論文の概要: Empowering remittance management in the digitised landscape: A real-time
Data-Driven Decision Support with predictive abilities for financial
transactions
- arxiv url: http://arxiv.org/abs/2311.11476v1
- Date: Mon, 20 Nov 2023 01:04:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-21 20:04:08.776911
- Title: Empowering remittance management in the digitised landscape: A real-time
Data-Driven Decision Support with predictive abilities for financial
transactions
- Title(参考訳): デジタル化ランドスケープにおける送金管理の強化:財務取引の予測能力を用いたリアルタイムデータ駆動意思決定支援
- Authors: Rashikala Weerawarna and Shah J Miah
- Abstract要約: 本稿では,データ駆動型予測決定支援手法を提案する。
トランザクショナルビッグデータによって駆動される予測能力の出現を明らかにしました。
このアーティファクトは予測分析と機械学習を統合し、リアルタイムの送信監視を可能にする。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The advent of Blockchain technology (BT) revolutionised the way remittance
transactions are recorded. Banks and remittance organisations have shown a
growing interest in exploring blockchain's potential advantages over
traditional practices. This paper presents a data-driven predictive decision
support approach as an innovative artefact designed for the blockchain-oriented
remittance industry. Employing a theory-generating Design Science Research
(DSR) approach, we have uncovered the emergence of predictive capabilities
driven by transactional big data. The artefact integrates predictive analytics
and Machine Learning (ML) to enable real-time remittance monitoring, empowering
management decision-makers to address challenges in the uncertain digitised
landscape of blockchain-oriented remittance companies. Bridging the gap between
theory and practice, this research not only enhances the security of the
remittance ecosystem but also lays the foundation for future predictive
decision support solutions, extending the potential of predictive analytics to
other domains. Additionally, the generated theory from the artifact's
implementation enriches the DSR approach and fosters grounded and stakeholder
theory development in the information systems domain.
- Abstract(参考訳): ブロックチェーン技術(bt)の出現は、送金トランザクションの記録方法に革命をもたらした。
銀行や送金組織は、従来のプラクティスよりもブロックチェーンの潜在的なメリットを探求することに関心を示している。
本稿では,ブロックチェーン指向の送金業界向けに設計された革新的成果物として,データ駆動予測的意思決定支援手法を提案する。
理論生成型デザインサイエンスリサーチ(DSR)アプローチを用いて,トランザクションビッグデータによる予測能力の出現を明らかにした。
このアーティファクトは予測分析と機械学習(ML)を統合して、リアルタイムのリミタンス監視を可能にし、ブロックチェーン指向のリミタンス企業の不確実なデジタル化された状況において、マネジメントの意思決定者が課題に対処できるようにする。
理論と実践のギャップを埋めることで、この研究は伝達エコシステムのセキュリティを高めるだけでなく、将来の予測的意思決定支援ソリューションの基礎を築き、予測分析の可能性を他の領域に広げる。
さらに、アーティファクトの実装から生成された理論はDSRアプローチを豊かにし、情報システム領域における基盤的およびステークホルダー理論の発展を促進する。
関連論文リスト
- Deep Limit Order Book Forecasting [2.771933807499954]
我々は、最先端の深層学習手法を利用して、高頻度リミットオーダーブックの中間価格変化の予測可能性を探る。
大規模なリミットオーダーブックデータを効率的に処理するオープンソースコードベースであるLOBFrame'をリリースする。
論文 参考訳(メタデータ) (2024-03-14T10:44:10Z) - A machine learning workflow to address credit default prediction [0.44943951389724796]
信用デフォルト予測(CDP)は個人や企業の信用力を評価する上で重要な役割を果たす。
