論文の概要: Methods for Acquiring and Incorporating Knowledge into Stock Price Prediction: A Survey

• arxiv url: http://arxiv.org/abs/2308.04947v1
• Date: Wed, 9 Aug 2023 13:28:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-10 13:33:53.199232
• Title: Methods for Acquiring and Incorporating Knowledge into Stock Price Prediction: A Survey
• Title（参考訳）: 株価予測への知識の獲得と組み入れに関する調査
• Authors: Liping Wang, Jiawei Li, Lifan Zhao, Zhizhuo Kou, Xiaohan Wang, Xinyi Zhu, Hao Wang, Yanyan Shen and Lei Chen
• Abstract要約: 知識に富んだ株価予測手法は、外的知識を利用して株式市場を理解することによって、画期的な結果を示している。 本稿では,非構造化データソースから外部知識を取得する手法を体系的かつ包括的に記述することを目的とする。 また,外部知識と歴史的価格特徴を融合する融合手法についても検討する。
• 参考スコア（独自算出の注目度）: 25.68351063906763
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Predicting stock prices presents a challenging research problem due to the inherent volatility and non-linear nature of the stock market. In recent years, knowledge-enhanced stock price prediction methods have shown groundbreaking results by utilizing external knowledge to understand the stock market. Despite the importance of these methods, there is a scarcity of scholarly works that systematically synthesize previous studies from the perspective of external knowledge types. Specifically, the external knowledge can be modeled in different data structures, which we group into non-graph-based formats and graph-based formats: 1) non-graph-based knowledge captures contextual information and multimedia descriptions specifically associated with an individual stock; 2) graph-based knowledge captures interconnected and interdependent information in the stock market. This survey paper aims to provide a systematic and comprehensive description of methods for acquiring external knowledge from various unstructured data sources and then incorporating it into stock price prediction models. We also explore fusion methods for combining external knowledge with historical price features. Moreover, this paper includes a compilation of relevant datasets and delves into potential future research directions in this domain.
• Abstract（参考訳）: 株価の予測は、本質的なボラティリティと株式市場の非線形性から、困難な研究課題となっている。 近年、外的知識を活用して株式市場を理解することにより、知識に富んだ株価予測手法が画期的な結果を示している。 これらの方法の重要性にもかかわらず、外部知識型の観点から過去の研究を体系的に合成する学術的な研究は乏しい。 具体的には、外部知識を異なるデータ構造でモデル化し、非グラフベースのフォーマットとグラフベースのフォーマットに分類する。 1) グラフに基づく知識は,個々の株式に特有な文脈情報及びマルチメディア記述を収集する。 2)グラフに基づく知識は,株式市場における相互依存情報と相互依存情報を取り込む。 本研究の目的は, さまざまな非構造化データソースから外部知識を取得し, 株価予測モデルに組み込む方法の体系的, 包括的記述を提供することである。 また,外部知識と歴史的価格特徴を融合する融合手法についても検討する。 さらに本論文では,関連するデータセットのコンピレーションと,この領域における今後の研究の方向性について述べる。

関連論文リスト

• Detection of Temporality at Discourse Level on Financial News by Combining Natural Language Processing and Machine Learning [8.504685056067144]
  Bloomberg News、CNN Business、Forbesといった金融関連のニュースは、市場スクリーニングシステムにとって貴重なデータ源である。 談話レベルでの財務関連ニュースの時間性を検出する新しいシステムを提案する。 この分野の知識を持つ研究者によって注釈付けされた金融関連ニュースのラベル付きデータセットを用いて,本システムを検証した。
  論文  参考訳（メタデータ） (2024-03-30T16:40:10Z)
• Information Fusion for Assistance Systems in Production Assessment [49.40442046458756]
  証拠理論を用いたn個の情報ソースの融合のための枠組みを提供する。 本稿では,機械データに基づくアンサンブル分類器とエキスパート中心モデルという,2つの主要な情報源の情報融合手法を提案する。 本稿では,エビデンス理論を用いたモデル更新手法を提案することにより,データドリフトの問題に対処する。
  論文  参考訳（メタデータ） (2023-08-31T22:08:01Z)
• A Survey of Data Pricing for Data Marketplaces [77.3189288320768]
  本稿では,既存のデータ価格研究の現状を概観する。 我々の重要な貢献は、データ価格を決定する異なる属性を統一するデータ価格研究の新しい分類である。
  論文  参考訳（メタデータ） (2023-03-07T04:35:56Z)
• Stock Market Prediction via Deep Learning Techniques: A Survey [24.88558334340833]
  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。
  論文  参考訳（メタデータ） (2022-12-24T11:32:17Z)
• Citation Trajectory Prediction via Publication Influence Representation Using Temporal Knowledge Graph [52.07771598974385]
  既存のアプローチは主に学術論文の時間的データとグラフデータのマイニングに依存している。 本フレームワークは,差分保存グラフ埋め込み,きめ細かい影響表現,学習に基づく軌道計算という3つのモジュールから構成される。 APSアカデミックデータセットとAIPatentデータセットの両方で実験を行った。
  論文  参考訳（メタデータ） (2022-10-02T07:43:26Z)
• 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)
• 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 Survey of Embedding Space Alignment Methods for Language and Knowledge Graphs [77.34726150561087]
  単語,文,知識グラフの埋め込みアルゴリズムに関する現在の研究状況について調査する。 本稿では、関連するアライメント手法の分類と、この研究分野で使用されるベンチマークデータセットについて論じる。
  論文  参考訳（メタデータ） (2020-10-26T16:08:13Z)
• A Survey on Data Pricing: from Economics to Data Science [61.72030615854597]
  データ価格の背景にある様々なモチベーションを調べ、データ価格の経済性を理解する。 デジタル製品とデータ製品の両方について論じる。 我々は、今後の仕事の一連の課題と方向性を考えます。
  論文  参考訳（メタデータ） (2020-09-09T19:31:38Z)
• A Survey on Knowledge Graphs: Representation, Acquisition and Applications [89.78089494738002]
  我々は,1)知識グラフ表現学習,2)知識獲得と完成,3)時間的知識グラフ,および4)知識認識アプリケーションに関する研究トピックをレビューする。 知識獲得、特に知識グラフの完成、埋め込み方法、経路推論、論理ルール推論について概観する。 メタラーニング、コモンセンス推論、時間的知識グラフなど、いくつかの新しいトピックを探求する。
  論文  参考訳（メタデータ） (2020-02-02T13:17:31Z)
• Sentiment and Knowledge Based Algorithmic Trading with Deep Reinforcement Learning [0.0]
  アルゴリズムトレーディングは、その性質上、現実の世界にはあまりにも多くの変数があり、自動化された株式トレーディングのための信頼性の高いアルゴリズムを持つことはほぼ不可能である。 市場のアップアンドダウンを規定する物理的および生理的要因を考慮に入れた信頼性の高いラベル付きデータの欠如は、信頼できる予測のための教師付き学習の試みを妨げている。 本稿では,従来の時系列株価データとニュース見出しの感情を組み合わせ,暗黙の関係に関するニュースを活用できる知識グラフを活用した強化学習手法を提案する。
  論文  参考訳（メタデータ） (2020-01-26T05:27:53Z)

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。