論文の概要: Do Deep Learning Models and News Headlines Outperform Conventional
Prediction Techniques on Forex Data?
- arxiv url: http://arxiv.org/abs/2205.10743v1
- Date: Sun, 22 May 2022 05:05:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-24 15:01:43.558894
- Title: Do Deep Learning Models and News Headlines Outperform Conventional
Prediction Techniques on Forex Data?
- Title(参考訳): 深層学習モデルとニュース見出しは、Forexデータにおける従来の予測手法より優れているか?
- Authors: Sucharita Atha, Bharath Kumar Bolla
- Abstract要約: 為替市場(英: Foreign Exchange、略称:FOREX)は、通貨の為替市場である。
新型コロナウイルス(COVID-19)や地方選挙といった最近のパンデミックのシナリオも、市場価格に大きな影響を及ぼす可能性がある。
本研究では,様々な予測を,ニュース項目などの外部要素と比較した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Foreign Exchange (FOREX) is a decentralised global market for exchanging
currencies. The Forex market is enormous, and it operates 24 hours a day. Along
with country-specific factors, Forex trading is influenced by cross-country
ties and a variety of global events. Recent pandemic scenarios such as COVID19
and local elections can also have a significant impact on market pricing. We
tested and compared various predictions with external elements such as news
items in this work. Additionally, we compared classical machine learning
methods to deep learning algorithms. We also added sentiment features from news
headlines using NLP-based word embeddings and compared the performance. Our
results indicate that simple regression model like linear, SGD, and Bagged
performed better than deep learning models such as LSTM and RNN for single-step
forecasting like the next two hours, the next day, and seven days.
Surprisingly, news articles failed to improve the predictions indicating
domain-based and relevant information only adds value. Among the text
vectorization techniques, Word2Vec and SentenceBERT perform better.
- Abstract(参考訳): 為替市場(英: Foreign Exchange、略称:FOREX)は、通貨の為替市場である。
Forexの市場は巨大で、1日24時間稼働している。
国固有の要因とともに、forex取引はクロスカントリー関係や様々な世界的なイベントの影響を受けている。
新型コロナウイルス(COVID-19)や地方選挙といった最近のパンデミックのシナリオも、市場価格に大きな影響を及ぼす可能性がある。
本研究では,様々な予測をニュース項目などの外部要素と比較した。
さらに,古典的機械学習手法とディープラーニングアルゴリズムを比較した。
また、NLPベースの単語埋め込みを用いてニュース見出しから感情機能を追加し、性能を比較した。
その結果,線形,SGD,Baggedなどの単純な回帰モデルは,次の2時間,翌日,7日間の単段階予測においてLSTMやRNNのようなディープラーニングモデルよりも優れていた。
驚いたことに、ニュース記事はドメインベースおよび関連情報が付加価値のみを示す予測を改善できなかった。
テキストベクター化技術の中で、Word2VecとSentenceBERTは性能が良くなっている。
関連論文リスト
- Forecasting Cryptocurrency Prices Using Deep Learning: Integrating
Financial, Blockchain, and Text Data [3.8443430569753025]
我々は、先進的なディープラーニングNLP手法を用いて、公開感情が暗号通貨評価に与える影響を分析する。
我々は,NLPデータ統合の有無にかかわらず,各種MLモデルの性能を比較した。
我々は,Twitter-RoBERTaやBART MNLIといった事前学習モデルが,市場感情を捉える上で極めて有効であることを発見した。
論文 参考訳(メタデータ) (2023-11-23T16:14:44Z) - 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) - DeepVol: Volatility Forecasting from High-Frequency Data with Dilated
Causal Convolutions [78.6363825307044]
本稿では,Dilated Causal Convolutionsに基づくDeepVolモデルを提案する。
拡張畳み込みフィルタは日内財務データから関連情報を抽出するのに最適であることを示す。
論文 参考訳(メタデータ) (2022-09-23T16:13:47Z) - 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) - A Word is Worth A Thousand Dollars: Adversarial Attack on Tweets Fools
Stock Prediction [100.9772316028191]
本稿では,3つのストック予測犠牲者モデルを騙すために,様々な攻撃構成を試行する。
以上の結果から,提案手法が一貫した成功率を達成し,取引シミュレーションにおいて大きな損失をもたらす可能性が示唆された。
論文 参考訳(メタデータ) (2022-05-01T05:12:22Z) - Graph-Based Learning for Stock Movement Prediction with Textual and
Relational Data [0.0]
ストックフォアキャスティングのためのマルチグラフリカレントネットワーク(MGRN)という新しいストックムーブメント予測フレームワークを提案する。
このアーキテクチャは、財務ニュースからのテキストの感情と、他の財務データから抽出された複数の関係情報を組み合わせることができる。
精度テストとSTOXX Europe 600指数の株価のトレーディングシミュレーションを通じて、我々のモデルが他のベンチマークよりも優れた性能を示した。
論文 参考訳(メタデータ) (2021-07-22T21:57:18Z) - Stock Movement Prediction with Financial News using Contextualized
Embedding from BERT [0.0]
我々は、FT-CE-RNN(Fun-Tuned Contextualized-Embedding Recurrent Neural Network)と呼ばれる新しいテキストマイニング手法を導入する。
我々のモデルは、変換器からの双方向表現(BERT)から生成される見出し(コンテキスト化された埋め込み)の文脈化されたベクトル表現を使用する。
他のベースラインモデルと比較して、精度とトレーディングシミュレーションの両方において大幅に改善されている。
論文 参考訳(メタデータ) (2021-07-19T09:47:28Z) - Stock price prediction using BERT and GAN [0.0]
本稿では、株価を予測するための最先端の手法の集合体を提案する。
これはGoogle for Natural Language Processing (NLP)によって事前訓練されたトランスフォーマーモデルであるBERTのバージョンを使用している。
その後、GAN(Generative Adversarial Network)は、Apple Inc.の株価を、技術指標、さまざまな国の株価指数、いくつかの商品、そして歴史的価格と評価スコアを用いて予測する。
論文 参考訳(メタデータ) (2021-07-18T18:31:43Z) - 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) - A Sentiment Analysis Approach to the Prediction of Market Volatility [62.997667081978825]
金融ニュースとツイートから抽出された感情とFTSE100の動きの関係を調べました。
ニュース見出しから得られた感情は、市場のリターンを予測するシグナルとして使われる可能性があるが、ボラティリティには当てはまらない。
我々は,新たな情報の到着に応じて,市場の変動を予測するための正確な分類器を開発した。
論文 参考訳(メタデータ) (2020-12-10T01:15:48Z) - GA-MSSR: Genetic Algorithm Maximizing Sharpe and Sterling Ratio Method
for RoboTrading [0.4568777157687961]
外国為替は世界最大の金融市場である。
ほとんどの文献は、歴史的価格情報と技術指標を訓練に用いた。
この問題に対処するため,我々は,技術指標と取引規則から派生した取引規則の特徴を設計した。
論文 参考訳(メタデータ) (2020-08-16T05:33:35Z)
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。