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
- A Network Simulation of OTC Markets with Multiple Agents [3.8944986367855963]
我々は、取引が市場メーカによってのみ仲介される、オーバー・ザ・カウンタ(OTC)金融市場をシミュレートするための新しいアプローチを提案する。
本稿では,ネットワークモデルを用いて市場構造が価格変動に与える影響について考察する。
論文 参考訳(メタデータ) (2024-05-03T20:45:00Z) - 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) - H2TNE: Temporal Heterogeneous Information Network Embedding in
Hyperbolic Spaces [11.673996427046408]
時間的HINに対する双曲的ヘテロジニアス時間ネットワーク埋め込みモデルを提案する。
具体的には、時間的かつ不均一に2重拘束されたランダムウォーク戦略を利用して、構造的および意味的な情報をキャプチャする。
提案手法は,SOTAモデルと比較して時間的リンク予測とノード分類に優れる。
論文 参考訳(メタデータ) (2023-04-14T07:39:52Z) - Classification of vertices on social networks by multiple approaches [1.370151489527964]
ソーシャルネットワークの場合、個別のコミュニティのラベルを評価することが不可欠である。
これらのインタラクションベースのエンティティそれぞれに対して、テストベンチリポジトリとして、ソーシャルグラフ、メーリングデータセット、および2つの引用セットが選択される。
本論文は,最も有用な手法だけでなく,グラフニューラルネットワークの動作方法も検討した。
論文 参考訳(メタデータ) (2023-01-13T09:42:55Z) - A Unification Framework for Euclidean and Hyperbolic Graph Neural
Networks [8.080621697426997]
ハイパーボリックニューラルネットワークは、グラフデータセット固有の階層を効果的にキャプチャする。
層内の複数の非連続(ジャイロ-)ベクトル空間を絡み合わせることで、一般化と拡張性の観点から制限される。
検索空間としてPoincareディスクモデルを提案し,ディスク上にすべての近似を適用する。
我々のモデルは、解釈可能性や様々なモデルコンポーネントの効率的な実行といったユークリッドネットワークのパワーを利用するだけでなく、様々なベンチマークにおいてユークリッドと双曲の双方よりも優れていることを示す。
論文 参考訳(メタデータ) (2022-06-09T05:33:02Z) - HRCF: Enhancing Collaborative Filtering via Hyperbolic Geometric
Regularization [52.369435664689995]
HRCF (textitHyperbolic Regularization powered Collaborative Filtering) を導入し,幾何認識型双曲正規化器を設計する。
具体的には、ルートアライメントとオリジン認識ペナルティによる最適化手順を強化する。
提案手法は,双曲的凝集による過度な平滑化問題に対処でき,モデルの識別能力も向上する。
論文 参考訳(メタデータ) (2022-04-18T06:11:44Z) - SCoT: Sense Clustering over Time: a tool for the analysis of lexical
change [79.80787569986283]
我々は、語彙変化を分析する新しいネットワークベースのツールであるSense Clustering over Time (SCoT)を提示する。
SCoTは、単語の意味を類似した単語の集合として表現する。
危機の意味の変化に関するヨーロッパの研究で、うまく使われてきた」。
論文 参考訳(メタデータ) (2022-03-18T12:04:09Z) - Graph Belief Propagation Networks [34.137798598227874]
グラフニューラルネットワークと集合分類の利点を組み合わせたモデルを提案する。
我々のモデルでは、各ノード上のポテンシャルはそのノードの特徴にのみ依存し、エッジポテンシャルは結合行列を介して学習される。
我々のアプローチは、解釈可能なメッセージパスグラフニューラルネットワークか、より高いキャパシティと近代化されたトレーニングを備えた集団分類手法とみなすことができる。
論文 参考訳(メタデータ) (2021-06-06T05:24:06Z) - 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) - Predicting Livelihood Indicators from Community-Generated Street-Level
Imagery [70.5081240396352]
本稿では,クラウドソースによるストリートレベルの画像から重要な生活指標を予測するための,安価でスケーラブルで解釈可能なアプローチを提案する。
全国的に代表される世帯調査で収集した地上データと比較することにより,貧困,人口,健康の指標を正確に予測する上でのアプローチの有効性を実証した。
論文 参考訳(メタデータ) (2020-06-15T18:12:12Z) - Differentiating through the Fr\'echet Mean [51.32291896926807]
フレット平均(Fr'echet mean)はユークリッド平均の一般化である。
任意のリーマン多様体に対して Fr'echet 平均を微分する方法を示す。
これにより、Fr'echet平均を双曲型ニューラルネットワークパイプラインに完全に統合する。
論文 参考訳(メタデータ) (2020-02-29T19:49:38Z)
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。