論文の概要: Convolutional Attention in Betting Exchange Markets

• arxiv url: http://arxiv.org/abs/2510.16008v1
• Date: Tue, 14 Oct 2025 17:45:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:38.767606
• Title: Convolutional Attention in Betting Exchange Markets
• Title（参考訳）: 為替市場への投資における革命的注意
• Authors: Rui Gonçalves, Vitor Miguel Ribeiro, Roman Chertovskih, António Pedro Aguiar,
• Abstract要約: このケーススタディは、世界有数の賭け取引所Betfairのプリライブステージ中の英国からウィンホースレーシング市場に焦点を当てている。 提案したアーキテクチャは、モデルトレーニングと新しいデータに対するその後のテストを含む、標準的な教師付き学習アプローチに従う。 また、本研究では、開発モデルを用いた自動機能エンジニアリングと市場インタラクションのための完全なエンドツーエンドフレームワークも提示している。
• 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: This study presents the implementation of a short-term forecasting system for price movements in exchange markets, using market depth data and a systematic procedure to enable a fully automated trading system. The case study focuses on the UK to Win Horse Racing market during the pre-live stage on the world's leading betting exchange, Betfair. Innovative convolutional attention mechanisms are introduced and applied to multiple recurrent neural networks and bi-dimensional convolutional recurrent neural network layers. Additionally, a novel padding method for convolutional layers is proposed, specifically designed for multivariate time series processing. These innovations are thoroughly detailed, along with their execution process. The proposed architectures follow a standard supervised learning approach, involving model training and subsequent testing on new data, which requires extensive pre-processing and data analysis. The study also presents a complete end-to-end framework for automated feature engineering and market interactions using the developed models in production. The key finding of this research is that all proposed innovations positively impact the performance metrics of the classification task under examination, thereby advancing the current state-of-the-art in convolutional attention mechanisms and padding methods applied to multivariate time series problems.
• Abstract（参考訳）: 本研究では、市場深度データと体系的な手順を用いて、取引所における物価変動の短期予測システムの実装について述べる。 このケーススタディは、世界有数の賭け取引所Betfairのプリライブステージ中の英国からウィンホースレーシング市場に焦点を当てている。 革新的畳み込みアテンション機構を導入し、複数の繰り返しニューラルネットワークと2次元畳み込みリカレントニューラルネットワーク層に適用する。 さらに,多変量時系列処理に特化して設計された畳み込み層に対する新しいパディング手法を提案する。 これらのイノベーションは、実行プロセスとともに、徹底的に詳細化されています。 提案したアーキテクチャは、モデルトレーニングと新しいデータに対するその後のテストを含む、標準的な教師付き学習アプローチに従っている。 また、本研究では、開発モデルを用いた自動機能エンジニアリングと市場インタラクションのための完全なエンドツーエンドフレームワークも提示している。 この研究の鍵となる発見は、提案されたすべての革新が、試験中の分類タスクのパフォーマンス指標に肯定的な影響を与え、これにより、多変量時系列問題に適用された畳み込み注意機構やパディング手法における現在の最先端技術を推進することである。

関連論文リスト

• Automatic Speech Recognition in the Modern Era: Architectures, Training, and Evaluation [0.0]
  音声認識は、ディープラーニングの進歩によって、過去10年間に大きく変化してきた。 この調査は、従来のハイブリッドシステムから、現在支配的なエンドツーエンドのニューラルアーキテクチャへの進化をグラフ化して、ASRの現代を包括的に概観する。
  論文  参考訳（メタデータ） (2025-10-11T05:38:45Z)
• Neural Network Reprogrammability: A Unified Theme on Model Reprogramming, Prompt Tuning, and Prompt Instruction [57.19302613163439]
  モデル適応のための統一フレームワークとして,ニューラルネットワークの再プログラム可能性を導入する。 本稿では,4つの重要な側面にまたがる情報操作アプローチを分類する分類法を提案する。 残る技術的課題や倫理的考察も分析する。
  論文  参考訳（メタデータ） (2025-06-05T05:42:27Z)
• A Deep Learning Approach to Anomaly Detection in High-Frequency Trading Data [12.06584491356733]
  本稿では,外国為替市場のマイクロ構造における異常な挙動を検出するための,段階的スライディングウインドウトランスフォーマーアーキテクチャに基づくアルゴリズムを提案する。 本手法は,多段階の時間的特徴を段階的スライディングウィンドウを通じて捕捉し,トランスフォーマーの自己注意機構と重み付けされた注意機構を組み合わせることで,グローバルおよびローカルな依存関係を抽出する。
  論文  参考訳（メタデータ） (2025-03-31T23:14:31Z)
• A Survey of Model Architectures in Information Retrieval [59.61734783818073]
  2019年から現在までの期間は、情報検索(IR)と自然言語処理(NLP)における最大のパラダイムシフトの1つとなっている。 従来の用語ベースの手法から現代のニューラルアプローチまで,特にトランスフォーマーベースのモデルとそれに続く大規模言語モデル(LLM)の影響が注目されている。 今後の課題と今後の方向性について、先見的な議論で締めくくります。
  論文  参考訳（メタデータ） (2025-02-20T18:42:58Z)
• Research on the Online Update Method for Retrieval-Augmented Generation (RAG) Model with Incremental Learning [13.076087281398813]
  提案手法は,知識保持と推論精度の観点から,既存の主流比較モデルよりも優れている。 実験の結果,提案手法は知識保持と推論精度の観点から,既存の主流比較モデルよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2025-01-13T05:16:14Z)
• 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)
• Compatible deep neural network framework with financial time series data, including data preprocessor, neural network model and trading strategy [2.347843817145202]
  この研究は、新しいディープニューラルネットワークアーキテクチャと、それらをモデルに供給する前に、財務データをどのように準備するかという新しいアイデアを紹介する。 この手法を評価するために3つの異なるデータセットが使用され、その結果、このフレームワークが有益でロバストな予測を私たちに提供できることが示されている。
  論文  参考訳（メタデータ） (2022-05-11T20:44:08Z)
• 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)
• Deep Learning Based on Generative Adversarial and Convolutional Neural Networks for Financial Time Series Predictions [0.0]
  本稿では、双方向長短期記憶(LSTM)と畳み込みニューラルネットワーク(CNN)により構成されるGAN(generative adversarial Network)の実装を提案する。 Bi-LSTM-CNNは、既存の実際の財務データと一致する合成データを生成するため、株価の将来動向を予測するために、正または負の傾向を持つ株の特徴を保持することができる。
  論文  参考訳（メタデータ） (2020-08-08T08:42:46Z)

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。