Fugu-MT 論文翻訳(概要): Application of Machine Learning in Stock Market Forecasting: A Case Study of Disney Stock

論文の概要: Application of Machine Learning in Stock Market Forecasting: A Case Study of Disney Stock

arxiv url: http://arxiv.org/abs/2401.10903v1
Date: Sun, 31 Dec 2023 19:22:57 GMT
ステータス: 処理完了
システム内更新日: 2024-01-28 16:08:04.845539
Title: Application of Machine Learning in Stock Market Forecasting: A Case Study of Disney Stock
Title（参考訳）: 株式市場予測における機械学習の適用:ディズニー株を事例として
Authors: Dengxin Huang
Abstract要約: データセットは、2014-10-23年に寄贈された750のインスタンスと16の属性で構成されている。ファマ・フレンチ3要素モデルも解析に利用される。解析結果が提示され, 線形回帰が最良性能モデルである。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This document presents a stock market analysis conducted on a dataset consisting of 750 instances and 16 attributes donated in 2014-10-23. The analysis includes an exploratory data analysis (EDA) section, feature engineering, data preparation, model selection, and insights from the analysis. The Fama French 3-factor model is also utilized in the analysis. The results of the analysis are presented, with linear regression being the best-performing model.
Abstract（参考訳）: この文書は、2014-10-23年に寄贈された750のインスタンスと16の属性からなるデータセット上で実行される株式市場分析を示す。この分析には、探索データ分析(EDA)セクション、特徴工学、データ準備、モデル選択、分析からの洞察が含まれる。 famaフランスの3要素モデルも分析に使われている。解析結果が提示され, 線形回帰が最良性能モデルである。

関連論文リスト

Using GPT Models for Qualitative and Quantitative News Analytics in the 2024 US Presidental Election Process [0.0]
本稿では,検索拡張生成(RAG)によるニュースの質的,定量的分析に,Google Search APIとGPT-4oモデルを用いたアプローチを検討する。その結果、GPTモデルを用いて情報分析を行い、選挙プロセスのさらなる分析に応用できる重要な洞察を提供することができた。
論文参考訳（メタデータ） (2024-10-21T11:02:18Z)
GIFT-Eval: A Benchmark For General Time Series Forecasting Model Evaluation [90.53485251837235]
時系列基礎モデルはゼロショット予測に優れ、明示的なトレーニングなしで多様なタスクを処理する。 GIFT-Evalは、多様なデータセットに対する評価を促進するための先駆的なベンチマークである。 GIFT-Evalには、144,000の時系列と17700万のデータポイントの23のデータセットが含まれている。
論文参考訳（メタデータ） (2024-10-14T11:29:38Z)
InsightBench: Evaluating Business Analytics Agents Through Multi-Step Insight Generation [79.09622602860703]
3つの重要な特徴を持つベンチマークデータセットであるInsightBenchを紹介します。財務やインシデント管理といったさまざまなビジネスユースケースを表す100のデータセットで構成されている。単一のクエリに回答することに焦点を当てた既存のベンチマークとは異なり、InsightBenchは、エンドツーエンドのデータ分析を実行する能力に基づいてエージェントを評価する。
論文参考訳（メタデータ） (2024-07-08T22:06:09Z)
Numerical Claim Detection in Finance: A New Financial Dataset, Weak-Supervision Model, and Market Analysis [4.575870619860645]
ファイナンシャルドメインにおけるクレーム検出タスクのための新たな財務データセットを構築した。本稿では,対象物の専門家(SME)の知識を集約関数に組み込んだ,新たな弱スーパービジョンモデルを提案する。ここでは、利益の急落と楽観的な指標への回帰の依存を観察する。
論文参考訳（メタデータ） (2024-02-18T22:55:26Z)
Text2Analysis: A Benchmark of Table Question Answering with Advanced Data Analysis and Unclear Queries [67.0083902913112]
高度な解析タスクを取り入れたText2Analysisベンチマークを開発した。また,5つのイノベーティブかつ効果的なアノテーション手法を開発した。 3つの異なる指標を用いて5つの最先端モデルを評価する。
論文参考訳（メタデータ） (2023-12-21T08:50:41Z)
TRIAGE: Characterizing and auditing training data for improved regression [80.11415390605215]
TRIAGEは回帰タスクに適した新しいデータキャラクタリゼーションフレームワークで、広範囲の回帰器と互換性がある。 TRIAGEは、共形予測分布を利用して、モデルに依存しないスコアリング方法、TRIAGEスコアを提供する。 TRIAGEの特徴は一貫性があり、複数の回帰設定においてデータの彫刻/フィルタリングによるパフォーマンス向上に有効であることを示す。
論文参考訳（メタデータ） (2023-10-29T10:31:59Z)
A Comprehensive Evaluation and Analysis Study for Chinese Spelling Check [53.152011258252315]
音声とグラフィックの情報を合理的に使用することは,中国語のスペルチェックに有効であることを示す。モデルはテストセットのエラー分布に敏感であり、モデルの欠点を反映している。一般的なベンチマークであるSIGHANは、モデルの性能を確実に評価できない。
論文参考訳（メタデータ） (2023-07-25T17:02:38Z)
Why we should respect analysis results as data [0.0]
臨床研究データの解析も結果の形でデータを生成するのが一般的である。知見を文脈に組み込んだ分析は科学的研究の基盤となっているが、分析結果はしばしばデータソースとして無視される。本稿では,分析結果標準と共通データモデルを組み合わせた「一度計算し,何度も使用」する手法を提案する。
論文参考訳（メタデータ） (2022-04-21T08:34:07Z)
Machine Learning for Stock Prediction Based on Fundamental Analysis [13.920569652186714]
フィードフォワードニューラルネットワーク(FNN)、ランダムフォレスト(RF)、適応型ニューラルファジィ推論システム(ANFIS)の3つの機械学習アルゴリズムについて検討する。 RFモデルは最高の予測結果を達成し,FNNとANFISのテスト性能を向上させることができる。この結果から, 機械学習モデルは, 株式投資に関する意思決定において, 基礎アナリストの助けとなる可能性が示唆された。
論文参考訳（メタデータ） (2022-01-26T18:48:51Z)
Predictive analytics using Social Big Data and machine learning [6.142272540492935]
この章では、ソーシャルビッグデータ分析の基礎となる中核的な側面について光を当てている。さまざまな予測分析アルゴリズムが,いくつかの重要なアプリケーションやトップレベルのツールやAPIで使用されている。
論文参考訳（メタデータ） (2021-04-21T19:30:45Z)
How Faithful is your Synthetic Data? Sample-level Metrics for Evaluating and Auditing Generative Models [95.8037674226622]
ドメインに依存しない方法で生成モデルの忠実度,多様性,一般化性能を特徴付ける3次元評価指標を提案する。当社のメトリクスは、精度リコール分析により統計的発散測定を統合し、モデル忠実度と多様性のサンプルおよび分布レベルの診断を可能にします。
論文参考訳（メタデータ） (2021-02-17T18:25:30Z)

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。