論文の概要: Application of time-series quantum generative model to financial data

• arxiv url: http://arxiv.org/abs/2405.11795v1
• Date: Mon, 20 May 2024 05:29:45 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-21 14:03:49.327706
• Title: Application of time-series quantum generative model to financial data
• Title（参考訳）: 時系列量子生成モデルの財務データへの応用
• Authors: Shun Okumura, Masayuki Ohzeki, Masaya Abe,
• Abstract要約: 時系列生成モデルを実際の財務データに量子生成モデルとして適用した。 その結果,従来の手法に比べてパラメータ値が少なかった。
• 参考スコア（独自算出の注目度）: 1.2289361708127877
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite proposing a quantum generative model for time series that successfully learns correlated series with multiple Brownian motions, the model has not been adapted and evaluated for financial problems. In this study, a time-series generative model was applied as a quantum generative model to actual financial data. Future data for two correlated time series were generated and compared with classical methods such as long short-term memory and vector autoregression. Furthermore, numerical experiments were performed to complete missing values. Based on the results, we evaluated the practical applications of the time-series quantum generation model. It was observed that fewer parameter values were required compared with the classical method. In addition, the quantum time-series generation model was feasible for both stationary and nonstationary data. These results suggest that several parameters can be applied to various types of time-series data.
• Abstract（参考訳）: 複数のブラウン運動と相関する系列をうまく学習する時系列の量子生成モデルを提案したが、そのモデルは適応されず、財政的な問題に対して評価されていない。 本研究では,時系列生成モデルを実際の財務データに量子生成モデルとして適用した。 2つの相関時系列の将来のデータを生成し、長い短期記憶やベクトル自己回帰といった古典的手法と比較した。 さらに、欠落した値を完成させるために数値実験を行った。 この結果をもとに,時系列量子生成モデルの実用化について検討した。 その結果,従来の手法に比べてパラメータ値が少なかった。 さらに、静止データと非定常データの両方に対して量子時系列生成モデルが実現可能であった。 これらの結果から,様々な時系列データに適用可能なパラメータが示唆された。

関連論文リスト

• PDETime: Rethinking Long-Term Multivariate Time Series Forecasting from the perspective of partial differential equations [49.80959046861793]
  本稿では,ニューラルPDEソルバの原理に着想を得た新しいLMTFモデルであるPDETimeを提案する。 7つの異なる時間的実世界のLMTFデータセットを用いた実験により、PDETimeがデータ固有の性質に効果的に適応できることが判明した。
  論文  参考訳（メタデータ） (2024-02-25T17:39:44Z)
• Parameterized quantum circuits as universal generative models for continuous multivariate distributions [1.118478900782898]
  量子回路は、回帰、分類、生成タスクにおける機械学習モデルの基盤として広く使われている。 本研究では,予測値のサンプリングベースモデルを解明し,そのような変動量子アルゴリズムの普遍性を証明する。 我々の結果は、生成的モデリングタスクにおける将来の量子回路の設計を導くのに役立つかもしれない。
  論文  参考訳（メタデータ） (2024-02-15T10:08:31Z)
• Timer: Generative Pre-trained Transformers Are Large Time Series Models [83.03091523806668]
  本稿では,大規模時系列モデル(LTSM)の早期開発を目的とした。 事前トレーニング中に、最大10億のタイムポイントを持つ大規模なデータセットをキュレートします。 多様なアプリケーションのニーズを満たすため,予測,計算,時系列の異常検出を統一的な生成タスクに変換する。
  論文  参考訳（メタデータ） (2024-02-04T06:55:55Z)
• Time Series Continuous Modeling for Imputation and Forecasting with Implicit Neural Representations [15.797295258800638]
  本稿では,実世界のデータでしばしば発生する課題に対処するために,時系列計算と予測のための新しいモデリング手法を提案する。 本手法はシリーズの進化力学の連続時間依存モデルに依存する。 メタラーニングアルゴリズムによって駆動される変調機構は、観測されたタイムウインドウを超えて、見えないサンプルや外挿への適応を可能にする。
  論文  参考訳（メタデータ） (2023-06-09T13:20:04Z)
• Parameterization of state duration in Hidden semi-Markov Models: an application in electrocardiography [0.0]
  時系列パターン認識のためのパラメトリックモデルを導入し,パラメータの最大値に類似度を推定する。 分類の応用は、それぞれの選択肢の主な長所と短所を明らかにする。
  論文  参考訳（メタデータ） (2022-11-17T11:51:35Z)
• Multi-scale Attention Flow for Probabilistic Time Series Forecasting [68.20798558048678]
  マルチスケールアテンション正規化フロー(MANF)と呼ばれる非自己回帰型ディープラーニングモデルを提案する。 我々のモデルは累積誤差の影響を回避し、時間の複雑さを増大させない。 本モデルは,多くの多変量データセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2022-05-16T07:53:42Z)
• A quantum generative model for multi-dimensional time series using Hamiltonian learning [0.0]
  このような特徴を符号化する手法として,量子力学のシミュレートに量子コンピュータの本質的性質を用いることを提案する。 学習したモデルを用いて、サンプル外の時系列を生成し、学習した時系列のユニークで複雑な特徴をキャプチャすることを示す。 提案手法を11量子ビットトラップイオン量子マシン上で実験的に実証した。
  論文  参考訳（メタデータ） (2022-04-13T03:06:36Z)
• TACTiS: Transformer-Attentional Copulas for Time Series [76.71406465526454]
  時間変化量の推定は、医療や金融などの分野における意思決定の基本的な構成要素である。 本稿では,アテンションベースデコーダを用いて関節分布を推定する多元的手法を提案する。 本研究では,本モデルが実世界の複数のデータセットに対して最先端の予測を生成することを示す。
  論文  参考訳（メタデータ） (2022-02-07T21:37:29Z)
• Deep Time Series Models for Scarce Data [8.673181404172963]
  時系列データは多くの領域で爆発的な速度で成長し、時系列モデリング研究の急増を刺激している。 データ希少性は、膨大なデータ分析の問題で発生する普遍的な問題です。
  論文  参考訳（メタデータ） (2021-03-16T22:16:54Z)
• Anomaly Detection of Time Series with Smoothness-Inducing Sequential Variational Auto-Encoder [59.69303945834122]
  Smoothness-Inducing Sequential Variational Auto-Encoder (SISVAE) モデルを提案する。 我々のモデルは、フレキシブルニューラルネットワークを用いて各タイムスタンプの平均と分散をパラメータ化する。 合成データセットと公開実世界のベンチマークの両方において,本モデルの有効性を示す。
  論文  参考訳（メタデータ） (2021-02-02T06:15:15Z)
• Transformer Hawkes Process [79.16290557505211]
  本稿では,長期的依存関係を捕捉する自己認識機構を利用したTransformer Hawkes Process (THP) モデルを提案する。 THPは、有意なマージンによる可能性と事象予測の精度の両方の観点から、既存のモデルより優れている。 本稿では、THPが関係情報を組み込む際に、複数の点過程を学習する際の予測性能の改善を実現する具体例を示す。
  論文  参考訳（メタデータ） (2020-02-21T13:48:13Z)

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。