論文の概要: Exploiting the geometry of heterogeneous networks: A case study of the Indian stock market

• arxiv url: http://arxiv.org/abs/2404.04710v3
• Date: Thu, 09 Jan 2025 07:58:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-10 13:56:12.521774
• Title: Exploiting the geometry of heterogeneous networks: A case study of the Indian stock market
• Title（参考訳）: 異種ネットワークの幾何学的展開--インド株式市場を事例として
• Authors: Pawanesh 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)
• Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
  弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
  論文  参考訳（メタデータ） (2023-08-31T05:05:53Z)
• 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)
• Geometric Scattering on Measure Spaces [15.819230791757906]
  測度空間上での幾何散乱の一般統一モデルを導入する。 未知多様体をランダムにサンプリングして得られる有限測度空間を考える。 本稿では, 関連するグラフ散乱変換が基礎多様体上の散乱変換を近似するデータ駆動グラフを構築するための2つの方法を提案する。
  論文  参考訳（メタデータ） (2022-08-17T22:40:09Z)
• Interpolation-based Correlation Reduction Network for Semi-Supervised Graph Learning [49.94816548023729]
  補間型相関低減ネットワーク(ICRN)と呼ばれる新しいグラフコントラスト学習手法を提案する。 提案手法では,決定境界のマージンを大きくすることで,潜在特徴の識別能力を向上させる。 この2つの設定を組み合わせることで、豊富なラベル付きノードと稀に価値あるラベル付きノードから豊富な監視情報を抽出し、離散表現学習を行う。
  論文  参考訳（メタデータ） (2022-06-06T14:26:34Z)
• 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)
• Data-heterogeneity-aware Mixing for Decentralized Learning [63.83913592085953]
  グラフの混合重みとノード間のデータ不均一性の関係に収束の依存性を特徴付ける。 グラフが現在の勾配を混合する能力を定量化する計量法を提案する。 そこで本研究では,パラメータを周期的かつ効率的に最適化する手法を提案する。
  論文  参考訳（メタデータ） (2022-04-13T15:54:35Z)
• Geometry-Aware Self-Training for Unsupervised Domain Adaptationon Object Point Clouds [36.49322708074682]
  本稿では,オブジェクトポイントクラウド分類の教師なし領域適応のためのジオメトリ・アウェア・セルフトレーニング(GAST)を提案する。 具体的には,2つの自己監督型幾何学的学習タスクを特徴正規化として,意味カテゴリーのドメイン共有表現を学習することを目的とする。 一方、データセット間の多様な点分布は、新しい曲率認識歪みの局所化によって正規化することができる。
  論文  参考訳（メタデータ） (2021-08-20T13:29:11Z)
• 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。