Fugu-MT 論文翻訳(概要): Transformer Based Time-Series Forecasting for Stock

論文の概要: Transformer Based Time-Series Forecasting for Stock

arxiv url: http://arxiv.org/abs/2502.09625v1
Date: Wed, 29 Jan 2025 00:26:47 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-02 04:52:21.475036
Title: Transformer Based Time-Series Forecasting for Stock
Title（参考訳）: 変圧器を用いた株の時系列予測
Authors: Shuozhe Li, Zachery B Schulwol, Risto Miikkulainen,
Abstract要約: これは、世界中の数億人の小売業者やプロのトレーダーが市場が開く前に1秒ごとにしようとしている、最も難しい予測タスクの1つだ。近年の機械学習の発展と、市場が長年にわたって生み出しているデータ量により、ディープラーニングニューラルネットワークのような機械学習技術の適用は避けられない。
参考スコア（独自算出の注目度）: 9.437599568164869
License:
Abstract: To the naked eye, stock prices are considered chaotic, dynamic, and unpredictable. Indeed, it is one of the most difficult forecasting tasks that hundreds of millions of retail traders and professional traders around the world try to do every second even before the market opens. With recent advances in the development of machine learning and the amount of data the market generated over years, applying machine learning techniques such as deep learning neural networks is unavoidable. In this work, we modeled the task as a multivariate forecasting problem, instead of a naive autoregression problem. The multivariate analysis is done using the attention mechanism via applying a mutated version of the Transformer, "Stockformer", which we created.
Abstract（参考訳）: 裸眼では、株価はカオス的、動的、予測不能であると考えられている。実際、市場が開く前に数億人の小売業者やプロのトレーダーが1秒ごとにやろうとしている、最も難しい予測タスクの1つだ。近年の機械学習の発展と、市場が長年にわたって生み出しているデータ量により、ディープラーニングニューラルネットワークのような機械学習技術の適用は避けられない。本研究では,本課題を,単純自己回帰問題ではなく,多変量予測問題としてモデル化した。多変量解析は、私たちが作成した Transformer の可変バージョン "Stockformer" を適用して、アテンションメカニズムを用いて行われる。

関連論文リスト

Higher Order Transformers: Enhancing Stock Movement Prediction On Multimodal Time-Series Data [10.327160288730125]
我々は,高次変圧器の導入により,金融市場の株価変動を予測するという課題に取り組む。我々は、自己保持機構とトランスフォーマーアーキテクチャを高次に拡張し、時間と変数の複雑な市場ダイナミクスを効果的に捉える。本稿では,歴史的価格と関連するつぶやきからのマルチモーダル信号を利用して,技術的および基本的分析を統合するエンコーダ・デコーダモデルを提案する。
論文参考訳（メタデータ） (2024-12-13T20:26:35Z)
MCI-GRU: Stock Prediction Model Based on Multi-Head Cross-Attention and Improved GRU [15.232546605091818]
本稿では,多頭部クロスアテンション機構と改良型GRUに基づくストック予測モデルMCI-GRUを提案する。 4つの主要株式市場での実験では、提案手法は複数の指標でSOTA技術を上回っている。
論文参考訳（メタデータ） (2024-09-25T14:37:49Z)
Quantformer: from attention to profit with a quantitative transformer trading strategy [1.6006550105523192]
この研究は2010年から2019年にかけて、中国資本市場における4,601株の5000,000以上の転がるデータを集めている。本研究は、他の100因子量的戦略と比較して、株価トレンド予測におけるモデルの性能が優れていることを示した。
論文参考訳（メタデータ） (2024-03-30T17:18:00Z)
In-Context Convergence of Transformers [63.04956160537308]
勾配降下法により訓練したソフトマックスアテンションを有する一層変圧器の学習力学について検討した。不均衡な特徴を持つデータに対しては、学習力学が段階的に収束する過程をとることを示す。
論文参考訳（メタデータ） (2023-10-08T17:55:33Z)
Diffusion Variational Autoencoder for Tackling Stochasticity in Multi-Step Regression Stock Price Prediction [54.21695754082441]
長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
論文参考訳（メタデータ） (2023-08-18T16:21:15Z)
Augmented Bilinear Network for Incremental Multi-Stock Time-Series Classification [83.23129279407271]
本稿では,有価証券のセットで事前学習したニューラルネットワークで利用可能な知識を効率的に保持する手法を提案する。本手法では,既存の接続を固定することにより,事前学習したニューラルネットワークに符号化された事前知識を維持する。この知識は、新しいデータを用いて最適化された一連の拡張接続によって、新しい証券に対して調整される。
論文参考訳（メタデータ） (2022-07-23T18:54:10Z)
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)
Bilinear Input Normalization for Neural Networks in Financial Forecasting [101.89872650510074]
本稿では,高頻度金融時系列を扱うディープニューラルネットワークのための新しいデータ駆動正規化手法を提案する。提案手法は,財務時系列のバイモーダル特性を考慮したものである。我々の実験は最先端のニューラルネットワークと高周波データを用いて行われ、他の正規化技術よりも大幅に改善された。
論文参考訳（メタデータ） (2021-09-01T07:52:03Z)
Taking Over the Stock Market: Adversarial Perturbations Against Algorithmic Traders [47.32228513808444]
本稿では,敵対的学習手法を用いて,攻撃者がアルゴリズム取引システムに影響を与える現実的なシナリオを提案する。入力ストリームに追加されると、我々の摂動は将来目に見えないデータポイントのトレーディングアルゴリズムを騙すことができることを示す。
論文参考訳（メタデータ） (2020-10-19T06:28:05Z)
Multi-future Merchant Transaction Prediction [11.479583812869645]
商人の将来を予測する能力は、不正検出とレコメンデーションシステムに不可欠である。本稿では,畳み込みニューラルネットワークと,時系列パターンを学習するための簡単なエンコーダ・デコーダ構造を用いた新しいモデルを提案する。
論文参考訳（メタデータ） (2020-07-10T11:07:32Z)
Time-varying neural network for stock return prediction [0.0]
オンライン早期停止アルゴリズムを用いてトレーニングされたニューラルネットワークは、未知のダイナミクスで変化する関数を追跡することができることを示す。また,その要因(サイズや運動量の影響など)や業界指標が,株価回復予測の時間変化を示すことも示している。
論文参考訳（メタデータ） (2020-03-05T10:16:13Z)

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。