論文の概要: Simulating Using Deep Learning The World Trade Forecasting of
Export-Import Exchange Rate Convergence Factor During COVID-19
- arxiv url: http://arxiv.org/abs/2201.12291v1
- Date: Sun, 23 Jan 2022 18:34:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-06 08:59:59.646670
- Title: Simulating Using Deep Learning The World Trade Forecasting of
Export-Import Exchange Rate Convergence Factor During COVID-19
- Title（参考訳）: 深層学習によるcovid-19における輸出入為替レート収束因子の世界貿易予測のシミュレーション
- Authors: Effat Ara Easmin Lucky, Md. Mahadi Hasan Sany, Mumenunnesa Keya, Md.
Moshiur Rahaman, Umme Habiba Happy, Sharun Akter Khushbu, Md. Arid Hasan
- Abstract要約: 本研究では,Long-Short Term Memoryを用いてグローバル取引を予測する。
時系列分析は、特定の資産、セキュリティ、経済が時間とともにどのように変化するかを確認するのに役立つ。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: By trade we usually mean the exchange of goods between states and countries.
International trade acts as a barometer of the economic prosperity index and
every country is overly dependent on resources, so international trade is
essential. Trade is significant to the global health crisis, saving lives and
livelihoods. By collecting the dataset called "Effects of COVID19 on trade"
from the state website NZ Tatauranga Aotearoa, we have developed a sustainable
prediction process on the effects of COVID-19 in world trade using a deep
learning model. In the research, we have given a 180-day trade forecast where
the ups and downs of daily imports and exports have been accurately predicted
in the Covid-19 period. In order to fulfill this prediction, we have taken data
from 1st January 2015 to 30th May 2021 for all countries, all commodities, and
all transport systems and have recovered what the world trade situation will be
in the next 180 days during the Covid-19 period. The deep learning method has
received equal attention from both investors and researchers in the field of
in-depth observation. This study predicts global trade using the Long-Short
Term Memory. Time series analysis can be useful to see how a given asset,
security, or economy changes over time. Time series analysis plays an important
role in past analysis to get different predictions of the future and it can be
observed that some factors affect a particular variable from period to period.
Through the time series it is possible to observe how various economic changes
or trade effects change over time. By reviewing these changes, one can be aware
of the steps to be taken in the future and a country can be more careful in
terms of imports and exports accordingly. From our time series analysis, it can
be said that the LSTM model has given a very gracious thought of the future
world import and export situation in terms of trade.
- Abstract（参考訳）: 貿易では、通常、国と国の間の商品の交換を意味する。
国際貿易は経済繁栄指数のバロメーターであり、各国は資源に過度に依存しているため、国際貿易は不可欠である。
貿易は世界の健康危機、生命と生活を救うために重要である。
NZ Tatauranga Aotearoaから「貿易におけるCOVID19の影響」というデータセットを収集し、深層学習モデルを用いて世界貿易におけるCOVID-19の影響を持続的に予測するプロセスを開発した。
調査では,コビッド19期において,毎日の輸入・輸出の上昇・減少が正確に予測された180日間の貿易予測を行った。
この予測を満たすため、2015年1月1日から2021年5月30日までの全ての国、すべての商品、およびすべての輸送システムに関するデータを収集し、コビッド19期の次の180日間の世界貿易状況を回復した。
深層学習法は、深層観測の分野で投資家と研究者の両方から等しく注目されている。
本研究は長期記憶を用いて世界貿易を予測する。
