論文の概要: Explaining Indian Stock Market through Geometry of Scale free Networks
- arxiv url: http://arxiv.org/abs/2404.04710v1
- Date: Sat, 6 Apr 2024 19:07:12 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-09 20:00:13.086777
- Title: Explaining Indian Stock Market through Geometry of Scale free Networks
- Title(参考訳): スケールフリーネットワークの幾何学によるインド株式市場の解説
- Authors: Pawanesh Yadav, Charu Sharma, Niteesh Sahni,
- Abstract要約: 本稿では,機械学習技術を用いて,ハイパーボリック空間にネットワークを埋め込む手法を用いて,インド株式市場の分析を行う。
まず,ハイパーボリック・クラスタはユークリッド・クラスタよりもトポロジカル・ネットワーク・コミュニティに近いことを示すとともに,組込みネットワークに対応するハイパーボリック・距離とハイパーボリック・ショート・パス・距離の統計的解析により,市場安定性とボラティリティの期間を明確に区別できることを示す。
- 参考スコア(独自算出の注目度): 3.345437353879255
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents an analysis of the Indian stock market using a method based on embedding the network in a hyperbolic space using Machine learning techniques. We claim novelty on four counts. First, it is demonstrated that the hyperbolic clusters resemble the topological network communities more closely than the Euclidean clusters. Second, we are able to clearly distinguish between periods of market stability and volatility through a statistical analysis of hyperbolic distance and hyperbolic shortest path distance corresponding to the embedded network. Third, we demonstrate that using the modularity of the embedded network significant market changes can be spotted early. Lastly, the coalescent embedding is able to segregate the certain market sectors thereby underscoring its natural clustering ability.
- Abstract(参考訳): 本稿では,機械学習技術を用いて,ハイパーボリック空間にネットワークを埋め込む手法を用いて,インド株式市場の分析を行う。
我々は4つの点で新規性を主張している。
まず、双曲星団がユークリッド星団よりも近いトポロジカルネットワーク群に類似していることが示される。
第2に、組込みネットワークに対応する双曲的距離と双曲的最短経路距離の統計的解析により、市場の安定性とボラティリティの期間を明確に区別することができる。
第3に,組込みネットワークのモジュール性を利用することで,市場の変化を早期に発見できることを実証する。
最後に、合体埋め込みは特定の市場セクターを分離し、その自然なクラスタリング能力を強調することができる。
関連論文リスト
- Persistent Classification: A New Approach to Stability of Data and Adversarial Examples [6.469716438197741]
本研究では,自然点と逆点の補間点に沿った持続的測定値の相違について検討する。
敵の例は、大きなニューラルネットワークの自然な例よりも持続性が著しく低いことを示す。
我々は、この永続性の欠如を、決定境界に関する補間物の角度を測定することによって、決定境界幾何学と結び付ける。
論文 参考訳(メタデータ) (2024-04-11T18:13:42Z) - GNN-LoFI: a Novel Graph Neural Network through Localized Feature-based
Histogram Intersection [51.608147732998994]
グラフニューラルネットワークは、グラフベースの機械学習の選択フレームワークになりつつある。
本稿では,古典的メッセージパッシングに代えて,ノード特徴の局所分布を解析するグラフニューラルネットワークアーキテクチャを提案する。
論文 参考訳(メタデータ) (2024-01-17T13:04:23Z) - Balanced Marginal and Joint Distributional Learning via Mixture
Cramer-Wold Distance [0.6445605125467574]
本稿では, 異種度, クレーマー-ウォルド混合距離について紹介する。
本手法により, 限界分布情報と共同分布情報の両方を同時に取得できる。
CWDAE(Cramer-Wold Distributional AutoEncoder)と呼ばれる新しい生成モデルを提案する。
論文 参考訳(メタデータ) (2023-12-06T06:15:48Z) - Heterogenous Memory Augmented Neural Networks [84.29338268789684]
ニューラルネットワークのための新しいヘテロジニアスメモリ拡張手法を提案する。
学習可能なメモリトークンをアテンション機構付きで導入することにより、膨大な計算オーバーヘッドを伴わずに性能を効果的に向上させることができる。
In-distriion (ID) と Out-of-distriion (OOD) の両方の条件下での様々な画像およびグラフベースのタスクに対するアプローチを示す。
論文 参考訳(メタデータ) (2023-10-17T01:05:28Z) - Spatio-Temporal driven Attention Graph Neural Network with Block
Adjacency matrix (STAG-NN-BA) [0.0]
衛星画像を用いた空間的・時間的分類のためのグラフニューラルネットワークアーキテクチャを提案する。
本稿では,各画素を分類する代わりに,単純な線形反復クラスタリング(SLIC)画像分割とグラフ注意GATに基づく手法を提案する。
コードとデータセットはGitHubリポジトリ経由で公開されます。
論文 参考訳(メタデータ) (2023-03-25T01:26:50Z) - Learning Cross-view Geo-localization Embeddings via Dynamic Weighted
Decorrelation Regularization [52.493240055559916]
クロスビュージオローカライゼーションは、ドローンプラットフォームと衛星プラットフォームという2つのプラットフォームから撮影された同じ位置の画像を見つけることを目的としている。
既存の手法は、通常、特徴空間内の他のものとの埋め込み距離を最適化することに焦点を当てる。
本稿では、低冗長性も重要であり、モデルがより多様なパターンをマイニングする動機となっていると論じる。
論文 参考訳(メタデータ) (2022-11-10T02:13:10Z) - Bandwidth-efficient distributed neural network architectures with
application to body sensor networks [73.02174868813475]
本稿では,分散ニューラルネットワークアーキテクチャを設計するための概念設計手法について述べる。
提案手法により,損失を最小限に抑えつつ,最大20倍の帯域幅削減が可能となることを示す。
本稿では,ウェアラブル脳-コンピュータインタフェースに焦点をあてるが,他のセンサネットワークアプリケーションにも適用できる。
論文 参考訳(メタデータ) (2022-10-14T12:35:32Z) - Two-Stream Graph Convolutional Network for Intra-oral Scanner Image
Segmentation [133.02190910009384]
本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。
TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
論文 参考訳(メタデータ) (2022-04-19T10:41:09Z) - GELATO: Geometrically Enriched Latent Model for Offline Reinforcement
Learning [54.291331971813364]
オフライン強化学習アプローチは、近近法と不確実性認識法に分けられる。
本研究では,この2つを潜在変動モデルに組み合わせることのメリットを実証する。
提案したメトリクスは、分布サンプルのアウトの品質と、データ内のサンプルの不一致の両方を測定します。
論文 参考訳(メタデータ) (2021-02-22T19:42:40Z) - Spectral clustering on spherical coordinates under the degree-corrected
stochastic blockmodel [5.156484100374058]
次数補正ブロックモデルに基づく新しいスペクトルクラスタリングアルゴリズムを提案する。
その結果,コンピュータネットワークにおける競合手法よりも性能が向上した。
論文 参考訳(メタデータ) (2020-11-09T16:55:38Z) - Learning Flat Latent Manifolds with VAEs [16.725880610265378]
本稿では、ユークリッド計量がデータポイント間の類似性のプロキシとなる変分自動エンコーダのフレームワークの拡張を提案する。
我々は、変分オートエンコーダで一般的に使用されるコンパクトな以前のものを、最近発表されたより表現力のある階層型に置き換える。
提案手法は,ビデオ追跡ベンチマークを含む,さまざまなデータセットを用いて評価する。
論文 参考訳(メタデータ) (2020-02-12T09:54:52Z)
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。