論文の概要: FQP 2.0: Industry Trend Analysis via Hierarchical Financial Data
- arxiv url: http://arxiv.org/abs/2303.02707v1
- Date: Sun, 5 Mar 2023 16:17:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-07 18:17:16.731448
- Title: FQP 2.0: Industry Trend Analysis via Hierarchical Financial Data
- Title(参考訳): FQP 2.0:階層的金融データによる業界動向分析
- Authors: Hongyin Zhu
- Abstract要約: 株式市場データを用いた産業動向分析手法を提案する。
明示的な分析のために、ノイズの影響を低減するために階層的データ(産業および上場企業)分析手法を導入する。
暗黙的な分析のために,産業動向を入力として分析するために,GPT-2を事前訓練する。
- 参考スコア(独自算出の注目度): 0.2741266294612776
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Analyzing trends across industries is critical to maintaining a healthy and
stable economy. Previous research has mainly analyzed official statistics,
which are more accurate but not necessarily real-time. In this paper, we
propose a method for analyzing industry trends using stock market data. The
difficulty of this task is that the raw data is relatively noisy, which affects
the accuracy of statistical analysis. In addition, textual data for industry
analysis needs to be better understood through language models. For this
reason, we introduce the method of industry trend analysis from two
perspectives of explicit analysis and implicit analysis. For the explicit
analysis, we introduce a hierarchical data (industry and listed company)
analysis method to reduce the impact of noise. For implicit analysis, we
further pre-train GPT-2 to analyze industry trends with current affairs
background as input, making full use of the knowledge learned in the
pre-training corpus. We conduct experiments based on the proposed method and
achieve good industry trend analysis results.
- Abstract(参考訳): 産業全体の傾向を分析することは、健全で安定した経済を維持する上で重要である。
これまでの研究は主に、より正確だが必ずしもリアルタイムではない公式統計を分析してきた。
本稿では,株式市場データを用いた産業動向の分析手法を提案する。
この課題の難しさは、生データは比較的ノイズが多く、統計解析の精度に影響を与えることである。
さらに、産業分析のためのテキストデータは、言語モデルを通じてより理解する必要がある。
そこで我々は,明示的分析と暗黙的分析という2つの観点から,産業トレンド分析の手法を紹介する。
明示的な分析のために、ノイズの影響を低減するために階層的データ(産業および上場企業)分析手法を導入する。
暗黙的な分析のために,GPT-2を事前学習した知識を十分に活用し,産業動向を現在の事情を入力として分析する。
提案手法に基づく実験を行い,良好な産業動向分析結果を得た。
関連論文リスト
- rTisane: Externalizing conceptual models for data analysis increases
engagement with domain knowledge and improves statistical model quality [11.156807472212165]
統計モデルは、変数とその関係に関するアナリストのドメイン知識を正確に反映すべきである。
最近のツールにより、アナリストはこれらの仮定を表現し、結果の統計モデルを作成することができる。
アナリストが何を表現したいのか、外部化が統計モデルの品質に与える影響は、まだ不明だ。
論文 参考訳(メタデータ) (2023-10-25T00:32:52Z) - A Survey of Imbalanced Learning on Graphs: Problems, Techniques, and
Future Directions [64.84521350148513]
グラフは、現実世界の無数に存在する相互接続構造を表す。
グラフ学習方法のような効果的なグラフ分析により、ユーザはグラフデータから深い洞察を得ることができる。
しかし、これらの手法はデータ不均衡に悩まされることが多く、グラフデータでは、あるセグメントが豊富なデータを持っているのに、他のセグメントが不足しているのが一般的な問題である。
これは、より正確で代表的な学習結果のために、これらのデータ分散スキューを補正することを目的として、グラフ上の不均衡学習の出現する分野を必要とする。
論文 参考訳(メタデータ) (2023-08-26T09:11:44Z) - Training Data Influence Analysis and Estimation: A Survey [11.663072799764542]
トレーニングデータの影響分析と推定に関する総合的な調査を初めて実施する。
我々は、最先端の影響分析手法を分類学に編成する。
本研究では,影響分析をより効果的に活用するための今後の研究の方向性を提案する。
論文 参考訳(メタデータ) (2022-12-09T00:32:46Z) - Measuring Causal Effects of Data Statistics on Language Model's
`Factual' Predictions [59.284907093349425]
大量のトレーニングデータが、最先端のNLPモデルの高性能化の大きな理由の1つである。
トレーニングデータがどのように予測に影響を及ぼすかを記述するための言語を,因果的フレームワークを通じて提供する。
我々のフレームワークは、高価なモデルの再訓練の必要性を回避し、観測データのみに基づいて因果効果を推定することができる。
論文 参考訳(メタデータ) (2022-07-28T17:36:24Z) - Distributed intelligence on the Edge-to-Cloud Continuum: A systematic
literature review [62.997667081978825]
このレビューは、現在利用可能な機械学習とデータ分析のための最先端ライブラリとフレームワークに関する包括的なビジョンを提供することを目的としている。
現在利用可能なEdge-to-Cloud Continuumに関する実験的な研究のための、主要なシミュレーション、エミュレーション、デプロイメントシステム、テストベッドも調査されている。
論文 参考訳(メタデータ) (2022-04-29T08:06:05Z) - DRFLM: Distributionally Robust Federated Learning with Inter-client
Noise via Local Mixup [58.894901088797376]
連合学習は、生データをリークすることなく、複数の組織のデータを使用してグローバルモデルをトレーニングするための有望なアプローチとして登場した。
上記の2つの課題を同時に解決するための一般的な枠組みを提案する。
我々は、ロバストネス解析、収束解析、一般化能力を含む包括的理論的解析を提供する。
論文 参考訳(メタデータ) (2022-04-16T08:08:29Z) - MERIt: Meta-Path Guided Contrastive Learning for Logical Reasoning [63.50909998372667]
テキストの論理的ReasonIngに対して,Metaパスを用いたコントラスト学習手法であるMERItを提案する。
2つの新しい戦略が我々の手法の必須要素である。
論文 参考訳(メタデータ) (2022-03-01T11:13:00Z) - A data-science-driven short-term analysis of Amazon, Apple, Google, and
Microsoft stocks [0.43012765978447565]
我々は,技術分析と機械/深層学習に基づく分析を組み合わせることで,トレンド分類モデルを構築する。
我々は、現在の株式市場データの価格動向に依存する短期的な予測を行うデータサイエンス駆動技術を実行する。
論文 参考訳(メタデータ) (2021-07-30T15:19:52Z) - 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) - Predictive analytics using Social Big Data and machine learning [6.142272540492935]
この章では、ソーシャルビッグデータ分析の基礎となる中核的な側面について光を当てている。
さまざまな予測分析アルゴリズムが,いくつかの重要なアプリケーションやトップレベルのツールやAPIで使用されている。
論文 参考訳(メタデータ) (2021-04-21T19:30:45Z) - AR-LSAT: Investigating Analytical Reasoning of Text [57.1542673852013]
テキストの分析的推論の課題を研究し、1991年から2016年までのロースクール入学試験からの質問からなる新しいデータセットを紹介します。
我々は,この課題をうまくこなすために必要な知識理解と推論能力を分析する。
論文 参考訳(メタデータ) (2021-04-14T02:53:32Z)
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。