論文の概要: Predicting Company Growth by Econophysics informed Machine Learning

• arxiv url: http://arxiv.org/abs/2410.17587v1
• Date: Wed, 23 Oct 2024 06:30:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-24 13:54:22.275551
• Title: Predicting Company Growth by Econophysics informed Machine Learning
• Title（参考訳）: Ecoophysicsによる機械学習による企業成長予測
• Authors: Ruyi Tao, Kaiwei Liu, Xu Jing, Jiang Zhang,
• Abstract要約: 本稿では,企業成長のためのエコノフィックモデルを組み込んだ機械学習に基づく予測フレームワークを提案する。 当社のモデルでは,法をスケールする企業固有の成長メカニズムと,ランダムな要因や個人的意思決定の影響による変動の両面を捉えている。
• 参考スコア（独自算出の注目度）: 1.0790314700764785
• License:
• Abstract: Predicting company growth is crucial for strategic adjustment, operational decision-making, risk assessment, and loan eligibility reviews. Traditional models for company growth often focus too much on theory, overlooking practical forecasting, or they rely solely on time series forecasting techniques, ignoring interpretability and the inherent mechanisms of company growth. In this paper, we propose a machine learning-based prediction framework that incorporates an econophysics model for company growth. Our model captures both the intrinsic growth mechanisms of companies led by scaling laws and the fluctuations influenced by random factors and individual decisions, demonstrating superior predictive performance compared with methods that use time series techniques alone. Its advantages are more pronounced in long-range prediction tasks. By explicitly modeling the baseline growth and volatility components, our model is more interpretable.
• Abstract（参考訳）: 企業成長の予測は、戦略的調整、運用上の意思決定、リスク評価、融資適格性レビューに不可欠である。 企業成長の伝統的なモデルは、しばしば理論に重きを置きすぎ、現実的な予測技術を見越すか、あるいは、企業成長の解釈可能性や固有のメカニズムを無視して、時系列予測技術にのみ依存する。 本稿では,企業成長のためのエコノフィックモデルを組み込んだ機械学習に基づく予測フレームワークを提案する。 本モデルでは,法則のスケーリングによる企業内生的成長機構と,ランダムな要因や個人的決定の影響による変動の両面を捉え,時系列技術のみを用いた手法に比べて優れた予測性能を示す。 その利点は、長距離予測タスクにおいてより顕著である。 ベースライン成長とボラティリティコンポーネントを明示的にモデル化することで、我々のモデルはより解釈可能である。

関連論文リスト

• Machine Learning for Economic Forecasting: An Application to China's GDP Growth [2.899333881379661]
  本稿は、中国における四半期ごとのGDP成長を予測するために、さまざまな機械学習モデルを用いている。 これらのモデルのパフォーマンスの違いに寄与する要因を分析します。
  論文  参考訳（メタデータ） (2024-07-04T03:04:55Z)
• Predictive Churn with the Set of Good Models [64.05949860750235]
  近似機械学習モデルの集合に対する競合予測の効果について検討する。 ラーショモン集合内のモデル間の係り受けに関する理論的結果を示す。 当社のアプローチは、コンシューマ向けアプリケーションにおいて、より予測し、削減し、混乱を避けるためにどのように使用できるかを示します。
  論文  参考訳（メタデータ） (2024-02-12T16:15:25Z)
• Financial Time-Series Forecasting: Towards Synergizing Performance And Interpretability Within a Hybrid Machine Learning Approach [2.0213537170294793]
  本稿では、ハイブリッド機械学習アルゴリズムの比較研究を行い、モデル解釈可能性の向上に活用する。 本稿では,金融時系列予測において出現する潜伏関係や複雑なパターンの発掘を目的とした,分解,自己相関関数,指数的三重予測など,時系列統計の事前処理技術に関する体系的な概要を述べる。
  論文  参考訳（メタデータ） (2023-12-31T16:38:32Z)
• 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)
• Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics in Limit-Order Book Markets [84.90242084523565]
  伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。 最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。 予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
  論文  参考訳（メタデータ） (2022-03-07T18:59:54Z)
• Economic Recession Prediction Using Deep Neural Network [26.504845007567972]
  本稿では,米国における景気後退の開始と終了を予測するための最も正確なモデルとして,オートエンコーダを用いたBi-LSTMの深層学習手法を同定する。 我々は、さまざまな機械学習モデルの能力を比較して、サンプル内とサンプル外の両方で優れた予測を生成するために、一般的なマクロおよびマーケットコンディション機能を採用する。
  論文  参考訳（メタデータ） (2021-07-21T22:55:14Z)
• Low-Rank Temporal Attention-Augmented Bilinear Network for financial time-series forecasting [93.73198973454944]
  ディープラーニングモデルは、金融時系列データの予測問題など、さまざまな領域から来る多くの問題において、大幅なパフォーマンス改善をもたらしている。 近年,制限順序書の時系列予測の効率的かつ高性能なモデルとして,時間的注意強化バイリニアネットワークが提案されている。 本稿では,モデルの低ランクテンソル近似を提案し,トレーニング可能なパラメータの数をさらに削減し,その速度を向上する。
  論文  参考訳（メタデータ） (2021-07-05T10:15:23Z)
• Test-time Collective Prediction [73.74982509510961]
  マシンラーニングの複数のパーティは、将来のテストポイントを共同で予測したいと考えています。 エージェントは、すべてのエージェントの集合の集合的な専門知識の恩恵を受けることを望んでいるが、データやモデルパラメータを解放する意思はないかもしれない。 我々は、各エージェントの事前学習モデルを利用して、テスト時に集合的な予測を行う分散型メカニズムを探索する。
  論文  参考訳（メタデータ） (2021-06-22T18:29:58Z)
• Forethought and Hindsight in Credit Assignment [62.05690959741223]
  我々は、前向きモデルや後向きモデルによる後向き操作による予測として使われる計画の利益と特異性を理解するために活動する。 本稿では,予測を(再)評価すべき状態の選択に主眼を置いて,計画におけるモデルの利用について検討する。
  論文  参考訳（メタデータ） (2020-10-26T16:00:47Z)
• Using Machine Learning to Forecast Future Earnings [2.476455202580687]
  我々は,企業基本の予測に基づいて,機械学習モデルの適用可能性と適合性を評価した。 我々のモデルは、アナリストが企業の基本についてより良い予測を行うのに好適な補助ツールとして機能することがすでに証明されている。
  論文  参考訳（メタデータ） (2020-05-26T16:39:38Z)
• Introduction to Rare-Event Predictive Modeling for Inferential Statisticians -- A Hands-On Application in the Prediction of Breakthrough Patents [0.0]
  本稿では,予測性能の最適化を目的とした定量的分析のための機械学習(ML)手法を提案する。 両フィールド間の潜在的な相乗効果について考察する。 我々は,コンピュータサイエンスの用語のデミスティフィケーションを目指して,定量的な社会科学の聴衆に手持ちの予測モデルの導入を行っている。
  論文  参考訳（メタデータ） (2020-03-30T13:06:25Z)

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。