Fugu-MT 論文翻訳(概要): Trading Graph Neural Network

論文の概要: Trading Graph Neural Network

arxiv url: http://arxiv.org/abs/2504.07923v1
Date: Thu, 10 Apr 2025 17:40:31 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-11 12:24:12.248273
Title: Trading Graph Neural Network
Title（参考訳）: トレーディンググラフニューラルネットワーク
Authors: Xian Wu,
Abstract要約: 本稿では,TGNN(Trding Graph Neural Network)という新しいアルゴリズムを提案する。 TGNNは、トレーディングネットワークにおける資産的特徴、ディーラー的特徴、および関係的特徴が資産価格に与える影響を構造的に推定することができる。
参考スコア（独自算出の注目度）: 37.61581005113347
License:
Abstract: This paper proposes a new algorithm -- Trading Graph Neural Network (TGNN) that can structurally estimate the impact of asset features, dealer features and relationship features on asset prices in trading networks. It combines the strength of the traditional simulated method of moments (SMM) and recent machine learning techniques -- Graph Neural Network (GNN). It outperforms existing reduced-form methods with network centrality measures in prediction accuracy. The method can be used on networks with any structure, allowing for heterogeneity among both traders and assets.
Abstract（参考訳）: 本稿では,従来のモーメントのシミュレーション手法(SMM)と最近の機械学習技術であるグラフニューラルネットワーク(GNN)の強みを組み合わせ,資産特性,ディーラー特徴,関係特徴がトレーディングネットワークの資産価格に与える影響を構造的に推定できる新しいアルゴリズムTGNNを提案する。予測精度において、ネットワーク集中度測定による既存の縮小形式手法よりも優れる。この手法は任意の構造を持つネットワーク上で使用することができ、トレーダーと資産の間の異質性を可能にする。

関連論文リスト

Graph Neural Networks for Learning Equivariant Representations of Neural Networks [55.04145324152541]
本稿では,ニューラルネットワークをパラメータの計算グラフとして表現することを提案する。我々のアプローチは、ニューラルネットワークグラフを多種多様なアーキテクチャでエンコードする単一モデルを可能にする。本稿では,暗黙的ニューラル表現の分類や編集など,幅広いタスクにおける本手法の有効性を示す。
論文参考訳（メタデータ） (2024-03-18T18:01:01Z)
Cryptocurrency Portfolio Optimization by Neural Networks [81.20955733184398]
本稿では,これらの投資商品を活用するために,ニューラルネットワークに基づく効果的なアルゴリズムを提案する。シャープ比を最大化するために、各アセットの割り当て重量を時間間隔で出力するディープニューラルネットワークを訓練する。ネットワークの特定の資産に対するバイアスを規制する新たな損失項を提案し,最小分散戦略に近い割り当て戦略をネットワークに学習させる。
論文参考訳（メタデータ） (2023-10-02T12:33:28Z)
INFLECT-DGNN: Influencer Prediction with Dynamic Graph Neural Networks [4.677411878315618]
INFLuencer prEdiCTion with Dynamic Graph Neural Networks (GNN) and Recurrent Neural Networks (RNN)について述べる。モデル予測に基づく意思決定を支援する,新たな利益主導型フレームワークを提案する。我々の研究は、参照とターゲットマーケティングの分野に重大な影響を及ぼす。
論文参考訳（メタデータ） (2023-07-16T19:04:48Z)
Neural networks can detect model-free static arbitrage strategies [5.639904484784127]
市場が一部を認めると、ニューラルネットワークがモデルのない静的仲裁の機会を検出できることが示される。本手法は取引証券数の多い金融市場に適用でき、対応する取引戦略のほぼ即時実行が保証される。
論文参考訳（メタデータ） (2023-06-19T17:42:40Z)
BScNets: Block Simplicial Complex Neural Networks [79.81654213581977]
グラフ学習における最新の方向性として、SNN(Simplicial Neural Network)が最近登場した。リンク予測のためのBlock Simplicial Complex Neural Networks (BScNets) モデルを提案する。 BScNetsは、コストを抑えながら最先端のモデルよりも大きなマージンを保っている。
論文参考訳（メタデータ） (2021-12-13T17:35:54Z)
Multi-Graph Tensor Networks [23.030263841031633]
本稿では,不規則なデータソースとテンソルネットワークの圧縮特性を深層学習環境で扱えるグラフを利用した新しいMulti-Graph Network(MGTN)フレームワークを提案する。 MGTNにより、FORTX通貨グラフを利用して、この要求されたタスクに経済的に意味のある構造を課し、結果として、3つの競合するモデルに対して非常に優れたパフォーマンスと、劇的に低い複雑性をもたらす。
論文参考訳（メタデータ） (2020-10-25T20:14:57Z)
EWS-GCN: Edge Weight-Shared Graph Convolutional Network for Transactional Banking Data [2.1169216065483996]
取引先間の送金に基づく顧客間の接続情報により、クレジットスコアリングの質が大幅に向上することを示す。本研究では,新しいグラフ畳み込みニューラルネットワークモデル EWS-GCN を開発し,アテンション機構によるグラフ畳み込みとリカレントニューラルネットワークのアイデアを組み合わせた。
論文参考訳（メタデータ） (2020-09-30T12:09:28Z)
Progressive Tandem Learning for Pattern Recognition with Deep Spiking Neural Networks [80.15411508088522]
スパイキングニューラルネットワーク(SNN)は、低レイテンシと高い計算効率のために、従来の人工知能ニューラルネットワーク(ANN)よりも優位性を示している。高速かつ効率的なパターン認識のための新しいANN-to-SNN変換およびレイヤワイズ学習フレームワークを提案する。
論文参考訳（メタデータ） (2020-07-02T15:38:44Z)
Binarized Graph Neural Network [65.20589262811677]
我々は二項化グラフニューラルネットワークを開発し、二項化ネットワークパラメータを用いてノードのバイナリ表現を学習する。提案手法は既存のGNNベースの埋め込み手法にシームレスに統合できる。実験により、提案された二項化グラフニューラルネットワーク、すなわちBGNは、時間と空間の両方の観点から、桁違いに効率的であることが示されている。
論文参考訳（メタデータ） (2020-04-19T09:43:14Z)
Linking Bank Clients using Graph Neural Networks Powered by Rich Transactional Data [2.1169216065483996]
本稿では,ネットワークのトポロジ構造だけでなく,グラフノードやエッジで利用可能な豊富な時系列データを利用する新しいグラフニューラルネットワークモデルを提案する。提案手法は既存の手法よりも優れており,リンク予測問題におけるROC AUCスコアの差が大きく,信用スコアの質の向上も可能である。
論文参考訳（メタデータ） (2020-01-23T10:02:02Z)

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。