論文の概要: Prediction of Brent crude oil price based on LSTM model under the background of low-carbon transition
- arxiv url: http://arxiv.org/abs/2409.12376v1
- Date: Thu, 19 Sep 2024 00:25:22 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-07 15:14:47.111136
- Title: Prediction of Brent crude oil price based on LSTM model under the background of low-carbon transition
- Title（参考訳）: 低炭素遷移を背景にしたLSTMモデルに基づくブレント原油価格の予測
- Authors: Yuwen Zhao, Baojun Hu, Sizhe Wang,
- Abstract要約: 本稿では,3層のLSTMユニットを用いた深層学習モデルを用いて,数日後の原油価格の予測を行う。
その結果、LSTMモデルは、急激な価格変動の時期に多少のずれがあるにもかかわらず、全体的な価格トレンドを捉えるのによく機能することが示された。
- 参考スコア（独自算出の注目度）: 1.7068557927955383
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the field of global energy and environment, crude oil is an important strategic resource, and its price fluctuation has a far-reaching impact on the global economy, financial market and the process of low-carbon development. In recent years, with the gradual promotion of green energy transformation and low-carbon development in various countries, the dynamics of crude oil market have become more complicated and changeable. The price of crude oil is not only influenced by traditional factors such as supply and demand, geopolitical conflict and production technology, but also faces the challenges of energy policy transformation, carbon emission control and new energy technology development. This diversified driving factor makes the prediction of crude oil price not only very important in economic decision-making and energy planning, but also a key issue in financial markets.In this paper, the spot price data of European Brent crude oil provided by us energy information administration are selected, and a deep learning model with three layers of LSTM units is constructed to predict the crude oil price in the next few days. The results show that the LSTM model performs well in capturing the overall price trend, although there is some deviation during the period of sharp price fluctuation. The research in this paper not only verifies the applicability of LSTM model in energy market forecasting, but also provides data support for policy makers and investors when facing the uncertainty of crude oil price.
- Abstract（参考訳）: 世界のエネルギー・環境分野において、原油は重要な戦略的資源であり、その価格変動は世界経済、金融市場、低炭素開発プロセスに大きな影響を与えている。
近年、各国の温暖化と低炭素化の進展に伴い、原油市場の動態は複雑化し、変化しやすくなっている。
原油価格は、供給や需要、地政学的な対立、生産技術といった伝統的な要因に影響されるだけでなく、エネルギー政策転換、二酸化炭素排出抑制、新しいエネルギー技術開発といった課題に直面している。
この多角化要因により、原油価格の予測は、経済意思決定やエネルギー計画において重要なだけでなく、金融市場においても重要な問題となり、エネルギー情報管理による欧州ブレント原油のスポット価格データが選択され、3層LSTM単位の深層学習モデルが構築され、今後数日で原油価格が予測される。
その結果、LSTMモデルは、急激な価格変動の時期に多少のずれがあるにもかかわらず、全体的な価格トレンドを捉えるのによく機能することが示された。
本稿では,エネルギー市場予測におけるLSTMモデルの適用性を検証するとともに,原油価格の不確実性に直面した政策立案者や投資家にデータ支援を提供する。
関連論文リスト
- Unifying Economic and Language Models for Enhanced Sentiment Analysis of the Oil Market [0.0699049312989311]
原油は世界経済の重要な要素であり、経済動向、政治的出来事、自然災害など様々な要因の影響を受けている。
自然言語処理の最近の進歩は、イベントベースの分析に新たな可能性をもたらす。
原油市場に特化した微調整LMであるCrudeBERTを紹介する。
