論文の概要: Pricing Weather Derivatives: A Time Series Neural Network Approach

• arxiv url: http://arxiv.org/abs/2411.12013v1
• Date: Mon, 18 Nov 2024 19:54:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-28 17:07:48.914312
• Title: Pricing Weather Derivatives: A Time Series Neural Network Approach
• Title（参考訳）: 価格デリバティブ:時系列ニューラルネットワークアプローチ
• Authors: Marco Hening-Tallarico, Pablo Olivares,
• Abstract要約: 我々は,トロントとシカゴのパシフィックリム指数を評価するために,時系列予測とニューラルネットワークアプローチを用いた。 本研究の目的は,気温と降水量に基づく気象デリバティブ契約を基礎となる気候変数として価格設定することである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The objective of the paper is to price weather derivative contracts based on temperature and precipitation as underlying climate variables. We use a neural network approach combined with time series forecast to value Pacific Rim index in Toronto and Chicago
• Abstract（参考訳）: 本研究の目的は,気温と降水量に基づく気象デリバティブ契約を基礎となる気候変数として価格設定することである。 トロントとシカゴのパシフィックリム指数を評価するために,時系列予測とニューラルネットワークを用いたアプローチ

関連論文リスト

• Localized Weather Prediction Using Kolmogorov-Arnold Network-Based Models and Deep RNNs [0.0]
  本研究では,2つの熱帯都市の気温,降水量,気圧を毎日予測するために,textttLSTM, GRU, BiLSTM, BiGRU$, Kolmogorov-Arnold ベースのモデル $(texttKAN および textttTKAN)$ などの深部リカレントニューラルネットワークをベンチマークする。 元の$textttSiLU$ アクティベーション関数を $ textttGeLU$ と $ textttGeLU$ に置き換える。
  論文  参考訳（メタデータ） (2025-05-27T18:01:57Z)
• Forecasting Cryptocurrency Prices using Contextual ES-adRNN with Exogenous Variables [3.0108936184913295]
  指数的スムーシング(ES)とリカレントニューラルネットワーク(RNN)を組み合わせたハイブリッドコンテキストモデルを用いて、暗号通貨価格を多変量予測する新しいアプローチを提案する。 このモデルは1日、1週間、1週間、4週間の地平線で1日毎の予測と予測間隔の両方を生成する。 我々は17の入力変数に基づいて15の暗号通貨の価格を予測し、その性能を統計モデルとMLモデルの両方と比較して比較する。
  論文  参考訳（メタデータ） (2025-04-11T20:00:03Z)
• Towards Location-Specific Precipitation Projections Using Deep Neural Networks [0.0]
  本研究では,局別降水近似において,深部ニューラルネットワーク(DNN)を利用してKrigingのような従来の手法を超越したパラダイムシフトを提案する。 本稿では,降水量,標高,位置を利用したNNアーキテクチャと,湿度,温度,風速などの気象パラメータを付加したNNアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-03-18T10:12:17Z)
• Coarse Graining with Neural Operators for Simulating Chaotic Systems [78.64101336150419]
  カオスシステムの長期的挙動を予測することは、気候モデリングなどの様々な応用に不可欠である。 このような完全解法シミュレーションに対する別のアプローチは、粗いグリッドを使用して、時間テキストモデルによってエラーを修正することである。 この制限を克服する物理インフォームド・ニューラル演算子(PINO)を用いたエンド・ツー・エンドの学習手法を提案する。
  論文  参考訳（メタデータ） (2024-08-09T17:05:45Z)
• Generating Fine-Grained Causality in Climate Time Series Data for Forecasting and Anomaly Detection [67.40407388422514]
  我々は、TBN Granger Causalityという概念的微粒因果モデルを設計する。 次に, TBN Granger Causality を生成的に発見する TacSas という, エンドツーエンドの深部生成モデルを提案する。 気候予報のための気候指標ERA5と、極度気象警報のためのNOAAの極端気象基準でTacSasを試験する。
  論文  参考訳（メタデータ） (2024-08-08T06:47:21Z)
