論文の概要: Stock Market Prediction via Deep Learning Techniques: A Survey

• arxiv url: http://arxiv.org/abs/2212.12717v1
• Date: Sat, 24 Dec 2022 11:32:17 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-27 15:09:59.605937
• Title: Stock Market Prediction via Deep Learning Techniques: A Survey
• Title（参考訳）: ディープラーニング技術による株式市場予測:調査
• Authors: Jinan Zou, Qingying Zhao, Yang Jiao, Haiyao Cao, Yanxi Liu, Qingsen Yan, Ehsan Abbasnejad, Lingqiao Liu, Javen Qinfeng Shi
• Abstract要約: 本稿では,ディープラーニング技術に着目した株式市場予測に関する研究の概要について概説する。 株式市場予測の詳細なサブタスクを4つ提示し、最先端モデルを要約する新しい分類法を提案する。 さらに、株式市場でよく使われるデータセットと評価指標について詳細な統計情報を提供する。
• 参考スコア（独自算出の注目度）: 24.88558334340833
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The stock market prediction has been a traditional yet complex problem researched within diverse research areas and application domains due to its non-linear, highly volatile and complex nature. Existing surveys on stock market prediction often focus on traditional machine learning methods instead of deep learning methods. Deep learning has dominated many domains, gained much success and popularity in recent years in stock market prediction. This motivates us to provide a structured and comprehensive overview of the research on stock market prediction focusing on deep learning techniques. We present four elaborated subtasks of stock market prediction and propose a novel taxonomy to summarize the state-of-the-art models based on deep neural networks from 2011 to 2022. In addition, we also provide detailed statistics on the datasets and evaluation metrics commonly used in the stock market. Finally, we highlight some open issues and point out several future directions by sharing some new perspectives on stock market prediction.
• Abstract（参考訳）: 株式市場の予測は、非線形、高揮発性、複雑な性質のため、様々な研究分野やアプリケーションドメインで研究されている伝統的で複雑な問題である。 株式市場の予測に関する既存の調査は、ディープラーニングの手法ではなく、伝統的な機械学習手法に重点を置いていることが多い。 ディープラーニングは多くのドメインを支配し、近年株式市場の予測で大きな成功を収め、人気を得た。 これは、深層学習技術に焦点を当てた株式市場予測研究の構造化され包括的な概要を提供する動機となっている。 本稿では,2011年から2022年までの深層ニューラルネットワークに基づく最先端のモデルを要約する新しい分類法を提案する。 さらに、株式市場でよく使われるデータセットと評価指標に関する詳細な統計情報も提供します。 最後に,公開課題を浮き彫りにして,株式市場予測に関する新たな視点を提示することで,今後の方向性を指摘する。

関連論文リスト

• Beyond Trend Following: Deep Learning for Market Trend Prediction [49.89480853499917]
  我々は、将来の市場動向を予測するために人工知能と機械学習技術を使うことを提唱する。 これらの予測は、適切に実行されれば、リターンを増やし、損失を減らすことで資産運用者のパフォーマンスを向上させることができる。
  論文  参考訳（メタデータ） (2024-06-10T11:42:30Z)
• 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)
• 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)
• Stock Market Prediction using Natural Language Processing -- A Survey [5.669677041792239]
  本稿では,近年の自然言語処理分野の文献と,株式市場の動きを予測する機械学習技術について調査する。 本研究の主な貢献は、近年の多くの論文の高度な分類と、最近の株式市場予測研究の動向とその関連分野の例である。
  論文  参考訳（メタデータ） (2022-08-26T10:36:48Z)
• 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)
• HIST: A Graph-based Framework for Stock Trend Forecasting via Mining Concept-Oriented Shared Information [73.40830291141035]
  近年,Webから抽出したストック概念を用いて共有情報をマイニングし,予測結果を改善する手法が提案されている。 これまでの研究では、ストックとコンセプトのつながりは定常的であり、ストックとコンセプトのダイナミックな関連性を無視していた。 本稿では,事前定義された概念と隠れた概念から,概念指向の共有情報を適切にマイニングできる新しいストックトレンド予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-10-26T14:04:04Z)
• A Novel Deep Reinforcement Learning Based Stock Direction Prediction using Knowledge Graph and Community Aware Sentiments [0.0]
  提案手法は,市場予測タスクにおいて顕著な結果をもたらす。 このモデルの有効性を示すために、イスタンブール証券取引所のGaranti Bank(GARAN)、Akbank(AKBNK)、T'urkiye.Ics Bankasi(ISCTR)の株がケーススタディとして使用されている。
  論文  参考訳（メタデータ） (2021-07-02T09:39:41Z)
• Stock Market Analysis with Text Data: A Review [7.789019365796933]
  株式市場の動きは、ニュース記事、会社の報告、ソーシャルメディアの議論を通じて共有される公私情報の影響を受けている。 文献のほとんどの研究は、構造化されていない膨大なテキストデータを分析するのに不足している伝統的なアプローチに基づいている。 本研究は、主要な株式市場分析モデル、金融市場予測のためのテキスト表現手法、既存手法の欠点について調査し、今後の研究に向けた有望な方向性を提案する。
  論文  参考訳（メタデータ） (2021-06-23T04:31:56Z)
• Taking Over the Stock Market: Adversarial Perturbations Against Algorithmic Traders [47.32228513808444]
  本稿では,敵対的学習手法を用いて,攻撃者がアルゴリズム取引システムに影響を与える現実的なシナリオを提案する。 入力ストリームに追加されると、我々の摂動は将来目に見えないデータポイントのトレーディングアルゴリズムを騙すことができることを示す。
  論文  参考訳（メタデータ） (2020-10-19T06:28:05Z)
• Applications of deep learning in stock market prediction: recent progress [5.780772209241294]
  この調査は、株式市場予測のためのディープラーニングモデルに関する最近の研究の最新のレビューを提供する。 私たちは、異なるデータソース、さまざまなニューラルネットワーク構造、一般的なメトリクスを分類するだけでなく、実装と評価も分類します。 私たちのゴールは、興味のある研究者が最新の進歩と同期するのを助けると同時に、以前の研究をベースラインとして簡単に再現できるようにすることです。
  論文  参考訳（メタデータ） (2020-02-29T03:37:34Z)

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。