論文の概要: Stock Market Telepathy: Graph Neural Networks Predicting the Secret Conversations between MINT and G7 Countries

• arxiv url: http://arxiv.org/abs/2506.01945v1
• Date: Mon, 02 Jun 2025 17:58:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-05 01:42:09.337807
• Title: Stock Market Telepathy: Graph Neural Networks Predicting the Secret Conversations between MINT and G7 Countries
• Title（参考訳）: 株式市場テレパシー:MINTとG7諸国間の秘密の会話を予測するグラフニューラルネットワーク
• Authors: Nurbanu Bursa,
• Abstract要約: 米国とカナダは、予測プロセスにおける株価指数に関して最も影響力のあるG7諸国である。 インドネシアとトゥルキエは最も影響力のあるMINT国である。 その結果,MTGNNは,MINTおよびG7諸国の株式市場指標の価格予測において,従来の手法よりも優れていた。
• 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: Emerging economies, particularly the MINT countries (Mexico, Indonesia, Nigeria, and T\"urkiye), are gaining influence in global stock markets, although they remain susceptible to the economic conditions of developed countries like the G7 (Canada, France, Germany, Italy, Japan, the United Kingdom, and the United States). This interconnectedness and sensitivity of financial markets make understanding these relationships crucial for investors and policymakers to predict stock price movements accurately. To this end, we examined the main stock market indices of G7 and MINT countries from 2012 to 2024, using a recent graph neural network (GNN) algorithm called multivariate time series forecasting with graph neural network (MTGNN). This method allows for considering complex spatio-temporal connections in multivariate time series. In the implementations, MTGNN revealed that the US and Canada are the most influential G7 countries regarding stock indices in the forecasting process, and Indonesia and T\"urkiye are the most influential MINT countries. Additionally, our results showed that MTGNN outperformed traditional methods in forecasting the prices of stock market indices for MINT and G7 countries. Consequently, the study offers valuable insights into economic blocks' markets and presents a compelling empirical approach to analyzing global stock market dynamics using MTGNN.
• Abstract（参考訳）: 新興国、特にMINT諸国(メキシコ、インドネシア、ナイジェリア、T\"urkiye")は、G7のような先進国(カナダ、フランス、ドイツ、イタリア、日本、イギリス、米国)の経済状況の影響を受けつつも、世界的な株式市場に影響を及ぼしている。 この金融市場の相互接続性と敏感さは、投資家や政策立案者が株価の動きを正確に予測する上で、これらの関係を理解することが不可欠である。 この目的のために,2012年から2024年までのG7およびMINT諸国の株式市場の指標を,グラフニューラルネットワーク(MTGNN)を用いた多変量時系列予測と呼ばれる最近のグラフニューラルネットワーク(GNN)アルゴリズムを用いて検討した。 この方法は、多変量時系列における複雑な時空間接続を考慮できる。 実装において、MTGNNは、米国とカナダが予測プロセスにおける株価指数に関して最も影響力のあるG7諸国であり、インドネシアとT\"urkiyeは最も影響力のあるMINT諸国であることを明らかにした。 さらに,MTGNNは,MINTおよびG7諸国の株式市場指標の価格予測において,従来の手法よりも優れていた。 その結果、この研究は経済ブロックの市場に関する貴重な洞察を与え、MTGNNを用いて世界的な株式市場の動態を分析するための説得力のある実証的アプローチを提示した。

