論文の概要: Uncovering key predictors of high-growth firms via explainable machine learning
- arxiv url: http://arxiv.org/abs/2408.09149v1
- Date: Sat, 17 Aug 2024 09:39:07 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-20 22:25:12.424078
- Title: Uncovering key predictors of high-growth firms via explainable machine learning
- Title（参考訳）: 説明可能な機械学習による高成長企業の鍵となる予測因子の発見
- Authors: Yiwei Huang, Shuqi Xu, Linyuan Lü, Andrea Zaccaria, Manuel Sebastian Mariani,
- Abstract要約: 本稿では5,071社の財務・特許データを分析する。
アンサンブル学習アルゴリズムを利用することで、技術的、ネットワーク的、あるいはその両方に財務的特徴を組み込むことで、より正確な高成長のファーム予測がもたらされることを実証する。
- 参考スコア（独自算出の注目度）: 1.2279966264845568
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Predicting high-growth firms has attracted increasing interest from the technological forecasting and machine learning communities. Most existing studies primarily utilize financial data for these predictions. However, research suggests that a firm's research and development activities and its network position within technological ecosystems may also serve as valuable predictors. To unpack the relative importance of diverse features, this paper analyzes financial and patent data from 5,071 firms, extracting three categories of features: financial features, technological features of granted patents, and network-based features derived from firms' connections to their primary technologies. By utilizing ensemble learning algorithms, we demonstrate that incorporating financial features with either technological, network-based features, or both, leads to more accurate high-growth firm predictions compared to using financial features alone. To delve deeper into the matter, we evaluate the predictive power of each individual feature within their respective categories using explainable artificial intelligence methods. Among non-financial features, the maximum economic value of a firm's granted patents and the number of patents related to a firms' primary technologies stand out for their importance. Furthermore, firm size is positively associated with high-growth probability up to a certain threshold size, after which the association plateaus. Conversely, the maximum economic value of a firm's granted patents is positively linked to high-growth probability only after a threshold value is exceeded. These findings elucidate the complex predictive role of various features in forecasting high-growth firms and could inform technological resource allocation as well as investment decisions.
- Abstract（参考訳）: 高成長企業の予測は、技術予測や機械学習コミュニティからの関心が高まりつつある。
既存の研究のほとんどは、これらの予測に財務データを主に利用している。
しかし、研究は、企業の研究開発活動と技術エコシステム内のネットワークポジションが、価値ある予測要因として役立つことを示唆している。
本稿では, 多様な特徴の相対的重要性を解き明かすため, 企業5,071社の財務・特許データを分析し, 財務特徴, 特許特許の技術的特徴, 企業と主要技術とのつながりから派生したネットワーク的特徴の3つのカテゴリを抽出する。
アンサンブル学習アルゴリズムを用いることで、金融機能と技術、ネットワークベースの機能、あるいは両方を組み込むことで、金融機能のみを使用する場合と比較して、より正確な成長率の予測が可能になることを実証する。
この問題を深く掘り下げるために,説明可能な人工知能手法を用いて各カテゴリの個々の特徴の予測力を評価した。
非金融的特徴の中で、企業の付与した特許の最大経済価値と、企業の主要技術に関連する特許の数は、その重要性を際立たせる。
