論文の概要: Neural Forecasting of the Italian Sovereign Bond Market with Economic News

• arxiv url: http://arxiv.org/abs/2203.07071v1
• Date: Fri, 11 Mar 2022 12:24:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-20 06:44:43.336109
• Title: Neural Forecasting of the Italian Sovereign Bond Market with Economic News
• Title（参考訳）: イタリアのソブリン債市場のニューラル予測と経済ニュース
• Authors: Sergio Consoli and Luca Tiozzo Pezzoli and Elisa Tosetti
• Abstract要約: われわれは、イタリアの10年利率の広がりを予測するために、ニューラルネットワークの枠組みの中で経済ニュースを採用している。 自己回帰リカレントネットワーク(DeepAR)を用いた確率予測フレームワーク内にそのような情報をデプロイする。 この結果から,Long-Short Term Memoryセルに基づくディープラーニングネットワークは,従来の機械学習技術よりも優れていたことが示唆された。
• 参考スコア（独自算出の注目度）: 0.9281671380673304
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: In this paper we employ economic news within a neural network framework to forecast the Italian 10-year interest rate spread. We use a big, open-source, database known as Global Database of Events, Language and Tone to extract topical and emotional news content linked to bond markets dynamics. We deploy such information within a probabilistic forecasting framework with autoregressive recurrent networks (DeepAR). Our findings suggest that a deep learning network based on Long-Short Term Memory cells outperforms classical machine learning techniques and provides a forecasting performance that is over and above that obtained by using conventional determinants of interest rates alone.
• Abstract（参考訳）: 本稿では,イタリアの10年利率の広がりを予測するために,ニューラルネットワークフレームワーク内での経済ニュースを用いる。 我々は、Global Database of Events、Language、Toneとして知られる大規模なオープンソースデータベースを使用して、債券市場のダイナミックスに関連するトピックや感情的なニュースコンテンツを抽出します。 このような情報を,自己回帰リカレントネットワーク(DeepAR)を用いた確率予測フレームワーク内に展開する。 以上の結果から,長期記憶細胞に基づく深層学習ネットワークは従来の機械学習技術よりも優れており,従来の利子率決定因子だけで得られる以上の予測性能を提供することが示唆された。

関連論文リスト

• Attention-based Dynamic Multilayer Graph Neural Networks for Loan Default Prediction [4.0990577062436815]
  グラフニューラルネットワークとリカレントニューラルネットワークから構築した動的多層ネットワークを利用した信用リスク評価モデルを提案する。 我々は、米国住宅ローン金融業者のFreddie Macが提供したデータセットを用いて、行動信用評価の文脈で方法論を検証した。
  論文  参考訳（メタデータ） (2024-02-01T03:20:53Z)
• Volatility forecasting using Deep Learning and sentiment analysis [0.0]
  本稿では、市場ボラティリティを予測するための感情分析と深層学習を融合した複合モデルを提案する。 次に、過去の感情と前日の変動を利用して予測を行う合成予測モデル、Long-Short-Term-Memory Neural Network法について述べる。
  論文  参考訳（メタデータ） (2022-10-22T14:54:33Z)
• DNN-ForwardTesting: A New Trading Strategy Validation using Statistical Timeseries Analysis and Deep Neural Networks [0.6882042556551609]
  我々はDNN-forwardtestingと呼ばれる新しいトレーディング戦略を提案し、ディープニューラルネットワークによって予測される将来についてテストすることで適用戦略を決定する。 我々の取引システムは、DNNの予測に適用することで最も効果的な技術指標を計算し、そのような指標を使って取引を誘導する。
  論文  参考訳（メタデータ） (2022-10-20T19:00:59Z)
• Augmented Bilinear Network for Incremental Multi-Stock Time-Series Classification [83.23129279407271]
  本稿では,有価証券のセットで事前学習したニューラルネットワークで利用可能な知識を効率的に保持する手法を提案する。 本手法では,既存の接続を固定することにより,事前学習したニューラルネットワークに符号化された事前知識を維持する。 この知識は、新しいデータを用いて最適化された一連の拡張接続によって、新しい証券に対して調整される。
  論文  参考訳（メタデータ） (2022-07-23T18:54:10Z)
• Knowledge Enhanced Neural Networks for relational domains [83.9217787335878]
  我々は、ニューラルネットワークに事前論理的知識を注入するニューラルネットワークアーキテクチャであるKENNに焦点を当てる。 本稿では,関係データに対するKENNの拡張を提案する。
  論文  参考訳（メタデータ） (2022-05-31T13:00:34Z)
• 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)
• Neural Network-based Automatic Factor Construction [58.96870869237197]
  本稿ではニューラルネットワークを用いた自動ファクタ構築(NNAFC)を提案する。 NNAFCは、金融分野の知識に基づいて、様々な金融要因を自動構築することができる。 NNAFCによって構築された新しい要因は、常にリターン、シャープ比、多要素量的投資戦略の最大引き出しを改善することができる。
  論文  参考訳（メタデータ） (2020-08-14T07:44:49Z)
• Super-App Behavioral Patterns in Credit Risk Models: Financial, Statistical and Regulatory Implications [110.54266632357673]
  従来の官僚データとは対照的に、アプリベースのマーケットプレースから派生した代替データが信用スコアモデルに与える影響を提示する。 2つの国にまたがって検証した結果、これらの新たなデータソースは、低体重者や若年者における金融行動を予測するのに特に有用であることが示された。
  論文  参考訳（メタデータ） (2020-05-09T01:32:03Z)
• Neural Networks and Value at Risk [59.85784504799224]
  リスクしきい値推定における資産価値のモンテカルロシミュレーションを行う。 株式市場と長期債を試験資産として利用し、ニューラルネットワークについて検討する。 はるかに少ないデータでフィードされたネットワークは、大幅にパフォーマンスが悪くなっています。
  論文  参考訳（メタデータ） (2020-05-04T17:41:59Z)
• Deep Learning for Asset Bubbles Detection [0.0]
  ニューラルネットワークを用いてアセットバブルを検出する手法を開発した。 シミュレーションデータを用いた実験室において,既存の統計的手法に対するアルゴリズムの有効性を示す。 我々は、2006年から2008年までの米国株式市場におけるバブルの存在から発生するリスクの高い仲裁を利用するゼロネットエクスポージャー取引戦略を構築している。
  論文  参考訳（メタデータ） (2020-02-15T16:16:39Z)
• Linking Bank Clients using Graph Neural Networks Powered by Rich Transactional Data [2.1169216065483996]
  本稿では,ネットワークのトポロジ構造だけでなく,グラフノードやエッジで利用可能な豊富な時系列データを利用する新しいグラフニューラルネットワークモデルを提案する。 提案手法は既存の手法よりも優れており,リンク予測問題におけるROC AUCスコアの差が大きく,信用スコアの質の向上も可能である。
  論文  参考訳（メタデータ） (2020-01-23T10:02:02Z)

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。