論文の概要: A Study on Stock Forecasting Using Deep Learning and Statistical Models
- arxiv url: http://arxiv.org/abs/2402.06689v1
- Date: Thu, 8 Feb 2024 16:45:01 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-13 19:41:31.558412
- Title: A Study on Stock Forecasting Using Deep Learning and Statistical Models
- Title（参考訳）: ディープラーニングと統計モデルを用いた株価予測に関する研究
- Authors: Himanshu Gupta and Aditya Jaiswal
- Abstract要約: 本稿では、株価予測のための多くのディープラーニングアルゴリズムを概説し、トレーニングとテストにs&p500インデックスデータを用いた。
自動回帰積分移動平均モデル、リカレントニューラルネットワークモデル、長い短期モデル、畳み込みニューラルネットワークモデル、完全な畳み込みニューラルネットワークモデルなど、さまざまなモデルについて議論する。
- 参考スコア（独自算出の注目度）: 3.437407981636465
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Predicting a fast and accurate model for stock price forecasting is been a
challenging task and this is an active area of research where it is yet to be
found which is the best way to forecast the stock price. Machine learning, deep
learning and statistical analysis techniques are used here to get the accurate
result so the investors can see the future trend and maximize the return of
investment in stock trading. This paper will review many deep learning
algorithms for stock price forecasting. We use a record of s&p 500 index data
for training and testing. The survey motive is to check various deep learning
and statistical model techniques for stock price forecasting that are Moving
Averages, ARIMA which are statistical techniques and LSTM, RNN, CNN, and FULL
CNN which are deep learning models. It will discuss various models, including
the Auto regression integration moving average model, the Recurrent neural
network model, the long short-term model which is the type of RNN used for long
dependency for data, the convolutional neural network model, and the full
convolutional neural network model, in terms of error calculation or percentage
of accuracy that how much it is accurate which measures by the function like
Root mean square error, mean absolute error, mean squared error. The model can
be used to predict the stock price by checking the low MAE value as lower the
MAE value the difference between the predicting and the actual value will be
less and this model will predict the price more accurately than other models.
- Abstract（参考訳）: 株価予測の迅速かつ正確なモデルを予測することは困難な作業であり、株価予測の最良の方法が判明していない研究の活発な領域である。
機械学習、ディープラーニング、統計分析技術は、投資家が将来のトレンドを見極め、株式トレーディングへの投資のリターンを最大化できるように、正確な結果を得るために使用される。
本稿では,株価予測のための深層学習アルゴリズムについて概説する。
トレーニングとテストには、s&p 500 index dataの記録を使用します。
調査の動機は,移動平均値,統計技術であるARIMA,深層学習モデルであるLSTM,RNN,CNN,FULL CNNの様々な深層学習および統計モデル技術を調べることである。
自己回帰統合移動平均モデル、リカレントニューラルネットワークモデル、データに対する長期依存に使用されるrnnのタイプである長期短期モデル、畳み込みニューラルネットワークモデル、および畳み込みニューラルネットワークモデルを含む様々なモデルについて、誤差計算や精度のパーセンテージの観点から、根平均二乗誤差、平均絶対誤差、平均二乗誤差といった関数による測定がどの程度正確かという観点から論じる。
このモデルは、予測値と実際の値との差が小さくなり、他のモデルよりもより正確に価格を予測するために、低いmae値をチェックすることによって、株価を予測するために使用できる。
関連論文リスト
- GARCH-Informed Neural Networks for Volatility Prediction in Financial Markets [0.0]