関連論文リスト

• Dynamic graph neural networks for enhanced volatility prediction in financial markets [0.0]
  本稿では,グローバル金融市場を動的グラフとして表現するために,グラフニューラルネットワーク(GNN)を用いた新たなアプローチを提案する。 相関に基づくボラティリティ指標とボラティリティ指標を利用することで、テンポラルGATは、ボラティリティ予測の精度を高める有向グラフを構成する。
  論文  参考訳（メタデータ） (2024-10-22T09:52:15Z)
• Collusion Detection with Graph Neural Networks [2.651015906543123]
  本稿では,ニューラルネットワーク(NN)とグラフニューラルネットワーク(GNN)を用いて,各国市場における共謀パターンの検出と予測を行う革新的な手法を提案する。 GNNはこのタスクに特に適しているのは、共謀やその他の経済問題に存在するネットワーク構造を活用できるからである。 本研究では,GNNが複雑な凝固パターンを検出する上で,NNよりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-10-09T17:31:41Z)
• Uncertainty in Graph Neural Networks: A Survey [47.785948021510535]
  グラフニューラルネットワーク(GNN)は、様々な現実世界のアプリケーションで広く使われている。 しかし、多様な情報源から生じるGNNの予測的不確実性は、不安定で誤った予測につながる可能性がある。 本調査は,不確実性の観点からGNNの概要を概観することを目的としている。
  論文  参考訳（メタデータ） (2024-03-11T21:54:52Z)
• MDGNN: Multi-Relational Dynamic Graph Neural Network for Comprehensive and Dynamic Stock Investment Prediction [22.430266982219496]
  マルチリレーショナルな動的グラフニューラルネットワーク(MDGNN)フレームワークを提案する。 提案するMDGNNフレームワークは,SOTA(state-of-the-art-the-art)ストック投資手法と比較して,公開データセットにおける最高のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2024-01-19T02:51:29Z)
• Information Flow in Graph Neural Networks: A Clinical Triage Use Case [49.86931948849343]
  グラフニューラルネットワーク(GNN)は、マルチモーダルグラフとマルチリレーショナルグラフを処理する能力によって、医療やその他の領域で人気を集めている。 GNNにおける埋め込み情報のフローが知識グラフ(KG)におけるリンクの予測に与える影響について検討する。 以上の結果から,ドメイン知識をGNN接続に組み込むことで,KGと同じ接続を使用する場合や,制約のない埋め込み伝搬を行う場合よりも優れた性能が得られることが示された。
  論文  参考訳（メタデータ） (2023-09-12T09:18:12Z)
• Temporal and Heterogeneous Graph Neural Network for Financial Time Series Prediction [14.056579711850578]
  金融時系列における価格変動の動的関係を学習するための時間的・不均一なグラフニューラルネットワーク(THGNN)アプローチを提案する。 われわれは米国と中国における株式市場に関する広範な実験を行っている。
  論文  参考訳（メタデータ） (2023-05-09T11:17:46Z)
• Trustworthy Graph Neural Networks: Aspects, Methods and Trends [115.84291569988748]
  グラフニューラルネットワーク(GNN)は,さまざまな実世界のシナリオに対して,有能なグラフ学習手法として登場した。 パフォーマンス指向のGNNは、敵の攻撃に対する脆弱性のような潜在的な副作用を示す。 こうした意図しない害を避けるためには、信頼度に特徴付けられる有能なGNNを構築する必要がある。
  論文  参考訳（メタデータ） (2022-05-16T02:21:09Z)
• A Comprehensive Survey on Trustworthy Graph Neural Networks: Privacy, Robustness, Fairness, and Explainability [59.80140875337769]
  グラフニューラルネットワーク(GNN)は近年,急速な発展を遂げている。 GNNは個人情報をリークしたり、敵対的攻撃に弱いり、トレーニングデータから社会的バイアスを継承したり、拡大したりすることができる。 本稿では、プライバシー、堅牢性、公正性、説明可能性の計算面におけるGNNの包括的調査を行う。
  論文  参考訳（メタデータ） (2022-04-18T21:41:07Z)
• The Interpretability of LSTM Models for Predicting Oil Company Stocks: Impact of Correlated Features [0.0]
  本研究では,石油在庫予測のための長短期記憶(LSTM)citeec04モデルの解釈性に及ぼす相関特性の影響について検討した。 本研究の目的は、原油価格、金価格、米ドルといった市場に影響を与える複数の要因を考慮し、株価予測の精度を向上させることである。
  論文  参考訳（メタデータ） (2022-01-02T12:52:37Z)

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。