時系列分析は、ある資産、セキュリティ、経済が時間とともにどのように変化するかを見るのに有用である。
時系列分析は、過去の分析において未来の予測を異なるものにするために重要な役割を担い、ある要因が周期的に特定の変数に影響を与えることが観察できる。
時系列を通じて、様々な経済変化や貿易の影響が時間とともにどのように変化するか観察することができる。
これらの変更をレビューすることで、将来取るべきステップに気付くことができ、それに応じて輸入・輸出に関してより注意を払うことができる。
我々の時系列分析から、LSTMモデルは、貿易の観点で将来の世界の輸入・輸出状況について非常に好意的な考えを抱いていると言える。
関連論文リスト
- Forecasting, capturing and activation of carbon-dioxide (CO$_2$):
Integration of Time Series Analysis, Machine Learning, and Material Design [0.0]
本研究は,2019年1月から2023年2月までの日次産業別,国別CO$の排出量を総合的に分析した。
この研究は、ヨーロッパ諸国(EU27とイギリス、イタリア、ドイツ、スペイン)の電力、産業、陸上輸送、国内航空、国際航空部門に焦点を当てている。
通常の排出パターンを特定するため、新型コロナウイルスのパンデミックによる破壊的な影響により、2020年のデータは除外される。
論文 参考訳（メタデータ） (2023-07-25T16:03:44Z) - Human Behavior in the Time of COVID-19: Learning from Big Data [71.26355067309193]
2020年3月以降、新型コロナウイルスの感染者は6億人を超え、600万人以上が死亡している。
パンデミックはあらゆる面で人間の行動に影響を与え、変化をもたらした。
研究者は自然言語処理、コンピュータビジョン、音声信号処理、頻繁なパターンマイニング、機械学習といったビッグデータ技術を採用してきた。
論文 参考訳（メタデータ） (2023-03-23T17:19:26Z) - Multivariate Probabilistic Forecasting of Intraday Electricity Prices
using Normalizing Flows [62.997667081978825]
ドイツでは、日内電気価格は通常、EPEXスポット市場の1日当たりの価格に異なる時間帯で変動する。
本研究は,日頭契約の日内価格差をモデル化する確率論的モデリング手法を提案する。
論文 参考訳（メタデータ） (2022-05-27T08:38:20Z) - Macroscopic properties of buyer-seller networks in online marketplaces [55.41644538483948]
2010年から2021年の間にオンラインマーケットプレースで発生した2億2500万トランザクションを含む2つのデータセットを分析した。
オンラインマーケットプレースにおける取引は、言語、生涯、製品、規制、技術に大きな違いがあるにもかかわらず、非常に類似したパターンを示す。
論文 参考訳（メタデータ） (2021-12-16T18:00:47Z) - Public Policymaking for International Agricultural Trade using
Association Rules and Ensemble Machine Learning [0.0]
自由貿易体制、特に主要経済間の貿易紛争に対する近年の衝撃は、政策決定を伝えるための予測の改善の必要性を高めている。
我々は、国際的に取引された食料・農業商品を予測し、関連付ける新しい方法を提案する。
論文 参考訳（メタデータ） (2021-11-15T02:58:03Z) - An Investigation of the Impact of COVID-19 Non-Pharmaceutical
Interventions and Economic Support Policies on Foreign Exchange Markets with
Explainable AI Techniques [8.592266544778262]
新型コロナウイルス(COVID-19)のパンデミックが始まって以来、世界中の多くの国が、ウイルスの拡散を抑えるために様々な非薬剤的介入(NPI)を実施してきた。
パンデミックと関連するNPIは、外国為替(FX)市場を含む金融市場に前例のない経済ショックの波を引き起こしている。
本研究では,NPIとESPの相対的影響を説明可能なAI(XAI)技術を用いて検討する。
論文 参考訳（メタデータ） (2021-11-02T07:02:28Z) - 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) - Clustering and attention model based for Intelligent Trading [0.7854401572529068]
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。
論文 参考訳（メタデータ） (2021-07-06T19:35:13Z) - Disruption in the Chinese E-Commerce During COVID-19 [27.593450217418777]
新型コロナウイルス(COVID-19)は世界中で何百万人もの市民に感染し、多くの命を奪った。
本稿では、大規模なオンラインショッピングプラットフォームで見られる行動変化を分析し、中国のeコマース市場への影響について検討する。
新型コロナウイルス関連商品の流行統計と行動特徴を包含した消費者需要予測手法を提案する。
論文 参考訳（メタデータ） (2020-07-23T01:28:26Z) - Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。
実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
論文 参考訳（メタデータ） (2020-06-05T02:04:25Z) - When and How to Lift the Lockdown? Global COVID-19 Scenario Analysis and
Policy Assessment using Compartmental Gaussian Processes [111.69190108272133]
新型コロナウイルス(COVID-19)の世界的な感染拡大を受け、多くの国が前例のないロックダウン措置を講じている。
さまざまなロックダウンポリシーシナリオの下で、新型コロナウイルスの死亡率を予測するデータ駆動モデルが不可欠だ。
本稿では,グローバルな状況下での新型コロナウイルスロックダウンポリシーの効果を予測するためのベイズモデルを開発する。
論文 参考訳（メタデータ） (2020-05-13T18:21:50Z)
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。