論文の概要: BIRP: Bitcoin Information Retrieval Prediction Model Based on Multimodal Pattern Matching

• arxiv url: http://arxiv.org/abs/2308.08558v1
• Date: Mon, 14 Aug 2023 07:04:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-27 05:26:00.369931
• Title: BIRP: Bitcoin Information Retrieval Prediction Model Based on Multimodal Pattern Matching
• Title（参考訳）: BIRP:マルチモーダルパターンマッチングに基づくBitcoin情報検索予測モデル
• Authors: Minsuk Kim, Byungchul Kim, Junyeong Yong, Jeongwoo Park and Gyeongmin Kim
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 2.2945578854972446
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Financial time series have historically been assumed to be a martingale process under the Random Walk hypothesis. Instead of making investment decisions using the raw prices alone, various multimodal pattern matching algorithms have been developed to help detect subtly hidden repeatable patterns within the financial market. Many of the chart-based pattern matching tools only retrieve similar past chart (PC) patterns given the current chart (CC) pattern, and leaves the entire interpretive and predictive analysis, thus ultimately the final investment decision, to the investors. In this paper, we propose an approach of ranking similar PC movements given the CC information and show that exploiting this as additional features improves the directional prediction capacity of our model. We apply our ranking and directional prediction modeling methodologies on Bitcoin due to its highly volatile prices that make it challenging to predict its future movements.
• Abstract（参考訳）: 金融時系列は歴史的にランダムウォーク仮説の下でマーチンゲール過程であると仮定されてきた。 原価だけで投資決定を行う代わりに、金融市場における微妙に隠された繰り返しパターンを検出するために、様々なマルチモーダルパターンマッチングアルゴリズムが開発された。 チャートベースのパターンマッチングツールの多くは、現在のチャート(CC)パターンから与えられた同様の過去のチャート(PC)パターンのみを取得し、解釈的および予測的分析全体、すなわち最終的な投資決定を投資家に残します。 本稿では、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し、これを付加的な特徴として活用することで、モデルの方向性予測能力を向上させることを示す。 当社のランキングと方向予測モデリング手法をビットコインに適用するのは、その非常に不安定な価格のため、今後の動きを予測するのが難しくなるからです。

関連論文リスト

• Predictive Churn with the Set of Good Models [64.05949860750235]
  近似機械学習モデルの集合に対する競合予測の効果について検討する。 ラーショモン集合内のモデル間の係り受けに関する理論的結果を示す。 当社のアプローチは、コンシューマ向けアプリケーションにおいて、より予測し、削減し、混乱を避けるためにどのように使用できるかを示します。
  論文  参考訳（メタデータ） (2024-02-12T16:15:25Z)
• Hawkes-based cryptocurrency forecasting via Limit Order Book data [1.6236898718152877]
  本稿では,ホークスモデルに根ざしたリミットオーダーブック(LOB)データを用いた新しい予測アルゴリズムを提案する。 我々の手法は、将来の金融相互作用の予測を活用することで、返却サインの正確な予測を提供する。 提案手法の有効性は,50シナリオにわたるモンテカルロシミュレーションを用いて検証した。
  論文  参考訳（メタデータ） (2023-12-21T16:31:07Z)
• 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)
• PreBit -- A multimodal model with Twitter FinBERT embeddings for extreme price movement prediction of Bitcoin [8.38397409405955]
  我々はビットコインの極端な価格変動を予測するためのマルチモーダルモデルを提案する。 このモデルは、さまざまな関連資産、技術的指標、およびTwitterコンテンツとして入力される。 平均的戦略を移動させるリスクを減らし、黒字取引戦略を構築するのに使用できることを示す。
  論文  参考訳（メタデータ） (2022-05-30T19:25:12Z)
• 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)
• Forex Trading Volatility Prediction using Neural Network Models [6.09960572440709]
  本研究では,日々のボラティリティに関する経験的パターンのガイダンスを用いて,ディープラーニングネットワークの構築方法について述べる。 数値計算の結果,多値ペアの入力によるマルチスケール長短期メモリ(LSTM)モデルが常に最先端の精度を実現していることがわかった。
  論文  参考訳（メタデータ） (2021-12-02T12:33:12Z)
• You Mostly Walk Alone: Analyzing Feature Attribution in Trajectory Prediction [52.442129609979794]
  軌道予測のための最近の深層学習手法は有望な性能を示す。 そのようなブラックボックスモデルが実際にどのモデルを予測するために使うのかは、まだ不明である。 本稿では,モデル性能に対する異なるキューの貢献度を定量化する手法を提案する。
  論文  参考訳（メタデータ） (2021-10-11T14:24:15Z)
• Learning Multiple Stock Trading Patterns with Temporal Routing Adaptor and Optimal Transport [8.617532047238461]
  本稿では,複数の株取引パターンをモデル化し,既存の株価予測モデルを強化するための新しいアーキテクチャであるTemporal Adaptor(TRA)を提案する。 TRAは、複数のパターンを学習するための独立した予測器と、異なる予測器にサンプルをディスパッチするルータで構成される軽量モジュールである。 提案手法は,情報係数を0.053から0.059へ,情報係数を0.051から0.056に改善できることを示す。
  論文  参考訳（メタデータ） (2021-06-24T12:19:45Z)
• Test-time Collective Prediction [73.74982509510961]
  マシンラーニングの複数のパーティは、将来のテストポイントを共同で予測したいと考えています。 エージェントは、すべてのエージェントの集合の集合的な専門知識の恩恵を受けることを望んでいるが、データやモデルパラメータを解放する意思はないかもしれない。 我々は、各エージェントの事前学習モデルを利用して、テスト時に集合的な予測を行う分散型メカニズムを探索する。
  論文  参考訳（メタデータ） (2021-06-22T18:29:58Z)
• Generative Temporal Difference Learning for Infinite-Horizon Prediction [101.59882753763888]
  我々は、無限確率的地平線を持つ環境力学の予測モデルである$gamma$-modelを導入する。 トレーニングタイムとテストタイムの複合的なエラーの間には、そのトレーニングが避けられないトレードオフを反映しているかについて議論する。
  論文  参考訳（メタデータ） (2020-10-27T17:54:12Z)
• Deep Recurrent Modelling of Stationary Bitcoin Price Formation Using the Order Flow [0.0]
  本稿では,高周波指向性価格変動の定常モデリングのための順序流に基づく深部再帰モデルを提案する。 我々は、Bitcoinのトレーディングが極めて不安定なバブルトラブルに移行したとしても、再トレーニングなしでは、提案されたモデルは時間的に安定していることを示した。 この結果の意義は、ディープラーニングを用いた価格形成をモデル化する文献において、既存の最先端モデルと比較することで示される。
  論文  参考訳（メタデータ） (2020-03-31T18:13:04Z)

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。