論文の概要: "It Looks All the Same to Me": Cross-index Training for Long-term Financial Series Prediction

• arxiv url: http://arxiv.org/abs/2511.08658v1
• Date: Thu, 13 Nov 2025 01:01:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-13 22:34:54.181865
• Title: "It Looks All the Same to Me": Cross-index Training for Long-term Financial Series Prediction
• Title（参考訳）: 全て同じように見える」:長期金融シリーズ予測のためのクロスインデックストレーニング
• Authors: Stanislav Selitskiy,
• Abstract要約: 我々は、さまざまなグローバル市場におけるインデックスの長期金融時系列予測に適用可能な、多くのニューラルネットワークアーキテクチャについて検討する。 あるグローバルマーケットからインデックスのアルゴリズムをトレーニングすると、そのようなモデルが別のマーケットから別のインデックスを予測するために適用された場合、同様のあるいはそれ以上の精度が得られるだろうか?
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We investigate a number of Artificial Neural Network architectures (well-known and more ``exotic'') in application to the long-term financial time-series forecasts of indexes on different global markets. The particular area of interest of this research is to examine the correlation of these indexes' behaviour in terms of Machine Learning algorithms cross-training. Would training an algorithm on an index from one global market produce similar or even better accuracy when such a model is applied for predicting another index from a different market? The demonstrated predominately positive answer to this question is another argument in favour of the long-debated Efficient Market Hypothesis of Eugene Fama.
• Abstract（参考訳）: 我々は、さまざまなグローバル市場におけるインデックスの長期金融時系列予測に適用するために、多くのニューラルネットワークアーキテクチャ(よく知られ、より「エキゾチック」」)を調査する。 本研究の特に興味のある分野は、機械学習アルゴリズムのクロストレーニングの観点から、これらの指標の挙動の相関性を検討することである。 あるグローバルマーケットからインデックスのアルゴリズムをトレーニングすれば、そのようなモデルが別のマーケットからインデックスを予測するために適用された場合、同様のあるいはそれ以上の精度が得られるだろうか? この問題に対する前向きに肯定的な回答は、ユージーン・ファマの長い議論のある市場仮説を支持する別の議論である。

関連論文リスト

• Accuracy Law for the Future of Deep Time Series Forecasting [65.46625911002202]
  時系列予測は、部分的に観測可能で不確実な性質のため、本質的にゼロでない誤差の低い境界に直面する。 本稿では、ディープ時系列予測の性能上限をどうやって推定するかという根本的な問題に焦点をあてる。 新たに訓練された2,800以上の深層予測器の厳密な統計的テストに基づいて、深部モデルの最小予測誤差とウィンドウワイズ級数パターンの複雑さとの間に有意な指数関数的関係を見出した。
  論文  参考訳（メタデータ） (2025-10-03T05:18:47Z)
• Inference-time Scaling of Diffusion Models through Classical Search [90.77272206228946]
  本稿では,局所的およびグローバルな探索を編成し,生成空間を効率的にナビゲートする汎用フレームワークを提案する。 我々は,計画,オフライン強化学習,画像生成など,さまざまな課題領域に対するアプローチを評価した。 これらの結果は,古典探索が拡散モデルにおける推論時間スケーリングの原理的かつ実践的な基礎を提供することを示している。
  論文  参考訳（メタデータ） (2025-05-29T16:22:40Z)
• Predicting the Price of Gold in the Financial Markets Using Hybrid Models [0.0]
  このプロジェクトは、ARIMAのような時系列予測モデルを使用して、技術分析に関連する価格、変数、指標を推定する。 これらの変数を段階的回帰にリンクすることで、変数の予測に影響を与える最良の変数を特定する。 最後に、選択した変数を人工ニューラルネットワークへの入力として入力する。
  論文  参考訳（メタデータ） (2025-05-02T17:25:47Z)
• Transformer Encoder and Multi-features Time2Vec for Financial Prediction [1.1399577852929503]
  我々は、Time2VecとTransformerモデルを統合することで、新しいニューラルネットワークアーキテクチャを開発する。 異なる市場の研究に基づいて,新たな相関特徴選択法を提案する。 提案手法は、位置符号化など、他の最先端の符号化手法よりも優れていると結論付けている。
  論文  参考訳（メタデータ） (2025-04-18T17:07:41Z)
• Combining supervised and unsupervised learning methods to predict financial market movements [0.0]
  創発的で確立した金融市場から抽出した新たな特徴を同定する。 私たちは、Bitcoin、Pepecoin、Nasdaqの市場からのマイクロロウソクで構成される約6ヶ月のデータを使用しました。 我々は、市場の動きを分類するためにランダムフォレスト(RF)やK-Nearest Neighbours(KNN)など、さまざまな機械学習戦略の性能について検討した。
  論文  参考訳（メタデータ） (2024-08-19T13:17:36Z)
• Joint Latent Topic Discovery and Expectation Modeling for Financial Markets [45.758436505779386]
  金融市場分析のための画期的な枠組みを提示する。 このアプローチは、投資家の期待を共同でモデル化し、潜伏する株価関係を自動的に掘り下げる最初の方法だ。 私たちのモデルは年率10%を超えるリターンを継続的に達成します。
  論文  参考訳（メタデータ） (2023-06-01T01:36:51Z)
• NETpred: Network-based modeling and prediction of multiple connected market indices [8.122270502556372]
  我々は、複数の関連指標とその在庫を表す新しいグラフを生成する、NETpredというフレームワークを紹介した。 次に、状態空間の異なる部分をカバーし、価格の動きを正確に予測できる多様な代表ノードの集合を徹底的に選択する。 得られたモデルを使用して、最終的に集約されたストックラベルを予測し、グラフ内のすべてのインデックスノードのラベルを推測する。
  論文  参考訳（メタデータ） (2022-12-02T17:23:09Z)
• Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics in Limit-Order Book Markets [84.90242084523565]
  伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。 最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。 予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
  論文  参考訳（メタデータ） (2022-03-07T18:59:54Z)
• Multi-head Temporal Attention-Augmented Bilinear Network for Financial time series prediction [77.57991021445959]
  本稿では,時間的注意と多面的注意の考え方に基づいて,ニューラルネットワークの能力を拡張するニューラルネットワーク層を提案する。 本手法の有効性を,大規模書籍市場データを用いて検証した。
  論文  参考訳（メタデータ） (2022-01-14T14:02:19Z)
• ARISE: ApeRIodic SEmi-parametric Process for Efficient Markets without Periodogram and Gaussianity Assumptions [91.3755431537592]
  我々は、効率的な市場を調査するためのApeRI-miodic(ARISE)プロセスを提案する。 ARISEプロセスは、いくつかの既知のプロセスの無限サムとして定式化され、周期スペクトル推定を用いる。 実際に,実世界の市場の効率性を明らかにするために,ARISE関数を適用した。
  論文  参考訳（メタデータ） (2021-11-08T03:36:06Z)

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。