Fugu-MT 論文翻訳(概要): Forecasting Foreign Exchange Rates With Parameter-Free Regression Networks Tuned By Bayesian Optimization

論文の概要: Forecasting Foreign Exchange Rates With Parameter-Free Regression Networks Tuned By Bayesian Optimization

arxiv url: http://arxiv.org/abs/2204.12914v1
Date: Tue, 26 Apr 2022 13:32:50 GMT
ステータス: 処理完了
システム内更新日: 2022-04-28 13:04:25.465245
Title: Forecasting Foreign Exchange Rates With Parameter-Free Regression Networks Tuned By Bayesian Optimization
Title（参考訳）: ベイズ最適化によるパラメータフリー回帰ネットワークを用いた為替レート予測
Authors: Linwei Li, Paul-Amaury Matt, Christian Heumann
Abstract要約: 本論文は、外国為替(FX)レートの多段階金融時系列予測の問題に関するものである。この問題に対処するために、RegPred Netと呼ばれるパラメータフリー回帰ネットワークを導入する。
参考スコア（独自算出の注目度）: 4.642930060629522
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The article is concerned with the problem of multi-step financial time series forecasting of Foreign Exchange (FX) rates. To address this problem, we introduce a parameter-free regression network termed RegPred Net. The exchange rate to forecast is treated as a stochastic process. It is assumed to follow a generalization of Brownian motion and the mean-reverting process referred to as the generalized Ornstein-Uhlenbeck (OU) process, with time-dependent coefficients. Using past observed values of the input time series, these coefficients can be regressed online by the cells of the first half of the network (Reg). The regressed coefficients depend only on - but are very sensitive to - a small number of hyperparameters required to be set by a global optimization procedure for which, Bayesian optimization is an adequate heuristic. Thanks to its multi-layered architecture, the second half of the regression network (Pred) can project time-dependent values for the OU process coefficients and generate realistic trajectories of the time series. Predictions can be easily derived in the form of expected values estimated by averaging values obtained by Monte Carlo simulation. The forecasting accuracy on a 100 days horizon is evaluated for several of the most important FX rates such as EUR/USD, EUR/CNY, and EUR/GBP. Our experimental results show that the RegPred Net significantly outperforms ARMA, ARIMA, LSTMs, and Autoencoder-LSTM models in this task.
Abstract（参考訳）: 本論文は、外国為替(FX)レートの多段階金融時系列予測の問題に関するものである。この問題に対処するために,regpred netと呼ばれるパラメータフリー回帰ネットワークを提案する。予測に対する為替レートは確率過程として扱われる。ブラウン運動の一般化と、時間依存係数を持つ一般化されたornstein-uhlenbeck (ou) 過程と呼ばれる平均反転過程に従うと仮定される。入力時系列の過去の観測値を用いて、これらの係数はネットワークの前半(reg)のセルによってオンラインに回帰することができる。回帰係数は-のみに依存するが、非常に敏感であり、大域的な最適化手順によって設定される必要のある少数のハイパーパラメータ、ベイズ最適化は適切なヒューリスティックである。多層アーキテクチャにより、回帰ネットワーク(Pred)の後半部は、OUプロセス係数の時間依存値を投影し、時系列の現実的な軌跡を生成することができる。予測はモンテカルロシミュレーションで得られた平均値から推定される期待値の形で容易に導出できる。 EUR/USD、EUR/CNY、EUR/GBPなど、最も重要なFXレートについて、100日間の地平線上の予測精度を評価する。実験の結果,RegPred NetはARMA, ARIMA, LSTM, Autoencoder-LSTMモデルよりも優れていた。

