論文の概要: Precise Stock Price Prediction for Optimized Portfolio Design Using an LSTM Model

• arxiv url: http://arxiv.org/abs/2203.01326v1
• Date: Wed, 2 Mar 2022 14:37:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-04 16:46:30.788438
• Title: Precise Stock Price Prediction for Optimized Portfolio Design Using an LSTM Model
• Title（参考訳）: LSTMモデルを用いた最適ポートフォリオ設計のための精密株価予測
• Authors: Jaydip Sen, Sidra Mehtab, Abhishek Dutta, Saikat Mondal
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 1.1879716317856945
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate prediction of future prices of stocks is a difficult task to perform. Even more challenging is to design an optimized portfolio of stocks with the identification of proper weights of allocation to achieve the optimized values of return and risk. We present optimized portfolios based on the seven sectors of the Indian economy. The past prices of the stocks are extracted from the web from January 1, 2016, to December 31, 2020. Optimum portfolios are designed on the selected seven sectors. An LSTM regression model is also designed for predicting future stock prices. Five months after the construction of the portfolios, i.e., on June 1, 2021, the actual and predicted returns and risks of each portfolio are computed. The predicted and the actual returns indicate the very high accuracy of the LSTM model.
• Abstract（参考訳）: 将来の株式価格の正確な予測は実行が難しい課題である。 さらに難しいのは、リターンとリスクの最適化値を達成するために、割り当ての適切な重み付けを識別して、最適化された株式ポートフォリオを設計することだ。 我々は、インド経済の7つの分野に基づく最適化ポートフォリオを提案する。 過去の株価は2016年1月1日から2020年12月31日までウェブから引き上げられた。 最適ポートフォリオは選ばれた7つのセクターで設計されている。 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。 ポートフォリオの構築から5ヶ月後の2021年6月1日、実際の、予測されたポートフォリオのリターンとリスクが計算される。 予測および実際のリターンは、LSTMモデルの非常に高い精度を示す。

関連論文リスト

• Deep Reinforcement Learning and Mean-Variance Strategies for Responsible Portfolio Optimization [49.396692286192206]
  本研究では,ESG状態と目的を取り入れたポートフォリオ最適化のための深層強化学習について検討する。 以上の結果から,ポートフォリオアロケーションに対する平均分散アプローチに対して,深層強化学習政策が競争力を発揮する可能性が示唆された。
  論文  参考訳（メタデータ） (2024-03-25T12:04:03Z)
• 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)
• A Comparative Study of Hierarchical Risk Parity Portfolio and Eigen Portfolio on the NIFTY 50 Stocks [1.5773159234875098]
  本稿では,インド株式市場の7分野における階層的リスクパリティアルゴリズムと固有ポートフォリオという2つのアプローチを用いたポートフォリオ最適化の体系的アプローチを提案する。 ポートフォリオのバックテストの結果は、HRPポートフォリオのパフォーマンスが、調査されたセクターの大部分のトレーニングデータとテストデータの両方において、そのパフォーマンスよりも優れていることを示している。
  論文  参考訳（メタデータ） (2022-10-03T14:51:24Z)
• Robust Portfolio Design and Stock Price Prediction Using an Optimized LSTM Model [0.0]
  本稿では,インドにおける4つの重要な経済セクターに対して,最適リスクと固有という2つのタイプのポートフォリオを構築するための体系的なアプローチを提案する。 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モデルは将来の株価を予測するためにも設計されている。
  論文  参考訳（メタデータ） (2022-03-02T14:15:14Z)
• Portfolio Optimization on NIFTY Thematic Sector Stocks Using an LSTM Model [0.0]
  本論文では,インドのNSEの5つのテーマセクターに対して,最適リスクと固有ポートフォリオを設計するためのアルゴリズム的アプローチを提案する。 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モデルは将来の株価を予測するために設計されている。 ポートフォリオが結成されて7ヶ月後の2021年8月3日、ポートフォリオの実際のリターンはLSTM予測リターンと比較される。
  論文  参考訳（メタデータ） (2022-02-06T07:41:20Z)
• Analysis of Sectoral Profitability of the Indian Stock Market Using an LSTM Regression Model [0.0]
  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。
  論文  参考訳（メタデータ） (2021-11-09T07:50:48Z)
• Stock Portfolio Optimization Using a Deep Learning LSTM Model [1.1470070927586016]
  本研究は、2016年1月1日から2020年12月31日まで、インド株式市場の9つの異なるセクターからトップ5の株価を時系列的に分析してきた。 最適ポートフォリオはこれらのセクター毎に構築されます。 各ポートフォリオの予測と実際のリターンは高く,LSTMモデルの高精度性を示している。
  論文  参考訳（メタデータ） (2021-11-08T18:41:49Z)
• 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)
• Should You Take Investment Advice From WallStreetBets? A Data-Driven Approach [37.86739837901986]
  Reddit の WallStreetBets (WSB) コミュニティは,現在 Meme ストックと呼ばれているものの株価に影響を及ぼすという,その顕著な役割から,注目を浴びている。 本稿は、2019年1月から2021年4月までのWSBデータを分析し、コミュニティのレコメンデーションに依存する投資戦略がいかに成功していたかを評価する。
  論文  参考訳（メタデータ） (2021-05-06T14:47:03Z)
• 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。