論文の概要: Explaining Indian Stock Market through Geometry of Scale free Networks

• arxiv url: http://arxiv.org/abs/2404.04710v2
• Date: Thu, 03 Oct 2024 07:12:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-04 23:27:05.638700
• 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, Charu Sharma, Niteesh Sahni,
• Abstract要約: インド株式市場を異種スケール自由ネットワークとしてモデル化し、2次元双曲空間に埋め込まれる。 非パラメトリック統計テストを適用することで、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。 特定の市場セクターが集まっているのがわかります。
• 参考スコア（独自算出の注目度）: 3.345437353879255
• License:
• Abstract: In this study, we model the Indian stock market as heterogenous scale free network, which is then embedded in a two dimensional hyperbolic space through a machine learning based technique called as coalescent embedding. This allows us to apply the hyperbolic kmeans algorithm on the Poincare disc and the clusters so obtained resemble the original network communities more closely than the clusters obtained via Euclidean kmeans on the basis of well-known measures normalised mutual information and adjusted mutual information. Through this, we are able to clearly distinguish between periods of market stability and volatility by applying non-parametric statistical tests with a significance level of 0.05 to geometric measures namely hyperbolic distance and hyperbolic shortest path distance. After that, we are able to spot significant market change early by leveraging the Bollinger Band analysis on the time series of modularity in the embedded networks of each window. Finally, the radial distance and the Equidistance Angular coordinates help in visualizing the embedded network in the Poincare disc and it is seen that specific market sectors cluster together.
• Abstract（参考訳）: 本研究では,インド株式市場を異種規模自由ネットワークとしてモデル化し,それを2次元双曲空間に埋め込む。 これにより、双曲的kmeansアルゴリズムをポインケアディスクに適用し、得られたクラスタは、よく知られた正規化された相互情報と調整された相互情報に基づいて、ユークリッドkmeansによって得られたクラスタよりも、元のネットワークコミュニティによく似ている。 これにより, パラメータ値0.05の非パラメトリック統計試験を幾何的測度, すなわち双曲距離と双曲経路距離に適用することにより, 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。 その後、各ウィンドウの組込みネットワークにおけるモジュール性の時系列上のBollinger Band解析を活用することで、早い段階で大きな市場変化を見出すことができる。 最後に、ラジアル距離とEquidistance Angular座標は、Poincareディスクに埋め込まれたネットワークを視覚化するのに役立ち、特定の市場セクターが一緒にクラスタリングしていることが分かる。

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。