CDPを改善するためのワークフローベースのアプローチを提案する。これは、借り手が信用義務を負う確率を評価するタスクを指す。
論文 参考訳(メタデータ) (2024-03-06T15:30:41Z) - Generative AI-enabled Blockchain Networks: Fundamentals, Applications,
and Case Study [73.87110604150315]
Generative Artificial Intelligence(GAI)は、ブロックチェーン技術の課題に対処するための有望なソリューションとして登場した。
本稿では、まずGAI技術を紹介し、そのアプリケーションの概要を説明し、GAIをブロックチェーンに統合するための既存のソリューションについて議論する。
論文 参考訳(メタデータ) (2024-01-28T10:46:17Z) - A New Paradigm in Blockchain-based Financial Aid Distribution [0.7366405857677227]
テクノロジーは様々な産業でゲームチェンジャーとして登場し、従来の手順で実現可能な堅牢なソリューションを提供している。
金融セクターは、さまざまなオペレーションのためのブロックチェーンソリューションの実装に向けて、大きく前進しています。
医療業界は、この技術を医療記録の管理、サプライチェーンの追跡、データ管理システムに同時に組み込んでいる。
不動産、エネルギー、政府を含むさまざまな業界は、効率性、セキュリティ、透明性を改善するブロックチェーンの可能性について積極的に調査している。
論文 参考訳(メタデータ) (2023-11-14T19:41:24Z) - Learning Transferable Conceptual Prototypes for Interpretable
Unsupervised Domain Adaptation [79.22678026708134]
本稿では,Transferable Prototype Learning (TCPL) という,本質的に解釈可能な手法を提案する。
この目的を達成するために、ソースドメインからターゲットドメインにカテゴリの基本概念を転送する階層的なプロトタイプモジュールを設計し、基礎となる推論プロセスを説明するためにドメイン共有プロトタイプを学習する。
総合的な実験により,提案手法は有効かつ直感的な説明を提供するだけでなく,従来の最先端技術よりも優れていることが示された。
論文 参考訳(メタデータ) (2023-10-12T06:36:41Z) - Semantic Information Marketing in The Metaverse: A Learning-Based
Contract Theory Framework [68.8725783112254]
仮想サービスプロバイダ(VSP)によるインセンティブのメカニズム設計の問題に対処し,センサデータ販売にIoTデバイスを採用。
帯域幅が限られているため,センサIoTデバイスによる配信データを削減するためにセマンティック抽出アルゴリズムを提案する。
本稿では,新しい反復型契約設計を提案し,マルチエージェント強化学習(MARL)の新たな変種を用いて,モデル付き多次元契約問題の解法を提案する。
論文 参考訳(メタデータ) (2023-02-22T15:52:37Z) - The future of blockchain-enabled tokenization in infrastructure
investment and development: A Delphi-based scenario analysis [0.9324541113818533]
この研究は広範な文献と専門知識に基づいて、インフラ投資と開発におけるブロックチェーン対応トークン化の潜在的な実装を探究する。
Delphiをベースとしたシナリオ分析手法を,39名の専門家からなる研究パネルの長期的予測と評価に応用した。
論文 参考訳(メタデータ) (2022-07-16T01:36:00Z) - Detecting Anomalous Cryptocurrency Transactions: an AML/CFT Application
of Machine Learning-based Forensics [5.617291981476445]
本論文は,さまざまな手法を用いて,有向グラフネットワークとして表現されるBitcoinトランザクションの現実的なデータセットを解析する。
これは、Graph Convolutional Networks(GCN)とGraph Attention Networks(GAT)として知られるニューラルネットワークタイプが、有望なAML/CFTソリューションであることを示している。
論文 参考訳(メタデータ) (2022-06-07T16:22:55Z) - 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) - Super-App Behavioral Patterns in Credit Risk Models: Financial,
Statistical and Regulatory Implications [110.54266632357673]
従来の官僚データとは対照的に、アプリベースのマーケットプレースから派生した代替データが信用スコアモデルに与える影響を提示する。
2つの国にまたがって検証した結果、これらの新たなデータソースは、低体重者や若年者における金融行動を予測するのに特に有用であることが示された。
論文 参考訳(メタデータ) (2020-05-09T01:32:03Z) - Privacy-preserving Traffic Flow Prediction: A Federated Learning
Approach [61.64006416975458]
本稿では,フェデレート学習に基づくGated Recurrent Unit Neural Network Algorithm (FedGRU) というプライバシ保護機械学習手法を提案する。
FedGRUは、現在の集中学習方法と異なり、安全なパラメータアグリゲーション機構を通じて、普遍的な学習モデルを更新する。
FedGRUの予測精度は、先進的なディープラーニングモデルよりも90.96%高い。
論文 参考訳(メタデータ) (2020-03-19T13:07:49Z)
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。