Fugu-MT 論文翻訳(概要): Application of supervised learning models in the Chinese futures market

論文の概要: Application of supervised learning models in the Chinese futures market

arxiv url: http://arxiv.org/abs/2303.04581v1
Date: Wed, 8 Mar 2023 13:56:53 GMT
ステータス: 処理完了
システム内更新日: 2023-03-09 13:54:47.168724
Title: Application of supervised learning models in the Chinese futures market
Title（参考訳）: 中国未来市場における教師付き学習モデルの応用
Authors: Fuquan Tang
Abstract要約: 本稿では,先物価格の傾向を予測するための教師付き学習モデルを構築し,その予測結果に基づいてトレーディング戦略を設計する。分類問題の精度,リコール,F1スコアは,今後の価格変動の分類の精度要件を満たすことを示唆している。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Based on the characteristics of the Chinese futures market, this paper builds a supervised learning model to predict the trend of futures prices and then designs a trading strategy based on the prediction results. The Precision, Recall and F1-score of the classification problem show that our model can meet the accuracy requirements for the classification of futures price movements in terms of test data. The backtest results show that our trading system has an upward trending return curve with low capital retracement.
Abstract（参考訳）: 中国先物市場の特徴に基づいて,先物価格の傾向を予測し,予測結果に基づいて取引戦略を設計するための教師付き学習モデルを構築した。分類問題の精度、リコール、F1スコアは、テストデータの観点から将来の価格変動の分類の精度要件を満たすことができることを示している。バックテストの結果から,私たちのトレーディングシステムは,資本残高の低い上昇傾向のリターン曲線を有することが示された。

関連論文リスト

BreakGPT: Leveraging Large Language Models for Predicting Asset Price Surges [55.2480439325792]
本稿では,時系列予測や資産価格の急上昇の予測に特化して,新たな大規模言語モデル(LLM)アーキテクチャであるBreakGPTを紹介する。我々は、最小限のトレーニングで財務予測を行うための有望なソリューションとしてBreakGPTを紹介し、局所的およびグローバルな時間的依存関係をキャプチャする強力な競合相手として紹介する。
論文参考訳（メタデータ） (2024-11-09T05:40:32Z)
F-FOMAML: GNN-Enhanced Meta-Learning for Peak Period Demand Forecasting with Proxy Data [65.6499834212641]
本稿では,需要予測をメタラーニング問題として定式化し,F-FOMAMLアルゴリズムを開発した。タスク固有のメタデータを通してドメインの類似性を考慮することにより、トレーニングタスクの数が増加するにつれて過剰なリスクが減少する一般化を改善した。従来の最先端モデルと比較して,本手法では需要予測精度が著しく向上し,内部自動販売機データセットでは平均絶対誤差が26.24%,JD.comデータセットでは1.04%削減された。
論文参考訳（メタデータ） (2024-06-23T21:28:50Z)
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)
DNN-ForwardTesting: A New Trading Strategy Validation using Statistical Timeseries Analysis and Deep Neural Networks [0.6882042556551609]
我々はDNN-forwardtestingと呼ばれる新しいトレーディング戦略を提案し、ディープニューラルネットワークによって予測される将来についてテストすることで適用戦略を決定する。我々の取引システムは、DNNの予測に適用することで最も効果的な技術指標を計算し、そのような指標を使って取引を誘導する。
論文参考訳（メタデータ） (2022-10-20T19:00:59Z)
Machine learning method for return direction forecasting of Exchange Traded Funds using classification and regression models [0.0]
本稿では、ETF(Exchange Traded Funds)からのリターンの方向分析のための機械学習手法の提案と適用を目的とする。ブラジルとアメリカの市場の標準データセットを使用して、回帰モデルと分類モデルを適用した。リスクとリターンの面では、主にコントロールメトリクスよりもパフォーマンスが優れています。
論文参考訳（メタデータ） (2022-05-25T12:54:46Z)
Machine Learning Classification Methods and Portfolio Allocation: An Examination of Market Efficiency [3.3343612552681945]
我々は,OOS(Out-of-sample)予測可能性を通じて市場効率を評価する新しい枠組みを設計する。我々は、資産価格問題を機械学習の分類問題とみなし、返却状態を予測するための分類モデルを構築した。予測に基づくポートフォリオは、OOS経済の大幅な伸びで市場を圧倒した。
論文参考訳（メタデータ） (2021-08-04T20:48:27Z)
Back2Future: Leveraging Backfill Dynamics for Improving Real-time Predictions in Future [73.03458424369657]
公衆衛生におけるリアルタイム予測では、データ収集は簡単で要求の多いタスクである。過去の文献では「バックフィル」現象とそのモデル性能への影響についてはほとんど研究されていない。我々は、与えられたモデルの予測をリアルタイムで洗練することを目的とした、新しい問題とニューラルネットワークフレームワークBack2Futureを定式化する。
論文参考訳（メタデータ） (2021-06-08T14:48:20Z)
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)
Financial Markets Prediction with Deep Learning [11.26482563151052]
金融市場の動きを予測する新しい1次元畳み込みニューラルネットワーク(CNN)モデルを提案する。カスタマイズされた1次元畳み込み層は、時間を通じて金融取引データをスキャンし、価格やボリュームなどの異なる種類のデータ、共有パラメータ(カーネル)を互いに共有する。我々のモデルは従来の技術指標の代わりに自動的に特徴を抽出する。
論文参考訳（メタデータ） (2021-04-05T19:36:48Z)
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。