マーケットのボラティリティを計測し、予測する新しいハイブリッドなDeep Learningモデルを提案する。
他の時系列モデルと比較すると、GINNは決定係数(R2$)、平均正方形誤差(MSE)、平均絶対誤差(MAE)の点で優れたサンプル外予測性能を示した。
論文 参考訳（メタデータ） (2024-09-30T23:53:54Z) - Learning Augmentation Policies from A Model Zoo for Time Series Forecasting [58.66211334969299]
本稿では,強化学習に基づく学習可能なデータ拡張手法であるAutoTSAugを紹介する。
限界サンプルを学習可能なポリシーで強化することにより、AutoTSAugは予測性能を大幅に改善する。
論文 参考訳（メタデータ） (2024-09-10T07:34:19Z) - Real-to-Sim: Predicting Residual Errors of Robotic Systems with Sparse
Data using a Learning-based Unscented Kalman Filter [65.93205328894608]
我々は,動的・シミュレータモデルと実ロボット間の残差を学習する。
学習した残差誤差により、動的モデル、シミュレーション、および実際のハードウェア間の現実的ギャップをさらに埋めることができることを示す。
論文 参考訳（メタデータ） (2022-09-07T15:15:12Z) - Datamodels: Predicting Predictions from Training Data [86.66720175866415]
本稿では,モデルクラスの振る舞いを学習データの観点から分析するための概念的枠組みであるデータモデリングについて述べる。
単純な線形データモデルであっても、モデル出力をうまく予測できることが示される。
論文 参考訳（メタデータ） (2022-02-01T18:15:24Z) - Generative Adversarial Network (GAN) and Enhanced Root Mean Square Error
(ERMSE): Deep Learning for Stock Price Movement Prediction [15.165487282631535]
本稿では,予測精度を向上し,ジェネレーティブ・アドバイサル・ネットワークを用いて誤差損失の予測を最小化することを目的とする。
The Generative Adversarial Network (GAN) has well performed on the enhanced root mean square error to LSTM。
論文 参考訳（メタデータ） (2021-11-30T18:38:59Z) - Regression Bugs Are In Your Model! Measuring, Reducing and Analyzing
Regressions In NLP Model Updates [68.09049111171862]
この研究は、NLPモデル更新における回帰エラーの定量化、低減、分析に重点を置いている。
回帰フリーモデル更新を制約付き最適化問題に定式化する。
モデルアンサンブルが回帰を減らす方法を実証的に分析します。
論文 参考訳（メタデータ） (2021-05-07T03:33:00Z) - ALT-MAS: A Data-Efficient Framework for Active Testing of Machine
Learning Algorithms [58.684954492439424]
少量のラベル付きテストデータのみを用いて機械学習モデルを効率的にテストする新しいフレームワークを提案する。
ベイズニューラルネットワーク(bnn)を用いたモデルアンダーテストの関心指標の推定が目的である。
論文 参考訳（メタデータ） (2021-04-11T12:14:04Z) - Generative Temporal Difference Learning for Infinite-Horizon Prediction [101.59882753763888]
我々は、無限確率的地平線を持つ環境力学の予測モデルである$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) - Stock Price Prediction Using CNN and LSTM-Based Deep Learning Models [0.0]
本稿では,株価予測のための深層学習モデルについて述べる。
インド国立証券取引所に記載されているNIFTY50指数の歴史的記録を利用する。
我々の提案には、畳み込みニューラルネットワーク上に構築された2つの回帰モデルと、3つの長期記憶ネットワークに基づく予測モデルが含まれる。
論文 参考訳（メタデータ） (2020-10-22T03:09:07Z) - A Time Series Analysis-Based Stock Price Prediction Using Machine
Learning and Deep Learning Models [0.0]
我々は、統計的、機械学習、ディープラーニングモデルの集合から成り立つ、非常に堅牢で正確な株価予測の枠組みを提示する。
当社は、インドの国立証券取引所(NSE)に上場している非常に有名な企業の、毎日の株価データを5分間隔で収集しています。
統計,機械学習,深層学習を組み合わせたモデル構築の凝集的アプローチは,株価データの揮発性およびランダムな動きパターンから極めて効果的に学習できる,と我々は主張する。
論文 参考訳（メタデータ） (2020-04-17T19:41:22Z) - Stock Price Prediction Using Convolutional Neural Networks on a
Multivariate Timeseries [0.0]
機械学習アプローチを使用して様々な予測モデルを構築し、そのモデルを使用して、2019年のNIFTY 50のクローズバリューを予測する。
NIFTY指数運動パターンの予測には,多くの分類法を用い,NIFTY指数の実際の閉値の予測には様々な回帰モデルを構築した。
我々は、予測に使用する変数の数が異なる3つのアプローチを用いて、将来のNIFTY指数値を予測する際のCNNの力を利用する。
論文 参考訳（メタデータ） (2020-01-10T03:27:08Z)
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。