• Interval Forecasts for Gas Prices in the Face of Structural Breaks -- Statistical Models vs. Neural Networks [0.0]
  ニューラルネットワークのような現代の機械学習手法が、このような変化に対してより耐性があるかどうかを検討する。 衝撃期においては、ほとんどのモデルでは、余震期における分散を過大評価しながら、分散を過小評価している。 興味深いことに、広く使われている長短のニューラルネットワークは、競合他社よりも優れています。
  論文  参考訳（メタデータ） (2024-07-23T11:34:13Z)
• Encoding Seasonal Climate Predictions for Demand Forecasting with Modular Neural Network [0.8378605337114742]
  本稿では,サプライチェーン機能に対する堅牢で信頼性の高い時系列予測を提供するため,季節的気候予測を符号化する新しい枠組みを提案する。 本実験は, 季節気候予測をモデル化し, 複数の実世界のデータセットに対して約13%から17%の誤差低減を達成できることを示す。
  論文  参考訳（メタデータ） (2023-09-05T13:58:59Z)
• Extreme heatwave sampling and prediction with analog Markov chain and comparisons with deep learning [0.0]
  本研究では,フランスとスカンジナビアにおける熱波の確率推定に適したデータ駆動型エミュレータ,天気発生器(SWG)を提案する。 我々は,中間複雑性気候モデルを用いてエミュレータを訓練し,サンプルからの熱波の条件付き確率(予測)を予測することができることを示した。 SWGによる確率的予測は、畳み込みニューラルネットワーク(CNN)による予測と比較される。
  論文  参考訳（メタデータ） (2023-07-18T08:25:14Z)
• Hedonic Prices and Quality Adjusted Price Indices Powered by AI [4.125713429211907]
  我々は、大量の非構造化製品データを処理する経験的ヘドニックモデルを開発する。 我々は正確なヘドニック価格推定と導出指標を生成する。 我々は、AIベースのヘドニックフィッシャー価格指数を構築し、年々の頻度でチェーンする。
  論文  参考訳（メタデータ） (2023-04-28T18:37:59Z)
• Continuous time recurrent neural networks: overview and application to forecasting blood glucose in the intensive care unit [56.801856519460465]
  連続時間自己回帰リカレントニューラルネットワーク(Continuous Time Autoregressive Recurrent Neural Network, CTRNN)は、不規則な観測を考慮に入れたディープラーニングモデルである。 重篤なケア環境下での血糖値の確率予測へのこれらのモデルの適用を実証する。
  論文  参考訳（メタデータ） (2023-04-14T09:39:06Z)
• ClimaX: A foundation model for weather and climate [51.208269971019504]
  ClimaXは気象と気候科学のディープラーニングモデルである。 気候データセットの自己教師型学習目標で事前トレーニングすることができる。 気候や気候の様々な問題に対処するために、微調整が可能である。
  論文  参考訳（メタデータ） (2023-01-24T23:19:01Z)
• Pangu-Weather: A 3D High-Resolution Model for Fast and Accurate Global Weather Forecast [91.9372563527801]
  我々は,世界天気予報を迅速かつ高精度に予測するためのディープラーニングベースのシステムであるPangu-Weatherを紹介する。 初めてAIベースの手法が、最先端の数値天気予報法(NWP)を精度で上回った。 Pangu-Weatherは、極端な天気予報や大規模なアンサンブル予測など、幅広い下流予測シナリオをサポートしている。
  論文  参考訳（メタデータ） (2022-11-03T17:19:43Z)
• Intelligent Spatial Interpolation-based Frost Prediction Methodology using Artificial Neural Networks with Limited Local Data [3.3607307817827032]
  本研究の目的は,凍害予測のための現場の歴史的データやセンサへの依存を解消することである。 これらのモデルは、既存の気象観測所の気候データ、デジタル標高モデルサーベイ、および正規化差植生指数データを用いて、目標地点の次の1時間最低気温を推定する。
  論文  参考訳（メタデータ） (2022-04-15T21:14:07Z)
• Forecasting large-scale circulation regimes using deformable convolutional neural networks and global spatiotemporal climate data [86.1450118623908]
  変形可能な畳み込みニューラルネットワーク(deCNN)に基づく教師あり機械学習手法の検討 今後1～15日にわたって北大西洋-欧州の気象条件を予測した。 より広い視野で見れば、通常の畳み込みニューラルネットワークよりも5～6日を超えるリードタイムでかなり優れた性能を発揮することが分かる。