関連論文リスト

Truncating Trajectories in Monte Carlo Policy Evaluation: an Adaptive Approach [51.76826149868971]
モンテカルロシミュレーションによる政策評価は多くのMC強化学習(RL)アルゴリズムの中核にある。本研究では,異なる長さの軌跡を用いた回帰推定器の平均二乗誤差のサロゲートとして品質指標を提案する。本稿では,Robust and Iterative Data Collection Strategy Optimization (RIDO) という適応アルゴリズムを提案する。
論文参考訳（メタデータ） (2024-10-17T11:47:56Z)
Application of Deep Learning for Factor Timing in Asset Management [21.212548040046133]
より柔軟なモデルは、目に見えない期間の係数プレミアムのばらつきを説明するのにより良いパフォーマンスを持つ。ニューラルネットワークのような柔軟なモデルでは、予測に基づく最適な重み付けは不安定である傾向がある。我々は、過去の最適再バランス方式によるリバランス頻度の傾きが、取引コストの削減に役立つことを検証した。
論文参考訳（メタデータ） (2024-04-27T21:57:17Z)
DASA: Delay-Adaptive Multi-Agent Stochastic Approximation [64.32538247395627]
我々は,N$エージェントが並列に動作し,中央サーバと通信することで,一般的な近似問題を高速化することを目的とした設定を考える。遅延とストラグラーの効果を軽減するために,マルチエージェント近似のための遅延適応アルゴリズムである textttDASA を提案する。
論文参考訳（メタデータ） (2024-03-25T22:49:56Z)
A Novel Method Combines Moving Fronts, Data Decomposition and Deep Learning to Forecast Intricate Time Series [0.0]
インド・サマーモンスーン・レインフォール(英語: Indian Summer Monsoon Rainfall、ISMR)は、インドの都市。従来のワンタイム分解技術は、未来からの情報が漏れることに悩まされている。データ漏洩を防止するために移動フロント(MF)法を提案する。
論文参考訳（メタデータ） (2023-03-11T12:07:26Z)
Optimization of Annealed Importance Sampling Hyperparameters [77.34726150561087]
Annealed Importance Smpling (AIS) は、深層生成モデルの難易度を推定するために使われる一般的なアルゴリズムである。本稿では、フレキシブルな中間分布を持つパラメータAISプロセスを提案し、サンプリングに少ないステップを使用するようにブリッジング分布を最適化する。我々は, 最適化AISの性能評価を行い, 深部生成モデルの限界推定を行い, 他の推定値と比較した。
論文参考訳（メタデータ） (2022-09-27T07:58:25Z)
Deep Equilibrium Optical Flow Estimation [80.80992684796566]
最近のSOTA(State-of-the-art)光フローモデルでは、従来のアルゴリズムをエミュレートするために有限ステップの更新操作を使用する。これらのRNNは大きな計算とメモリオーバーヘッドを課し、そのような安定した推定をモデル化するために直接訓練されていない。暗黙的層の無限レベル固定点として直接流れを解く手法として,Deep equilibrium Flow estimatorを提案する。
論文参考訳（メタデータ） (2022-04-18T17:53:44Z)
Convolutional-Recurrent Neural Network Proxy for Robust Optimization and Closed-Loop Reservoir Management [0.0]
畳み込みリカレントニューラルネットワーク(CNN-RNN)プロキシモデルを開発した。この能力は、頑健な最適化に必要な目的関数と非線形制約値の推定を可能にする。
論文参考訳（メタデータ） (2022-03-14T22:11:17Z)
Ensemble Conformalized Quantile Regression for Probabilistic Time Series Forecasting [4.716034416800441]
本稿では,アンサンブル共形量子化回帰(EnCQR)と呼ばれる新しい確率予測手法を提案する。 EnCQRは、分布のないほぼ妥当な予測間隔(PI)を構築し、非定常およびヘテロセダスティック時系列データに適しており、任意の予測モデルの上に適用することができる。その結果、EnCQRは量子レグレッションやコンフォメーション予測のみに基づくモデルよりも優れており、よりシャープで、より情報的で、有効なPIを提供することが示された。
論文参考訳（メタデータ） (2022-02-17T16:54:20Z)
Bilinear Input Normalization for Neural Networks in Financial Forecasting [101.89872650510074]
本稿では,高頻度金融時系列を扱うディープニューラルネットワークのための新しいデータ駆動正規化手法を提案する。提案手法は,財務時系列のバイモーダル特性を考慮したものである。我々の実験は最先端のニューラルネットワークと高周波データを用いて行われ、他の正規化技術よりも大幅に改善された。
論文参考訳（メタデータ） (2021-09-01T07:52:03Z)
Variational Inference with NoFAS: Normalizing Flow with Adaptive Surrogate for Computationally Expensive Models [7.217783736464403]
マルコフ連鎖モンテカルロのようなサンプリングに基づくアプローチの使用は、それぞれの可能性評価が計算的に高価であるときに難解になる可能性がある。変分推論と正規化フローを組み合わせた新しいアプローチは、潜在変数空間の次元と線形にしか成長しない計算コストによって特徴づけられる。本稿では,ニューラルネットワークサロゲートモデルの正規化フローパラメータと重みを代わりに更新する最適化戦略である,適応サロゲートを用いた正規化フロー(NoFAS)を提案する。
論文参考訳（メタデータ） (2021-08-28T14:31:45Z)
SLOE: A Faster Method for Statistical Inference in High-Dimensional Logistic Regression [68.66245730450915]
実用データセットに対する予測の偏見を回避し、頻繁な不確実性を推定する改善された手法を開発している。私たちの主な貢献は、推定と推論の計算時間をマグニチュードの順序で短縮する収束保証付き信号強度の推定器SLOEです。
論文参考訳（メタデータ） (2021-03-23T17:48:56Z)

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。