論文 参考訳（メタデータ） (2024-10-16T11:41:24Z) - CrudeBERT: Applying Economic Theory towards fine-tuning
Transformer-based Sentiment Analysis Models to the Crude Oil Market [0.15293427903448023]
CrudeBERTは、コンテキスト化と微調整を行うためにこれらのイベントを引き出す新しい感情分析モデルである。
CrudeBERTは原油の領域において、プロプライエタリおよびオープンソースソリューションよりも優れた性能を示す。
論文 参考訳（メタデータ） (2023-05-10T13:42:56Z) - Carbon Price Forecasting with Quantile Regression and Feature Selection [4.973858621819144]
いくつかの新しい手法で炭素価格予測を改善することを提案する。
商品価格、石油や天然ガスなどの輸出量、繁栄指標など、さまざまな影響要因を収集する。
Sparse Quantile Group Lasso と Adaptive Sparse Quantile Group Lasso を用いて価格予測を行う。
論文 参考訳（メタデータ） (2023-05-05T01:02:08Z) - The Interpretability of LSTM Models for Predicting Oil Company Stocks:
Impact of Correlated Features [0.0]
本研究では,石油在庫予測のための長短期記憶(LSTM)citeec04モデルの解釈性に及ぼす相関特性の影響について検討した。
本研究の目的は、原油価格、金価格、米ドルといった市場に影響を与える複数の要因を考慮し、株価予測の精度を向上させることである。
論文 参考訳（メタデータ） (2022-01-02T12:52:37Z) - Forecasting Crude Oil Price Using Event Extraction [2.132096006921048]
新たな原油価格予測フレームワークであるAGESLが,この問題に対処するために提案されている。
提案手法では,オープンドメインイベント抽出アルゴリズムを用いて関連するイベントを抽出する。
次に、将来の原油価格を予測するために、ニュースイベントの特徴、感傷的特徴、歴史的価格特徴を統合するディープニューラルネットワークを構築します。
論文 参考訳（メタデータ） (2021-11-14T08:48:43Z) - Modelling the transition to a low-carbon energy supply [91.3755431537592]
気候変動の影響を制限するため、低炭素電力供給への移行が不可欠である。
二酸化炭素排出量の削減は、世界がピーク点に達するのを防ぐのに役立ちます。
排気ガスの排出は、世界中の気象条件の極端に繋がる可能性がある。
論文 参考訳（メタデータ） (2021-09-25T12:37:05Z) - Exploring market power using deep reinforcement learning for intelligent
bidding strategies [69.3939291118954]
キャパシティが1年の平均的な電力価格に影響を及ぼすことがわかりました。
$sim$25%と$sim$11%の値は、市場構造と国によって異なる可能性がある。
平均市場価格の約2倍の市場上限の使用は、この効果を著しく減少させ、競争力のある市場を維持する効果があることを観察する。
論文 参考訳（メタデータ） (2020-11-08T21:07:42Z) - Hybrid Modelling Approaches for Forecasting Energy Spot Prices in EPEC
market [62.997667081978825]
EPEC市場におけるエネルギースポット価格予測のためのハイブリッドモデリング手法について検討する。
データは2013-2014年の電力価格、2015年のテストデータで提供された。
論文 参考訳（メタデータ） (2020-10-14T12:45:53Z) - A Multi-Agent Deep Reinforcement Learning Approach for a Distributed
Energy Marketplace in Smart Grids [58.666456917115056]
本稿では,マイクログリッドを支配下に置くために,強化学習に基づくエネルギー市場を提案する。
提案する市場モデルにより,リアルタイムかつ需要に依存した動的価格設定環境が実現され,グリッドコストが低減され,消費者の経済的利益が向上する。
論文 参考訳（メタデータ） (2020-09-23T02:17:51Z) - A Deep Reinforcement Learning Framework for Continuous Intraday Market
Bidding [69.37299910149981]
再生可能エネルギー源統合の成功の鍵となる要素は、エネルギー貯蔵の利用である。
欧州の継続的な日内市場におけるエネルギー貯蔵の戦略的関与をモデル化するための新しい枠組みを提案する。
本アルゴリズムの分散バージョンは, サンプル効率のため, この問題を解決するために選択される。
その結果, エージェントは, ベンチマーク戦略よりも平均的収益率の高い政策に収束することが示唆された。
論文 参考訳（メタデータ） (2020-04-13T13:50:13Z) - Reinforcement-Learning based Portfolio Management with Augmented Asset
Movement Prediction States [71.54651874063865]
ポートフォリオマネジメント(PM)は、最大利益や最小リスクといった投資目標を達成することを目的としている。
本稿では,PMのための新しいステート拡張RLフレームワークであるSARLを提案する。
当社の枠組みは, 金融PMにおける2つのユニークな課題に対処することを目的としている。(1) データの異種データ -- 資産毎の収集情報は通常, 多様性, ノイズ, 不均衡(ニュース記事など), (2) 環境の不確実性 -- 金融市場は多様で非定常である。
論文 参考訳（メタデータ） (2020-02-09T08:10:03Z)
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。