Fugu-MT 論文翻訳(概要): Design interpretable experience of dynamical feed forward machine learning model for forecasting NASDAQ

論文の概要: Design interpretable experience of dynamical feed forward machine learning model for forecasting NASDAQ

arxiv url: http://arxiv.org/abs/2212.12044v1
Date: Thu, 22 Dec 2022 21:27:40 GMT
ステータス: 処理完了
システム内更新日: 2022-12-26 17:12:01.555707
Title: Design interpretable experience of dynamical feed forward machine learning model for forecasting NASDAQ
Title（参考訳）: NASDAQ予測のための動的フィードフォワード機械学習モデルの設計解釈可能な経験
Authors: Pouriya Khalilian, Sara Azizi, Mohammad Hossein Amiri, and Javad T. Firouzjaee
Abstract要約: 株式市場のボラティリティや原油、金、ドルなどの経済指標の影響、NASDAQ株も影響を受けている。我々は、石油、ドル、金、および経済市場における株式市場のボラティリティの影響について検討した。我々はPCAと線形回帰アルゴリズムを用いて、これらのストックをモデル化するための最適な動的学習体験を設計した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: National Association of Securities Dealers Automated Quotations(NASDAQ) is an American stock exchange based. It is one of the most valuable stock economic indices in the world and is located in New York City \cite{pagano2008quality}. The volatility of the stock market and the influence of economic indicators such as crude oil, gold, and the dollar in the stock market, and NASDAQ shares are also affected and have a volatile and chaotic nature \cite{firouzjaee2022lstm}.In this article, we have examined the effect of oil, dollar, gold, and the volatility of the stock market in the economic market, and then we have also examined the effect of these indicators on NASDAQ stocks. Then we started to analyze the impact of the feedback on the past prices of NASDAQ stocks and its impact on the current price. Using PCA and Linear Regression algorithm, we have designed an optimal dynamic learning experience for modeling these stocks. The results obtained from the quantitative analysis are consistent with the results of the qualitative analysis of economic studies, and the modeling done with the optimal dynamic experience of machine learning justifies the current price of NASDAQ shares.
Abstract（参考訳）: NASDAQ(National Association of Securities Dealers Automated Quotations)は、アメリカ合衆国の証券取引所。世界で最も価値の高い株式経済指標の1つであり、ニューヨーク市の「{pagano2008quality}」にある。株式市場のボラティリティや、原油、金、ドルなどの経済指標の影響、NASDAQ株も影響を受け、揮発性でカオス的な性質を持つ。本稿では、石油、ドル、金、株式市場のボラティリティ(ボラティリティ)が経済市場に与えた影響について検討した上で、これらの指標がnasdaq株に与える影響についても検討した。その後、nasdaq株の過去の価格に対するフィードバックの影響と、その現在の価格への影響を分析し始めた。 pcaと線形回帰アルゴリズムを用いて,これらのストックのモデリングに最適な動的学習体験を考案した。定量的分析の結果は、経済研究の質的分析の結果と一致し、機械学習の最適動的経験を用いたモデリングは、NASDAQ株の現在の価格を正当化する。

関連論文リスト

Predicting Stock Prices with FinBERT-LSTM: Integrating News Sentiment Analysis [2.7921137693344384]
我々は、株価の歴史と金融、ビジネス、技術ニュースに基づくディープラーニングネットワークを使用し、株価を予測するために市場情報を導入しています。我々はファイナンシャルテキスト中の感情を識別するために、FinBERTとして知られる事前学習NLPモデルを開発した。このモデルは、市場構造階層、すなわち、市場、産業、および株価関連ニュースカテゴリに関するニュースカテゴリと、前週の株式市場の株価状況を組み合わせて予測する。
論文参考訳（メタデータ） (2024-07-23T03:26:07Z)
BERTopic-Driven Stock Market Predictions: Unraveling Sentiment Insights [0.0]
NLP技術であるBERTopicを用いて、株式市場のコメントから派生したトピックの感情を分析する。本手法は,この感情分析と様々な深層学習モデルを統合し,時系列およびストック予測タスクの有効性で有名である。その結果、株式市場のコメントの話題は、株式市場のボラティリティと価格トレンドに関する暗黙の貴重な洞察を提供することを示している。
論文参考訳（メタデータ） (2024-04-02T15:50:10Z)
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)
Stock Market Price Prediction: A Hybrid LSTM and Sequential Self-Attention based Approach [3.8154633976469086]
LSTM-SSAM(Sequential Self-Attention Mechanism)を用いたLong Short-Term Memory(LSTM)というモデルを提案する。 SBIN,BANK,BANKBARODAの3つのストックデータセットについて広範な実験を行った。実験により,既存のモデルと比較して,提案モデルの有効性と妥当性が示された。
論文参考訳（メタデータ） (2023-08-07T14:21:05Z)
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)
Joint Latent Topic Discovery and Expectation Modeling for Financial Markets [45.758436505779386]
金融市場分析のための画期的な枠組みを提示する。このアプローチは、投資家の期待を共同でモデル化し、潜伏する株価関係を自動的に掘り下げる最初の方法だ。私たちのモデルは年率10%を超えるリターンを継続的に達成します。
論文参考訳（メタデータ） (2023-06-01T01:36:51Z)
Research on the correlation between text emotion mining and stock market based on deep learning [6.000327333763521]
本稿では,Bertモデルを用いて金融コーパスをトレーニングし,深セン株価指数を予測する。その結果,BERTモデルを金融コーパスに適用することにより得られる感情特性は,株式市場の変動に反映できることがわかった。
論文参考訳（メタデータ） (2022-05-09T12:51:16Z)
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)
Profitability Analysis in Stock Investment Using an LSTM-Based Deep Learning Model [1.2891210250935146]
長期記憶ネットワーク(LSTM)ネットワーク上に構築した深層学習に基づく回帰モデルを提案する。特定の開始日と終了日について、株式のティッカー名に基づいて過去の株価を抽出し、将来の株価を予測する。インド株式市場の15の重要セクターから選ばれた75の重要銘柄にモデルを配置する。
論文参考訳（メタデータ） (2021-04-06T11:09:51Z)
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)

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。