論文の概要: Transformer-Based Deep Learning Model for Stock Price Prediction: A Case
Study on Bangladesh Stock Market
- arxiv url: http://arxiv.org/abs/2208.08300v1
- Date: Wed, 17 Aug 2022 14:03:28 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-18 13:32:22.408023
- Title: Transformer-Based Deep Learning Model for Stock Price Prediction: A Case
Study on Bangladesh Stock Market
- Title（参考訳）: 株価予測のためのトランスフォーマーに基づくディープラーニングモデル:バングラデシュ株式市場を事例として
- Authors: Tashreef Muhammad, Anika Bintee Aftab, Md. Mainul Ahsan, Maishameem
Meherin Muhu, Muhammad Ibrahim, Shahidul Islam Khan and Mohammad Shafiul Alam
- Abstract要約: 本稿では、ダッカ証券取引所(DSE)に上場する8銘柄の価格変動を予測するためのトランスフォーマーモデルの適用に焦点を当てる。
本実験は,ほとんどの株式において有望な結果と許容される根平均二乗誤差を示すものである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In modern capital market the price of a stock is often considered to be
highly volatile and unpredictable because of various social, financial,
political and other dynamic factors. With calculated and thoughtful investment,
stock market can ensure a handsome profit with minimal capital investment,
while incorrect prediction can easily bring catastrophic financial loss to the
investors. This paper introduces the application of a recently introduced
machine learning model - the Transformer model, to predict the future price of
stocks of Dhaka Stock Exchange (DSE), the leading stock exchange in Bangladesh.
The transformer model has been widely leveraged for natural language processing
and computer vision tasks, but, to the best of our knowledge, has never been
used for stock price prediction task at DSE. Recently the introduction of
time2vec encoding to represent the time series features has made it possible to
employ the transformer model for the stock price prediction. This paper
concentrates on the application of transformer-based model to predict the price
movement of eight specific stocks listed in DSE based on their historical daily
and weekly data. Our experiments demonstrate promising results and acceptable
root mean squared error on most of the stocks.
- Abstract（参考訳）: 現代の資本市場において、株価は様々な社会的、経済的、政治的、その他の動的要因のために、非常に不安定で予測不可能であるとみなされることが多い。
計算と思慮深い投資により、株式市場は最小資本投資でハンサムな利益を確保でき、誤った予測は投資家に破滅的な財政損失を容易にもたらすことができる。
本稿では,バングラデシュ最大の証券取引所であるDhaka Stock Exchange(DSE)の株価を予測するために,最近導入された機械学習モデルであるTransformerモデルを適用した。
トランスモデルは自然言語処理やコンピュータビジョンタスクに広く利用されているが、私たちの知る限り、DSEの株価予測タスクには使用されていない。
近年,時系列特徴を表すtime2vecエンコーディングの導入により,株価予測にトランスフォーマモデルを適用することが可能となった。
本稿では, トランスフォーマーモデルを用いて, 日刊・週刊データに基づいて, DSEに記載されている8種銘柄の価格変動を予測する。
我々の実験は、ほとんどの株に有望な結果と許容される根平均二乗誤差を示している。
関連論文リスト
- Exploring Sectoral Profitability in the Indian Stock Market Using Deep Learning [0.0]
この研究は、既存の株価予測手法に関する文献に基づいており、機械学習とディープラーニングアプローチへのシフトを強調している。
LSTMモデルでは、NSE、インドに上場している18のセクターで180銘柄の歴史的株価を用いて、将来の価格を予測する。
その結果,株価を正確に予測し,投資決定を下す上でLSTMモデルの有効性が示された。
論文 参考訳（メタデータ） (2024-05-28T17:55:54Z) - 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) - HireVAE: An Online and Adaptive Factor Model Based on Hierarchical and
Regime-Switch VAE [113.47287249524008]
オンラインで適応的な環境で株価予測を行うファクターモデルを構築することは、依然としてオープンな疑問である。
本稿では,オンラインおよび適応型要素モデルであるHireVAEを,市場状況とストックワイド潜在要因の関係を埋め込んだ階層型潜在空間として提案する。
4つの一般的な実市場ベンチマークにおいて、提案されたHireVAEは、以前の手法よりもアクティブリターンの点で優れたパフォーマンスを示している。
論文 参考訳（メタデータ） (2023-06-05T12:58:13Z) - Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [51.3422222472898]
ニュース見出しを用いて,ChatGPTのような大規模言語モデル(LLM)の株価変動を予測する能力について述べる。
我々は,情報容量制約,過小反応,制限対アビタージュ,LLMを組み込んだ理論モデルを構築した。
論文 参考訳（メタデータ） (2023-04-15T19:22:37Z) - HiSA-SMFM: Historical and Sentiment Analysis based Stock Market
Forecasting Model [3.6704226968275258]
本研究の目的は、企業の金融株の将来を精度良く予測することである。
感情分析の分野での既存の研究を分析した結果、株価の動きとニュース記事の発行との間には強い相関関係があることが判明した。
論文 参考訳（メタデータ） (2022-03-10T17:03:38Z) - 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) - 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 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) - Design and Analysis of Robust Deep Learning Models for Stock Price
Prediction [0.0]
株価と株価の動きの堅牢かつ正確な予測のための予測モデルを構築することは、解決すべき課題である。
本章では、インド国立証券取引所(NSE)の多角化部門に上場する株式の将来価格の堅牢かつ正確な予測のために、ディープラーニングアーキテクチャ上に構築された予測回帰モデル集を提案する。
論文 参考訳（メタデータ） (2021-06-17T17:15:02Z) - 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)
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。