さらに、固形度は、一定の閾値まで高い成長確率と正に関連付けられ、その後、その相関台地が変化する。
逆に、企業の付与した特許の最大経済価値は、しきい値を超えた後にのみ、高い成長確率に肯定的に関連付けられる。
これらの結果は、高度成長企業の予測における様々な特徴の複雑な予測的役割を解明し、技術資源配分や投資決定を通知することができる。
関連論文リスト
- FinRobot: AI Agent for Equity Research and Valuation with Large Language Models [6.2474959166074955]
本稿では、エクイティリサーチに特化したAIエージェントフレームワークであるFinRobotについて述べる。
FinRobotはマルチエージェント・チェーン・オブ・シント(CoT)システムを採用し、定量分析と定性的分析を統合し、人間のアナリストの包括的な推論をエミュレートする。
CapitalCubeやWright Reportsのような既存の自動研究ツールとは異なり、FinRobotは大手ブローカー会社や基礎研究ベンダーと同等の洞察を提供する。
論文 参考訳（メタデータ） (2024-11-13T17:38:07Z) - Artificial intelligence-based blockchain-driven financial default prediction [0.43512163406552007]
ブロックチェーンと人工知能技術は、あらゆる人生で大きな役割を果たしています。
本研究は、信用リスク軽減と金融システムの安定化の観点から、金融機関に金融技術に関する新たな考え方を提供する。
論文 参考訳（メタデータ） (2024-09-27T17:51:48Z) - Detection of financial opportunities in micro-blogging data with a stacked classification system [6.817247544942709]
ツイートの肯定的な予測を検知する新しいシステムを提案する。
具体的には、金融業者にかなりの量のツイートを提示するために、高い検出精度を求める。
3層積み重ね機械学習の分類システムで実現した。
論文 参考訳（メタデータ） (2024-03-29T12:23:44Z) - Predictable Artificial Intelligence [77.1127726638209]
本稿では予測可能なAIのアイデアと課題を紹介する。
それは、現在および将来のAIエコシステムの重要な妥当性指標を予測できる方法を探る。
予測可能性を達成することは、AIエコシステムの信頼、責任、コントロール、アライメント、安全性を促進するために不可欠である、と私たちは主張する。
論文 参考訳（メタデータ） (2023-10-09T21:36:21Z) - Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [51.3422222472898]
ニュース見出しを用いて,ChatGPTのような大規模言語モデル(LLM)の株価変動を予測する能力について述べる。
我々は,情報容量制約,過小反応,制限対アビタージュ,LLMを組み込んだ理論モデルを構築した。
論文 参考訳（メタデータ） (2023-04-15T19:22:37Z) - Factor Investing with a Deep Multi-Factor Model [123.52358449455231]
我々は、業界中立化と市場中立化モジュールを明確な財務見識をもって取り入れた、新しい深層多要素モデルを開発する。
実世界の株式市場データによるテストは、我々の深層多要素モデルの有効性を示している。
論文 参考訳（メタデータ） (2022-10-22T14:47:11Z) - Citations or dollars? Early signals of a firm's research success [0.0]
企業の初期特許の経済的価値は、企業の将来的な研究成功の様々な側面の正確な予測要因であることがわかった。
我々の結果は、企業の研究成功のダイナミックな規則性を明らかにする。
経営戦略や、起業家の育成や人的進歩を加速するための政策を通知することができる。
論文 参考訳（メタデータ） (2021-07-31T10:01:08Z) - Pre-Trained Models: Past, Present and Future [126.21572378910746]
大規模事前訓練モデル(PTM)は近年大きな成功を収め、人工知能(AI)分野におけるマイルストーンとなった。
知識を巨大なパラメータに格納し、特定のタスクを微調整することで、巨大なパラメータに暗黙的にエンコードされた豊富な知識は、さまざまな下流タスクの恩恵を受けることができる。
AIコミュニティが、モデルをスクラッチから学習するのではなく、下流タスクのバックボーンとしてPTMを採用することは、今、コンセンサスになっている。
論文 参考訳（メタデータ） (2021-06-14T02:40:32Z) - Graph Neural Network Based VC Investment Success Prediction [11.527912247719915]
我々は,ノードの豊富な属性とともにネットワーク構造を利用して,漸進的な表現学習機構と逐次学習モデルを設計する。
本手法は,グローバルベンチャーキャピタル投資の包括的データセットを用いて,最先端の予測性能を実現する。
医療やITといった業界のスタートアップの成果を予測するのに長けている。
論文 参考訳（メタデータ） (2021-05-25T14:29:45Z) - Qlib: An AI-oriented Quantitative Investment Platform [86.8580406876954]
AI技術は、量的投資システムに新たな課題を提起した。
Qlibは、その可能性の実現、研究の強化、定量的投資におけるAIテクノロジの価値の創造を目的とする。
論文 参考訳（メタデータ） (2020-09-22T12:57:10Z) - Alpha Discovery Neural Network based on Prior Knowledge [55.65102700986668]
遺伝的プログラミング(GP)は、金融自動化機能構築タスクにおける最先端技術である。
本稿では,分散金融技術指標の自動構築が可能なニューラルネットワーク構造であるAlpha Discovery Neural Network (ADNN)を提案する。
論文 参考訳（メタデータ） (2019-12-26T03:10:17Z)
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。