Fugu-MT 論文翻訳(概要): Predicting Stock Price Movement as an Image Classification Problem

論文の概要: Predicting Stock Price Movement as an Image Classification Problem

arxiv url: http://arxiv.org/abs/2303.01111v1
Date: Thu, 2 Mar 2023 09:47:14 GMT
ステータス: 処理完了
システム内更新日: 2023-03-03 15:04:45.311802
Title: Predicting Stock Price Movement as an Image Classification Problem
Title（参考訳）: 画像分類問題としての株価変動予測
Authors: Matej Steinbacher
Abstract要約: 画像分類問題と考えられる株の日内価格変動について検討する。 CNNベースのモデルを使用して、最初の取引時間とクローゼットの間の高レベルな関係を説得力のあるケースを作ります。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The paper studies intraday price movement of stocks that is considered as an image classification problem. Using a CNN-based model we make a compelling case for the high-level relationship between the first hour of trading and the close. The algorithm managed to adequately separate between the two opposing classes and investing according to the algorithm's predictions outperformed all alternative constructs but the theoretical maximum. To support the thesis, we ran several additional tests. The findings in the paper highlight the suitability of computer vision techniques for studying financial markets and in particular prediction of stock price movements.
Abstract（参考訳）: 本論文は,画像分類問題と見なされる株式の日内価格変動について検討する。 CNNベースのモデルを使用して、最初の取引時間とクローゼットの間の高レベルな関係を説得力のあるケースを作ります。このアルゴリズムは、対立する2つのクラスを適切に分離し、アルゴリズムの予測に従って投資することで、理論上の最大値以外の全ての代替構成を上回った。論文をサポートするために、いくつかの追加テストを実施しました。論文の調査結果は、金融市場と特に株価変動の予測を研究するためのコンピュータビジョン技術の適合性を強調している。

関連論文リスト

Classes Are Not Equal: An Empirical Study on Image Recognition Fairness [100.36114135663836]
我々は,クラスが等しくないことを実験的に証明し,様々なデータセットにまたがる画像分類モデルにおいて,公平性の問題が顕著であることを示した。以上の結果から,モデルでは認識が困難であるクラスに対して,予測バイアスが大きくなる傾向が示唆された。データ拡張および表現学習アルゴリズムは、画像分類のある程度の公平性を促進することにより、全体的なパフォーマンスを向上させる。
論文参考訳（メタデータ） (2024-02-28T07:54:50Z)
Applying Reinforcement Learning to Option Pricing and Hedging [0.0]
この論文は、金融商品の価格とヘッジにおける強化学習の最近の進歩を概観するものである。従来のBlack and Scholes(1973)モデルを新しい人工知能アルゴリズムでブリッジし、完全にモデルフリーでデータ駆動の方法でオプション価格とヘッジを可能にする。
論文参考訳（メタデータ） (2023-10-06T15:59:12Z)
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)
BIRP: Bitcoin Information Retrieval Prediction Model Based on Multimodal Pattern Matching [2.2945578854972446]
CC情報から類似したPCの動きをランク付けする手法を提案する。追加機能としてこれを活用することで,モデルの方向性予測能力が向上することを示す。非常に不安定な価格のため、私たちのランク付けと方向性予測の方法論をBitcoinに適用する。
論文参考訳（メタデータ） (2023-08-14T07:04:23Z)
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)
Fusion of Sentiment and Asset Price Predictions for Portfolio Optimization [0.0]
本稿では,資産に対する感情を予測するためにセマンティック・アテンション・モデルを用いる。感情を意識したLong Short Term Memoryを通じて最適なポートフォリオを選択する。戦略は、安定性の観点から、従来のポートフォリオ割り当て戦略を上回るものではない。
論文参考訳（メタデータ） (2022-03-10T23:21:12Z)
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)
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)
Algorithms for Learning Graphs in Financial Markets [5.735035463793008]
ラプラシアン構造制約下での無向グラフィカルモデル学習の基本問題について検討する。我々は,ラプラシアン行列を金融資産の精密行列のモデルとして用いるための実証的証拠によって裏付けられた自然な正当化を提案する。我々は,非方向重み付きグラフを学習するための乗算器の交互方向法に基づく数値アルゴリズムを設計する。
論文参考訳（メタデータ） (2020-12-31T02:48:35Z)
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)
Stock2Vec: A Hybrid Deep Learning Framework for Stock Market Prediction with Representation Learning and Temporal Convolutional Network [71.25144476293507]
我々は、株式市場の日々の価格を予測するためのグローバルなハイブリッドディープラーニングフレームワークを開発することを提案した。表現学習によって、私たちはStock2Vecという埋め込みを導きました。我々のハイブリッドフレームワークは、両方の利点を統合し、いくつかの人気のあるベンチマークモデルよりも、株価予測タスクにおいてより良いパフォーマンスを達成する。
論文参考訳（メタデータ） (2020-09-29T22:54:30Z)

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。