論文の概要: Predictive AI with External Knowledge Infusion for Stocks

• arxiv url: http://arxiv.org/abs/2504.20058v1
• Date: Mon, 14 Apr 2025 14:15:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-05 01:46:36.928376
• Title: Predictive AI with External Knowledge Infusion for Stocks
• Title（参考訳）: 在庫の外部知識注入による予測AI
• Authors: Ambedkar Dukkipati, Kawin Mayilvaghanan, Naveen Kumar Pallekonda, Sai Prakash Hadnoor, Ranga Shaarad Ayyagari,
• Abstract要約: 株価の変動は、単なる歴史的データを超える要因の複雑な相互作用の影響を受けている。 本稿では,歴史的傾向から学習する学習メカニズムを提案するとともに,時間的知識グラフから外部知識を取り入れた学習機構を提案する。 広範な実験により、学習された動的表現は、複数の保持期間にまたがるリターンに基づいて、ストックを効果的にランク付けすることを示した。
• 参考スコア（独自算出の注目度）: 7.141953814374132
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fluctuations in stock prices are influenced by a complex interplay of factors that go beyond mere historical data. These factors, themselves influenced by external forces, encompass inter-stock dynamics, broader economic factors, various government policy decisions, outbreaks of wars, etc. Furthermore, all of these factors are dynamic and exhibit changes over time. In this paper, for the first time, we tackle the forecasting problem under external influence by proposing learning mechanisms that not only learn from historical trends but also incorporate external knowledge from temporal knowledge graphs. Since there are no such datasets or temporal knowledge graphs available, we study this problem with stock market data, and we construct comprehensive temporal knowledge graph datasets. In our proposed approach, we model relations on external temporal knowledge graphs as events of a Hawkes process on graphs. With extensive experiments, we show that learned dynamic representations effectively rank stocks based on returns across multiple holding periods, outperforming related baselines on relevant metrics.
• Abstract（参考訳）: 株価の変動は、単なる歴史的データを超える要因の複雑な相互作用の影響を受けている。 これらの要因は、外力の影響も受けており、ストック間ダイナミクス、広範な経済要因、様々な政府の政策決定、戦争の発生などを含んでいる。 さらに、これらの要因はすべて動的であり、時間とともに変化を示します。 本稿では,歴史的傾向から学習するだけでなく,時間的知識グラフから外部知識を取り入れた学習機構を提案することによって,外部の影響下での予測問題に初めて取り組む。 このようなデータセットや時間的知識グラフは存在しないため、市場データを用いてこの問題を調査し、総合的な時間的知識グラフデータセットを構築する。 提案手法では,外的時間的知識グラフ上の関係を,グラフ上のホークス過程の事象としてモデル化する。 広範な実験により、学習された動的表現は、複数の保持期間にまたがるリターンに基づいてストックを効果的にランク付けし、関連する指標のベースラインを上回ります。

関連論文リスト

• FactorGCL: A Hypergraph-Based Factor Model with Temporal Residual Contrastive Learning for Stock Returns Prediction [16.70420232738428]
  時間的残留的コントラスト学習(FactorGCL)を用いたハイパーグラフに基づく因子モデルを提案する。 ストックリターンを予測するために, 人為的に設計された先行要因を補う隠蔽因子を抽出するために, カスケード残差ハイパーグラフアーキテクチャを設計する。 実株市場データに関する我々の実験は、FacterGCLが既存の最先端手法より優れていることを示している。
  論文  参考訳（メタデータ） (2025-02-05T12:37:15Z)
• STORM: A Spatio-Temporal Factor Model Based on Dual Vector Quantized Variational Autoencoders for Financial Trading [55.02735046724146]
  金融取引では、ファクターモデルが資産の価格設定や過大なリターンの獲得に広く利用されている。 双対ベクトル量子化変分オートエンコーダを用いた時空間ファクトラーモデルSTORMを提案する。 ストームは時間的および空間的な視点からストックの特徴を抽出し、これらの特徴を微細で意味的なレベルで融合し整列させ、その要素を多次元の埋め込みとして表現する。
  論文  参考訳（メタデータ） (2024-12-12T17:15:49Z)
• Resilience in Knowledge Graph Embeddings [1.90894751866253]
  我々は、一般化、性能の整合性、分散適応、堅牢性といったいくつかの要因を含む、レジリエンスを一元的に定義する。 調査の結果,既存の研究のほとんどはレジリエンス,すなわち堅牢性に重点を置いていることがわかった。
  論文  参考訳（メタデータ） (2024-10-28T16:04:22Z)
• Ignoring Time Dependence in Software Engineering Data. A Mistake [4.49517541590633]
  本研究は,データ分析における時間依存の無視による影響を明らかにすることを目的としている。 我々は、データ中の時間的側面を無視して発生する潜在的な問題を指摘し、理論と実例の両方で議論を支援した。
  論文  参考訳（メタデータ） (2023-11-06T14:05:07Z)
• Methods for Acquiring and Incorporating Knowledge into Stock Price Prediction: A Survey [25.68351063906763]
  知識に富んだ株価予測手法は、外的知識を利用して株式市場を理解することによって、画期的な結果を示している。 本稿では,非構造化データソースから外部知識を取得する手法を体系的かつ包括的に記述することを目的とする。 また,外部知識と歴史的価格特徴を融合する融合手法についても検討する。
  論文  参考訳（メタデータ） (2023-08-09T13:28:00Z)
• Citation Trajectory Prediction via Publication Influence Representation Using Temporal Knowledge Graph [52.07771598974385]
  既存のアプローチは主に学術論文の時間的データとグラフデータのマイニングに依存している。 本フレームワークは,差分保存グラフ埋め込み,きめ細かい影響表現,学習に基づく軌道計算という3つのモジュールから構成される。 APSアカデミックデータセットとAIPatentデータセットの両方で実験を行った。
  論文  参考訳（メタデータ） (2022-10-02T07:43:26Z)
• Stateful Offline Contextual Policy Evaluation and Learning [88.9134799076718]
  我々は、シーケンシャルデータから、政治以外の評価と学習について研究する。 動的パーソナライズされた価格設定などの問題の因果構造を形式化する。 本報告では,本クラスにおけるアウト・オブ・サンプル・ポリシーの性能改善について述べる。
  論文  参考訳（メタデータ） (2021-10-19T16:15:56Z)
• On Disentangled Representations Learned From Correlated Data [59.41587388303554]
  相関データに対する最も顕著な絡み合うアプローチの挙動を解析することにより、現実のシナリオにギャップを埋める。 本研究では,データセットの体系的相関が学習され,潜在表現に反映されていることを示す。 また、トレーニング中の弱い監督や、少数のラベルで事前訓練されたモデルを修正することで、これらの潜伏相関を解消する方法を実証する。
  論文  参考訳（メタデータ） (2020-06-14T12:47:34Z)

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。