論文の概要: FTSCommDetector: Discovering Behavioral Communities through Temporal Synchronization

• arxiv url: http://arxiv.org/abs/2510.00014v2
• Date: Thu, 02 Oct 2025 04:20:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 14:32:17.163753
• Title: FTSCommDetector: Discovering Behavioral Communities through Temporal Synchronization
• Title（参考訳）: FTSCommDetector:時間同期による行動コミュニティの発見
• Authors: Tianyang Luo, Xikun Zhang, Dongjin Song,
• Abstract要約: 従来のコミュニティ検出手法では、エンティティが独立して動きながら重要な瞬間に整合する同期脱同期パターンをキャプチャできない。 FTSCommDetectorを導入し、TCA(Temporal Coherence Architecture)を実装し、類似および異種コミュニティを発見する。 その結果、FTSCommDetectorは4つの多様な金融市場において一貫した改善を実現した。
• 参考スコア（独自算出の注目度）: 15.690768429709811
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Why do trillion-dollar tech giants AAPL and MSFT diverge into different response patterns during market disruptions despite identical sector classifications? This paradox reveals a fundamental limitation: traditional community detection methods fail to capture synchronization-desynchronization patterns where entities move independently yet align during critical moments. To this end, we introduce FTSCommDetector, implementing our Temporal Coherence Architecture (TCA) to discover similar and dissimilar communities in continuous multivariate time series. Unlike existing methods that process each timestamp independently, causing unstable community assignments and missing evolving relationships, our approach maintains coherence through dual-scale encoding and static topology with dynamic attention. Furthermore, we establish information-theoretic foundations demonstrating how scale separation maximizes complementary information and introduce Normalized Temporal Profiles (NTP) for scale-invariant evaluation. As a result, FTSCommDetector achieves consistent improvements across four diverse financial markets (SP100, SP500, SP1000, Nikkei 225), with gains ranging from 3.5% to 11.1% over the strongest baselines. The method demonstrates remarkable robustness with only 2% performance variation across window sizes from 60 to 120 days, making dataset-specific tuning unnecessary, providing practical insights for portfolio construction and risk management.
• Abstract（参考訳）: AAPLとMSFTは、同じセクターの分類にもかかわらず、市場のディスラプションの中で、なぜ異なる反応パターンに分岐するのか? このパラドックスは基本的な制限を明らかにしている: 従来のコミュニティ検出手法は、エンティティが独立して動きながら重要な瞬間に整合する同期非同期化パターンをキャプチャできない。 この目的のために,FTSCommDetectorを導入し,時間的コヒーレンスアーキテクチャ(TCA)を実装した。 各タイムスタンプを独立に処理し、不安定なコミュニティ割り当てや進化する関係の欠如を引き起こす既存の方法とは異なり、本手法は動的注意を伴うデュアルスケールエンコーディングと静的トポロジによるコヒーレンスを維持している。 さらに,スケール分離が相補的な情報をどのように最大化するかを示す情報理論の基礎を確立し,スケール不変評価のための正規化時間プロファイル(NTP)を導入する。 その結果、FTSCommDetectorは4つの多様な金融市場(SP100、SP500、SP1000、Nikkei 225)で一貫した改善を達成し、最強のベースラインから3.5%から11.1%まで上昇した。 この手法は、60日から120日間のウィンドウサイズにおけるパフォーマンスのわずか2%のパフォーマンス変化で顕著な堅牢性を示し、データセット固有のチューニングを不要にし、ポートフォリオの構築とリスク管理の実践的な洞察を提供する。

関連論文リスト

• T3Time: Tri-Modal Time Series Forecasting via Adaptive Multi-Head Alignment and Residual Fusion [0.4915744683251151]
  T3Timeは、時間、スペクトル、プロンプトブランチで構成される新しい3モーダルフレームワークである。 予測地平線に基づいて時間的特徴とスペクトル的特徴の優先順位付けを学習する。 我々のモデルは一貫して最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2025-08-06T09:31:44Z)
• Revitalizing Canonical Pre-Alignment for Irregular Multivariate Time Series Forecasting [17.046106977768215]
  IMTS予測のためのCanonical Pre-Alignment(CPA)に基づくコンパクトアーキテクチャであるKAFNetを提案する。 KAFNetは7.2$times$パラメータ削減と8.4$times$トレーニング推論アクセラレーションによって最先端の予測性能を達成する。
  論文  参考訳（メタデータ） (2025-08-04T01:07:24Z)
• Diffeomorphic Temporal Alignment Nets for Time-series Joint Alignment and Averaging [8.14908648005543]
  時系列分析では、非線形時間的不整合は、森林労働者がより単純な平均化を行うための重要な課題である。 DTANは入力依存の方法で微分同相変換を予測し、適用することにより、時系列アンサンブルのジョイントアライメント(JA)と平均化を容易にする。 我々は、マルチタスク学習(MT-DTAN)を組み込むためにフレームワークを拡張し、同時調整と分類を可能にした。
  論文  参考訳（メタデータ） (2025-02-10T15:55:08Z)
• TiVaT: A Transformer with a Single Unified Mechanism for Capturing Asynchronous Dependencies in Multivariate Time Series Forecasting [4.733959271565453]
  TiVaTは、単一の統一モジュール、JA(Joint-Axis)アテンションモジュールを組み込んだ新しいアーキテクチャである。 JA attentionモジュールは、特に非同期インタラクションをキャプチャする関連機能を動的に選択する。 大規模な実験では、さまざまなデータセットにわたるTiVaTの全体的なパフォーマンスが示されている。
  論文  参考訳（メタデータ） (2024-10-02T13:24:24Z)
• SOFTS: Efficient Multivariate Time Series Forecasting with Series-Core Fusion [59.96233305733875]
  時系列予測は、金融、交通管理、エネルギー、医療など様々な分野で重要な役割を果たしている。 いくつかの方法は、注意やミキサーのようなメカニズムを利用して、チャネル相関をキャプチャすることでこの問題に対処する。 本稿では,効率的なモデルであるSOFTS(Series-cOre Fused Time Series forecaster)を提案する。
  論文  参考訳（メタデータ） (2024-04-22T14:06:35Z)
• Fully-Connected Spatial-Temporal Graph for Multivariate Time-Series Data [50.84488941336865]
  完全時空間グラフニューラルネットワーク(FC-STGNN)という新しい手法を提案する。 グラフ構築のために、時間的距離に基づいて、すべてのタイムスタンプにセンサーを接続する減衰グラフを設計する。 グラフ畳み込みのために,移動プールGNN層を用いたFCグラフ畳み込みを考案し,ST依存性を効果的に把握し,効率的な表現を学習する。
  論文  参考訳（メタデータ） (2023-09-11T08:44:07Z)
• Robust Detection of Lead-Lag Relationships in Lagged Multi-Factor Models [61.10851158749843]
  データ固有のリード-ラグ関係を発見することで、重要な洞察を得ることができる。 階層化多要素モデルにおけるリードラグ関係のロバスト検出のためのクラスタリング駆動手法を開発した。
  論文  参考訳（メタデータ） (2023-05-11T10:30:35Z)
• Efficient pattern-based anomaly detection in a network of multivariate devices [0.17188280334580192]
  2段階のアプローチで異常を検出するスケーラブルな手法を提案する。 まず、ネットワーク内のエンティティ間の関係を復元する。なぜなら関係は自然界において動的であり、原因不明のプロセスによって引き起こされることが多いからだ。 次に、逐次パターンの埋め込みに基づく異常を報告する。
  論文  参考訳（メタデータ） (2023-05-07T16:05:30Z)

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。