論文の概要: Automated regime detection in multidimensional time series data using sliced Wasserstein k-means clustering

• arxiv url: http://arxiv.org/abs/2310.01285v1
• Date: Mon, 2 Oct 2023 15:37:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2023-10-04 21:12:57.140514
• Title: Automated regime detection in multidimensional time series data using sliced Wasserstein k-means clustering
• Title（参考訳）: スライスワッサーシュタインk平均クラスタリングによる多次元時系列データの自動状態検出
• Authors: Qinmeng Luan and James Hamp
• Abstract要約: 本稿では,時系列データに適用したWasserstein k-meansクラスタリングアルゴリズムの挙動について検討する。 我々は,多次元ワッサースタイン距離をスライスしたワッサーシュタイン距離として近似することにより,この手法を多次元時系列データに拡張する。 実数次元金融時系列において, sWk-means法は, 異なる市場状況を特定するのに有効であることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent work has proposed Wasserstein k-means (Wk-means) clustering as a powerful method to identify regimes in time series data, and one-dimensional asset returns in particular. In this paper, we begin by studying in detail the behaviour of the Wasserstein k-means clustering algorithm applied to synthetic one-dimensional time series data. We study the dynamics of the algorithm and investigate how varying different hyperparameters impacts the performance of the clustering algorithm for different random initialisations. We compute simple metrics that we find are useful in identifying high-quality clusterings. Then, we extend the technique of Wasserstein k-means clustering to multidimensional time series data by approximating the multidimensional Wasserstein distance as a sliced Wasserstein distance, resulting in a method we call `sliced Wasserstein k-means (sWk-means) clustering'. We apply the sWk-means clustering method to the problem of automated regime detection in multidimensional time series data, using synthetic data to demonstrate the validity of the approach. Finally, we show that the sWk-means method is effective in identifying distinct market regimes in real multidimensional financial time series, using publicly available foreign exchange spot rate data as a case study. We conclude with remarks about some limitations of our approach and potential complementary or alternative approaches.
• Abstract（参考訳）: 最近の研究は、時系列データにおける状態を特定する強力な方法としてワッサーシュタインk平均(Wk平均)クラスタリングを提案している。 本稿では,合成一次元時系列データに適用したwasserstein k-meansクラスタリングアルゴリズムの挙動を詳細に検討することから始める。 アルゴリズムのダイナミクスを調査し,異なるハイパーパラメータの変動がランダム初期化に対するクラスタリングアルゴリズムの性能に与える影響について検討した。 私たちは、高品質のクラスタリングを特定するのに有用なシンプルなメトリクスを計算します。 次に,多次元ワッセルシュタイン距離をスライスワッセルシュタイン距離として近似することにより,多次元時系列データにワッセルシュタインk平均クラスタリングの手法を拡張し,その手法を「スライスワッセルシュタインk平均(swk平均)」クラスタリングと呼ぶ。 合成データを用いて,多次元時系列データにおける自動状態検出問題に対して,sWk-meansクラスタリング法を適用し,その妥当性を示す。 最後に、sWk-means法は、実数次元金融時系列において、公開為替スポットレートデータを用いて、異なる市場状況を特定するのに有効であることを示す。 我々は、我々のアプローチのいくつかの制限と、潜在的に補完的または代替的なアプローチについて、結論付けている。

関連論文リスト

• Clustering Method for Time-Series Images Using Quantum-Inspired Computing Technology [0.0]
  時系列クラスタリングは、クラスタに関する事前の知識がなければ、時系列データの強力なデータマイニング技術として機能する。 本研究では,アニーリングマシンを利用した新しい時系列クラスタリング手法を提案する。
  論文  参考訳（メタデータ） (2023-05-26T05:58:14Z)
• Rethinking k-means from manifold learning perspective [122.38667613245151]
  平均推定なしで直接データのクラスタを検出する新しいクラスタリングアルゴリズムを提案する。 具体的には,バタワースフィルタを用いてデータ点間の距離行列を構成する。 異なる視点に埋め込まれた相補的な情報をうまく活用するために、テンソルのSchatten p-norm正規化を利用する。
  論文  参考訳（メタデータ） (2023-05-12T03:01:41Z)
• Robust Detection of Lead-Lag Relationships in Lagged Multi-Factor Models [61.10851158749843]
  データ固有のリード-ラグ関係を発見することで、重要な洞察を得ることができる。 階層化多要素モデルにおけるリードラグ関係のロバスト検出のためのクラスタリング駆動手法を開発した。
  論文  参考訳（メタデータ） (2023-05-11T10:30:35Z)
• Doubly Inhomogeneous Reinforcement Learning [4.334006170547247]
  我々は、ポリシー学習のために、時間とともに個人間で類似したダイナミクスを表示する「最良のデータチャンクを決定するためのオリジナルアルゴリズム」を提案する。 提案手法は汎用的であり,クラスタリングおよび変更点検出アルゴリズムの幅広い範囲で動作する。
  論文  参考訳（メタデータ） (2022-11-08T03:41:14Z)
• Wasserstein Iterative Networks for Barycenter Estimation [80.23810439485078]
  生成モデルを用いて連続測度のワッサーシュタイン2バリセンターを近似するアルゴリズムを提案する。 有名人の顔のデータセットに基づいて、バリセンタアルゴリズムの定量的評価に使用できるAve, celeba!データセットを構築した。
  論文  参考訳（メタデータ） (2022-01-28T16:59:47Z)
• Clustering Market Regimes using the Wasserstein Distance [0.0]
  金融時系列を適切な時間セグメントにクラスタリングするための教師なし学習アルゴリズムについて概説する。 市場体制を分類するプロセスを自動化する頑健なアルゴリズムを開発する。 どちらの場合も、WK-meansアルゴリズムは競合すると考えられるアプローチをはるかに上回っていることが示されている。
  論文  参考訳（メタデータ） (2021-10-22T15:27:52Z)
• Robust Trimmed k-means [70.88503833248159]
  本稿では,外乱点とクラスタポイントを同時に識別するRobust Trimmed k-means (RTKM)を提案する。 RTKMは他の方法と競合することを示す。
  論文  参考訳（メタデータ） (2021-08-16T15:49:40Z)
• Estimating leverage scores via rank revealing methods and randomization [50.591267188664666]
  任意のランクの正方形密度あるいはスパース行列の統計レバレッジスコアを推定するアルゴリズムについて検討した。 提案手法は,高密度およびスパースなランダム化次元性還元変換の合成と階調明細化法を組み合わせることに基づく。
  論文  参考訳（メタデータ） (2021-05-23T19:21:55Z)
• Determinantal consensus clustering [77.34726150561087]
  本稿では,クラスタリングアルゴリズムのランダム再起動における決定点プロセス (DPP) の利用を提案する。 DPPは部分集合内の中心点の多様性を好んでいる。 DPPとは対照的に、この手法は多様性の確保と、すべてのデータフェースについて良好なカバレッジを得るために失敗することを示す。
  論文  参考訳（メタデータ） (2021-02-07T23:48:24Z)
• Spectral Clustering using Eigenspectrum Shape Based Nystrom Sampling [19.675277307158435]
  本稿では,新しいサンプリング手法であるCentroid Minimum Sum of Squared similarities (CMS3)と,それをいつ使用するかを示す,スケーラブルなNystromベースのクラスタリングアルゴリズムを提案する。 我々のデータセットはデータセットの固有スペクトル形状に依存しており、他の最先端手法と比較して、テストにおいて競合する低ランク近似が得られる。
  論文  参考訳（メタデータ） (2020-07-21T17:49:03Z)

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。