  論文  参考訳（メタデータ） (2022-02-10T11:37:00Z)
• Datamodels: Predicting Predictions from Training Data [86.66720175866415]
  本稿では,モデルクラスの振る舞いを学習データの観点から分析するための概念的枠組みであるデータモデリングについて述べる。 単純な線形データモデルであっても、モデル出力をうまく予測できることが示される。
  論文  参考訳（メタデータ） (2022-02-01T18:15:24Z)
• Inverting brain grey matter models with likelihood-free inference: a tool for trustable cytoarchitecture measurements [62.997667081978825]
  脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。 我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。 次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
  論文  参考訳（メタデータ） (2021-11-15T09:08:27Z)
• On projection methods for functional time series forecasting [0.0]
  関数時系列(FTS)予測のための2つの非パラメトリック手法 一段階の予測と動的更新の両方に対処する。 これらの方法は、シミュレーションデータ、日々の電力需要、NOx排出に適用される。
  論文  参考訳（メタデータ） (2021-05-10T14:24:38Z)
• Forecasting The JSE Top 40 Using Long Short-Term Memory Networks [1.6114012813668934]
  本稿では、長期記憶ネットワークを用いて、JSEトップ40インデックスのリターンデータに基づいて財務時系列予測を行う。 本稿では,長期記憶ネットワークが季節的自己回帰統合移動平均モデルより優れていることを結論する。
  論文  参考訳（メタデータ） (2021-04-20T09:39:38Z)
• Radflow: A Recurrent, Aggregated, and Decomposable Model for Networks of Time Series [77.47313102926017]
  Radflowは、お互いに影響を与える時系列ネットワークの新しいモデルである。 それは3つの重要なアイデアを具現化します:時間に依存するノード埋め込み、マルチヘッドの注意を持つ隣接するノードからの影響の流れの集約、および時系列の多層分解を得るための繰り返しニューラルネットワーク。 radflowは異なる傾向や季節パターンを学習でき、欠落したノードやエッジに対して頑健であり、ネットワークの隣人間の時間パターンの相関は影響強度を反映している。
  論文  参考訳（メタデータ） (2021-02-15T00:57:28Z)
• Generative Temporal Difference Learning for Infinite-Horizon Prediction [101.59882753763888]
  我々は、無限確率的地平線を持つ環境力学の予測モデルである$gamma$-modelを導入する。 トレーニングタイムとテストタイムの複合的なエラーの間には、そのトレーニングが避けられないトレードオフを反映しているかについて議論する。
  論文  参考訳（メタデータ） (2020-10-27T17:54:12Z)
• Deep learning for gravitational-wave data analysis: A resampling white-box approach [62.997667081978825]
  我々は、LIGO検出器からの単一干渉計データを用いて、畳み込みニューラルネットワーク(CNN)を用いて、コンパクトなバイナリコレッセンスにおける重力波(GW)信号を検出する。 CNNはノイズを検出するのに非常に正確だが、GW信号のリコールに十分な感度がないため、CNNはGWトリガの生成よりもノイズ低減に適している。
  論文  参考訳（メタデータ） (2020-09-09T03:28:57Z)
• A generative adversarial network approach to (ensemble) weather prediction [91.3755431537592]
  本研究では,500hPaの圧力レベル,2m温度,24時間の総降水量を予測するために,条件付き深部畳み込み生成対向ネットワークを用いた。 提案されたモデルは、2019年に関連する気象分野を予測することを目的として、2015年から2018年までの4年間のERA5の再分析データに基づいて訓練されている。
  論文  参考訳（メタデータ） (2020-06-13T20:53:17Z)
• Stock Price Prediction Using Convolutional Neural Networks on a Multivariate Timeseries [0.0]
  機械学習アプローチを使用して様々な予測モデルを構築し、そのモデルを使用して、2019年のNIFTY 50のクローズバリューを予測する。 NIFTY指数運動パターンの予測には,多くの分類法を用い,NIFTY指数の実際の閉値の予測には様々な回帰モデルを構築した。 我々は、予測に使用する変数の数が異なる3つのアプローチを用いて、将来のNIFTY指数値を予測する際のCNNの力を利用する。
  論文  参考訳（メタデータ） (2020-01-10T03:27:08Z)

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。