベント抽出による原油価格予測
- Authors: Jiangwei Liu and Xiaohong Huang
- Abstract要約: 新たな原油価格予測フレームワークであるAGESLが,この問題に対処するために提案されている。
提案手法では,オープンドメインイベント抽出アルゴリズムを用いて関連するイベントを抽出する。
次に、将来の原油価格を予測するために、ニュースイベントの特徴、感傷的特徴、歴史的価格特徴を統合するディープニューラルネットワークを構築します。
- 参考スコア(独自算出の注目度): 2.132096006921048
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Research on crude oil price forecasting has attracted tremendous attention
from scholars and policymakers due to its significant effect on the global
economy. Besides supply and demand, crude oil prices are largely influenced by
various factors, such as economic development, financial markets, conflicts,
wars, and political events. Most previous research treats crude oil price
forecasting as a time series or econometric variable prediction problem.
Although recently there have been researches considering the effects of
real-time news events, most of these works mainly use raw news headlines or
topic models to extract text features without profoundly exploring the event
information. In this study, a novel crude oil price forecasting framework,
AGESL, is proposed to deal with this problem. In our approach, an open domain
event extraction algorithm is utilized to extract underlying related events,
and a text sentiment analysis algorithm is used to extract sentiment from
massive news. Then a deep neural network integrating the news event features,
sentimental features, and historical price features is built to predict future
crude oil prices. Empirical experiments are performed on West Texas
Intermediate (WTI) crude oil price data, and the results show that our approach
obtains superior performance compared with several benchmark methods.
- Abstract(参考訳): 原油価格予測に関する研究は、世界経済に大きな影響を与えたため、学者や政策立案者から大きな注目を集めている。
原油価格は需給の他に、経済発展、金融市場、紛争、戦争、政治イベントなど様々な要因に影響を受けている。
これまでのほとんどの研究は、原油価格予測を時系列または計量変動予測問題として扱う。
近年,リアルタイムニュースイベントの効果を考察する研究が盛んに行われているが,これらの研究の大部分は生ニュースの見出しや話題モデルを用いて,イベント情報を深く探ることなくテキストの特徴を抽出している。
本研究では,新たな原油価格予測フレームワークであるAGESLを提案し,この問題に対処した。
提案手法では,オープンドメインイベント抽出アルゴリズムを用いて関連するイベントを抽出し,大量のニュースから感情を抽出するテキスト感情分析アルゴリズムを用いる。
そして、将来の原油価格を予測するために、ニュースイベント機能、センチメンタル機能、歴史的な価格機能を統合するディープニューラルネットワークを構築します。
ウェスト・テキサス・インターミディエート(WTI)原油価格データを用いて実験を行い,本手法がいくつかのベンチマーク手法と比較して優れた性能を示した。
関連論文リスト
- Assumption violations in causal discovery and the robustness of score
matching [40.269084132312706]
本稿では、最近の因果発見手法の観測データに対する実証的性能を広範囲にベンチマークする。
スコアマッチングに基づく手法は、推定されたグラフの偽陽性と偽陰性率において驚くべき性能を示すことを示す。
本論文は,因果発見手法の評価のための新しい基準を策定することを願っている。
論文 参考訳(メタデータ) (2023-10-20T09:56:07Z) - Predicting Financial Market Trends using Time Series Analysis and
Natural Language Processing [0.0]
この調査は、TeslaやAppleといった大手企業の株価を予測するためのツールとして、Twitterの感情の有効性を評価することを目的としている。
以上の結果から, 株価変動の主要な要因は, 肯定性, 否定性, 主観性であることが示唆された。
論文 参考訳(メタデータ) (2023-08-31T21:20:58Z) - Forecasting Crude Oil Prices Using Reservoir Computing Models [1.52292571922932]
本研究では原油価格予測のための革新的な貯水池計算モデルを導入する。
先進的な技術を活用することで、市場参加者は意思決定を強化し、原油市場のダイナミクスに関する貴重な洞察を得ることができる。
論文 参考訳(メタデータ) (2023-06-05T17:23:26Z) - Joint Latent Topic Discovery and Expectation Modeling for Financial
Markets [45.758436505779386]
金融市場分析のための画期的な枠組みを提示する。
このアプローチは、投資家の期待を共同でモデル化し、潜伏する株価関係を自動的に掘り下げる最初の方法だ。
私たちのモデルは年率10%を超えるリターンを継続的に達成します。
論文 参考訳(メタデータ) (2023-06-01T01:36:51Z) - CrudeBERT: Applying Economic Theory towards fine-tuning
Transformer-based Sentiment Analysis Models to the Crude Oil Market [0.15293427903448023]
CrudeBERTは、コンテキスト化と微調整を行うためにこれらのイベントを引き出す新しい感情分析モデルである。
CrudeBERTは原油の領域において、プロプライエタリおよびオープンソースソリューションよりも優れた性能を示す。
論文 参考訳(メタデータ) (2023-05-10T13:42:56Z) - Petroleum prices prediction using data mining techniques -- A Review [0.0]
本研究は,石油価格の予測を行うための既存のデータマイニング技術について概説する。
データマイニング技術は回帰モデル、ディープニューラルネットワークモデル、ファジィセットとロジック、ハイブリッドモデルに分類される。
論文 参考訳(メタデータ) (2022-11-20T19:33:02Z) - Citation Trajectory Prediction via Publication Influence Representation
Using Temporal Knowledge Graph [52.07771598974385]
既存のアプローチは主に学術論文の時間的データとグラフデータのマイニングに依存している。
本フレームワークは,差分保存グラフ埋め込み,きめ細かい影響表現,学習に基づく軌道計算という3つのモジュールから構成される。
APSアカデミックデータセットとAIPatentデータセットの両方で実験を行った。
論文 参考訳(メタデータ) (2022-10-02T07:43:26Z) - Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。
疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。
また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
論文 参考訳(メタデータ) (2022-07-19T16:15:11Z) - 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) - Machine learning model to project the impact of Ukraine crisis [0.0]
2022年2月24日のロシアによるウクライナ攻撃は、金融市場と地政学的危機を巻き起こした。
本稿では、この危機に関与している金、石油(WTI)、NDAQ、既知の通貨などの主要な経済指標を選択する。
戦争効果の定量化には、これらの経済指標間の相関特徴と関係を利用し、データセットを作成し、予測結果を実データと比較する。
論文 参考訳(メタデータ) (2022-03-03T14:29:52Z) - 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)
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。