論文の概要: Experimenting with Multi-modal Information to Predict Success of Indian IPOs

• arxiv url: http://arxiv.org/abs/2412.16174v1
• Date: Sun, 08 Dec 2024 06:11:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-29 08:29:29.200271
• Title: Experimenting with Multi-modal Information to Predict Success of Indian IPOs
• Title（参考訳）: インドIPO成功予測のためのマルチモーダル情報の実験
• Authors: Sohom Ghosh, Arnab Maji, N Harsha Vardhan, Sudip Kumar Naskar,
• Abstract要約: 我々は、IPOが成功するかどうかを推定するための機械学習と自然言語処理に基づくアプローチについて説明する。 我々は、IPO申請書、マクロ経済要因、市場条件、Grey Market Price等に記載されたさまざまな事実がIPOの成功に与える影響を幅広く研究してきた。
• 参考スコア（独自算出の注目度）: 0.19499277906326778
• License:
• Abstract: With consistent growth in Indian Economy, Initial Public Offerings (IPOs) have become a popular avenue for investment. With the modern technology simplifying investments, more investors are interested in making data driven decisions while subscribing for IPOs. In this paper, we describe a machine learning and natural language processing based approach for estimating if an IPO will be successful. We have extensively studied the impact of various facts mentioned in IPO filing prospectus, macroeconomic factors, market conditions, Grey Market Price, etc. on the success of an IPO. We created two new datasets relating to the IPOs of Indian companies. Finally, we investigated how information from multiple modalities (texts, images, numbers, and categorical features) can be used for estimating the direction and underpricing with respect to opening, high and closing prices of stocks on the IPO listing day.
• Abstract（参考訳）: インド経済の着実な成長により、IPO(Initial Public Offerings)は投資の道として人気がある。 最新のテクノロジーが投資を単純化する中で、より多くの投資家がIPOを購読しながらデータ駆動による意思決定に興味を持っている。 本稿では、IPOが成功するかどうかを推定するための機械学習と自然言語処理に基づくアプローチについて述べる。 我々は、IPO申請書、マクロ経済要因、市場条件、Grey Market Price等に記載されたさまざまな事実がIPOの成功に与える影響を幅広く研究してきた。 インド企業のIPOに関する2つの新しいデータセットを作成しました。 最後に、複数の商品(テキスト、画像、数字、カテゴリー)からの情報を用いて、IPO上場日における株式のオープン、ハイ、クローズ価格について、方向性を推定し、価格を下げる方法について検討した。

関連論文リスト

• News-Driven Stock Price Forecasting in Indian Markets: A Comparative Study of Advanced Deep Learning Models [0.0]
  人工知能(AI)と自然言語処理(NLP)の最近の進歩は、株価予測能力を著しく強化している。 インド国定銀行の30年間の歴史的データを利用して株価を予測している」と述べた。 このアプローチでは,多段長短期記憶(LSTM),Optunaで最適化されたLightGBMを用いたFacebook Prophet,季節自動回帰統合型移動平均(SARIMA)など,最先端のディープラーニングモデルを活用する。
  論文  参考訳（メタデータ） (2024-10-14T15:30:06Z)
• When AI Meets Finance (StockAgent): Large Language Model-based Stock Trading in Simulated Real-world Environments [55.19252983108372]
  LLMによって駆動される、StockAgentと呼ばれるマルチエージェントAIシステムを開発した。 StockAgentを使えば、ユーザーはさまざまな外部要因が投資家取引に与える影響を評価することができる。 AIエージェントに基づく既存のトレーディングシミュレーションシステムに存在するテストセットのリーク問題を回避する。
  論文  参考訳（メタデータ） (2024-07-15T06:49:30Z)
• D2PO: Discriminator-Guided DPO with Response Evaluation Models [63.71853401569461]
  学習を通して嗜好が収集されるオンライン環境において,識別器誘導型DPOであるD2POを提案する。 金の選好を収集する際、これらは政策の訓練だけでなく、銀ラベルによる政策訓練のためのさらに総合的なデータに対する差別的な反応評価モデルを訓練するために利用します。 DPOで政策を訓練し、従来のPPOを上回り、政策モデルから分離した差別者を維持することの恩恵を受けるのが最も効果的である。
  論文  参考訳（メタデータ） (2024-05-02T17:44:41Z)
• Do Weibo platform experts perform better at predicting stock market? [0.8999666725996978]
  Weiboのソーシャルネットワーキングプラットフォームは、感情データ収集のソースとして使用されている。 Weiboのユーザは、認可金融アドバイザー(AFA)と無認可金融アドバイザー(UFA)グループに分けられる。 香港ハンセン指数は、歴史的株式市場の変化データを抽出するために使用されている。
  論文  参考訳（メタデータ） (2024-02-12T10:04:54Z)
• E2EAI: End-to-End Deep Learning Framework for Active Investing [123.52358449455231]
  本稿では, ファクタ選択, ファクタ組み合わせ, 株式選択, ポートフォリオ構築を通じて, ファクター投資のほぼ全過程をカバーするE2Eを提案する。 実際の株式市場データの実験は、アクティブ投資におけるエンドツーエンドのディープ・リーン・フレームワークの有効性を示している。
  論文  参考訳（メタデータ） (2023-05-25T10:27:07Z)
• 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)
• Transformer-Based Deep Learning Model for Stock Price Prediction: A Case Study on Bangladesh Stock Market [0.0]
  本稿では、ダッカ証券取引所(DSE)に上場する8銘柄の価格変動を予測するためのトランスフォーマーモデルの適用に焦点を当てる。 本実験は,ほとんどの株式において有望な結果と許容される根平均二乗誤差を示すものである。
  論文  参考訳（メタデータ） (2022-08-17T14:03:28Z)
• A Data-Driven Framework for Identifying Investment Opportunities in Private Equity [0.0]
  本稿では、投資機会の自動スクリーニングのためのフレームワークを提案する。 このフレームワークは、企業の財務的および管理的立場を評価するために、複数のソースからデータを引き出す。 次に、説明可能な人工知能(XAI)エンジンを使用して投資勧告を提案する。
  論文  参考訳（メタデータ） (2022-04-04T21:28:34Z)
• Stock price prediction using BERT and GAN [0.0]
  本稿では、株価を予測するための最先端の手法の集合体を提案する。 これはGoogle for Natural Language Processing (NLP)によって事前訓練されたトランスフォーマーモデルであるBERTのバージョンを使用している。 その後、GAN(Generative Adversarial Network)は、Apple Inc.の株価を、技術指標、さまざまな国の株価指数、いくつかの商品、そして歴史的価格と評価スコアを用いて予測する。
  論文  参考訳（メタデータ） (2021-07-18T18:31:43Z)
• REST: Relational Event-driven Stock Trend Forecasting [76.08435590771357]
  既存の手法の欠点に対処するために,rest(relational event-driven stock trend forecasting)フレームワークを提案する。 第1の欠点を是正するため,我々は,株価の文脈をモデル化し,異なる状況下での株価に対する事象情報の影響を学ぶことを提案する。 第2の欠点に対処するために,ストックグラフを構築し,関連する株からイベント情報の影響を伝達する新しい伝播層を設計する。
  論文  参考訳（メタデータ） (2021-02-15T07:22:09Z)
• 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。