Fugu-MT 論文翻訳(概要): Deep State-Space Model for Predicting Cryptocurrency Price

論文の概要: Deep State-Space Model for Predicting Cryptocurrency Price

arxiv url: http://arxiv.org/abs/2311.14731v1
Date: Tue, 21 Nov 2023 08:49:55 GMT
ステータス: 処理完了
システム内更新日: 2023-12-03 13:42:17.781079
Title: Deep State-Space Model for Predicting Cryptocurrency Price
Title（参考訳）: 暗号価格予測のための深部状態空間モデル
Authors: Shalini Sharma, Angshul Majumdar, Emilie Chouzenoux, Victor Elvira
Abstract要約: 日々の暗号通貨価格を予測するという課題に対処する。我々のアプローチは状態空間モデルの確率的定式化を維持する。提案手法をディープステートスペースモデルと呼ぶ。
参考スコア（独自算出の注目度）: 16.871928140625332
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Our work presents two fundamental contributions. On the application side, we tackle the challenging problem of predicting day-ahead crypto-currency prices. On the methodological side, a new dynamical modeling approach is proposed. Our approach keeps the probabilistic formulation of the state-space model, which provides uncertainty quantification on the estimates, and the function approximation ability of deep neural networks. We call the proposed approach the deep state-space model. The experiments are carried out on established cryptocurrencies (obtained from Yahoo Finance). The goal of the work has been to predict the price for the next day. Benchmarking has been done with both state-of-the-art and classical dynamical modeling techniques. Results show that the proposed approach yields the best overall results in terms of accuracy.
Abstract（参考訳）: 私たちの作品は2つの基本的な貢献がある。アプリケーション側では、日々の暗号通貨価格を予測するという困難な問題に取り組む。方法論的な側面から,新しい動的モデリング手法を提案する。提案手法は状態空間モデルの確率的定式化を保ち,推定値に対する不確実な定量化と深部ニューラルネットワークの関数近似能力を提供する。提案手法を深層状態空間モデルと呼ぶ。実験は、確立した暗号通貨(ヤフーファイナンスから取得)上で実施される。その仕事の目標は、翌日の価格を予測することだった。ベンチマークは最先端技術と古典力学モデリング技術の両方で行われている。その結果,提案手法は精度の面で最高の結果が得られることがわかった。

関連論文リスト

Rigorous Probabilistic Guarantees for Robust Counterfactual Explanations [80.86128012438834]
モデルシフトに対する反ファクトの堅牢性を計算することはNP完全であることを示す。本稿では,頑健性の厳密な推定を高い保証で実現する新しい確率論的手法を提案する。
論文参考訳（メタデータ） (2024-07-10T09:13:11Z)
Review of deep learning models for crypto price prediction: implementation and evaluation [5.240745112593501]
本稿では、暗号通貨価格予測のためのディープラーニングに関する文献をレビューし、暗号通貨価格予測のための新しいディープラーニングモデルを評価する。我々のディープラーニングモデルには、長い短期記憶(LSTM)リカレントニューラルネットワークの変種、畳み込みニューラルネットワーク(CNN)の変種、トランスフォーマーモデルが含まれています。また、新型コロナウイルスのパンデミックを通じて価格の大幅な変動を示す4つの暗号通貨のボラティリティ分析を実施している。
論文参考訳（メタデータ） (2024-05-19T03:15:27Z)
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)
Multi Level Dense Layer Neural Network Model for Housing Price Prediction [0.0]
著者らは、住宅価格予測の性能を改善するために、ニューラルネットワークベースの新しいモデルを提案する。提案するモデルは,並列に情報を処理可能な3レベルニューラルネットワークで構成されている。その結果,提案モデルでは精度が向上し,評価基準の異なる既存アルゴリズムよりも優れていることがわかった。
論文参考訳（メタデータ） (2023-10-12T08:46:26Z)
A Bayesian Approach to Robust Inverse Reinforcement Learning [54.24816623644148]
我々は、オフラインモデルに基づく逆強化学習(IRL)に対するベイズ的アプローチを考える。提案フレームワークは,専門家の報酬関数と環境力学の主観的モデルとを同時推定することにより,既存のオフラインモデルベースIRLアプローチとは異なる。本分析は, 専門家が環境の高精度なモデルを持つと考えられる場合, 評価政策が堅牢な性能を示すという新たな知見を提示する。
論文参考訳（メタデータ） (2023-09-15T17:37:09Z)
Human Trajectory Forecasting with Explainable Behavioral Uncertainty [63.62824628085961]
人間の軌道予測は人間の行動を理解し予測し、社会ロボットから自動運転車への応用を可能にする。モデルフリー手法は予測精度が優れているが説明可能性に欠ける一方、モデルベース手法は説明可能性を提供するが、よく予測できない。 BNSP-SFMは,11種類の最先端手法と比較して,予測精度を最大50%向上することを示す。
論文参考訳（メタデータ） (2023-07-04T16:45:21Z)
Energy Storage Price Arbitrage via Opportunity Value Function Prediction [1.8638865257327275]
本稿では,教師付き学習と動的プログラミングを組み合わせた新しいエネルギー貯蔵価格仲裁アルゴリズムを提案する。価格データと動的プログラミングアルゴリズムを用いて,歴史的最適機会値関数を生成する。本手法は, ニューヨーク州のエネルギー貯蔵モデルと価格データを用いたケーススタディにおいて, 完全予測に比べて65%から90%の利益を達成している。
論文参考訳（メタデータ） (2022-11-14T23:31:11Z)
Maximum entropy exploration in contextual bandits with neural networks and energy based models [63.872634680339644]
モデルには2つのクラスがあり、1つはニューラルネットワークを報酬推定器とし、もう1つはエネルギーベースモデルを示す。両手法は、エネルギーベースモデルが最も優れた性能を持つ、よく知られた標準アルゴリズムより優れていることを示す。これは、静的および動的設定でよく機能する新しいテクニックを提供し、特に連続的なアクション空間を持つ非線形シナリオに適している。
論文参考訳（メタデータ） (2022-10-12T15:09:45Z)
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)
Dynamic Iterative Refinement for Efficient 3D Hand Pose Estimation [87.54604263202941]
本稿では,従来の推定値の修正に部分的レイヤを反復的に活用する,小さなディープニューラルネットワークを提案する。学習したゲーティング基準を用いて、ウェイトシェアリングループから抜け出すかどうかを判断し、モデルにサンプルごとの適応を可能にする。提案手法は,広く使用されているベンチマークの精度と効率の両面から,最先端の2D/3Dハンドポーズ推定手法より一貫して優れている。
論文参考訳（メタデータ） (2021-11-11T23:31:34Z)
Markdowns in E-Commerce Fresh Retail: A Counterfactual Prediction and Multi-Period Optimization Approach [29.11201102550876]
半パラメトリック構造モデルを構築し、価格の弾力性を学習し、対物需要を予測する。本稿では,有限販売地平線上での消耗品全体の利益を最大化するために,多周期動的価格アルゴリズムを提案する。提案されたフレームワークは、よく知られたeコマースの新鮮な小売シナリオであるFreshippoにうまくデプロイされている。
論文参考訳（メタデータ） (2021-05-18T07:01:37Z)

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。