Fugu-MT 論文翻訳(概要): Stochastic Predictive Analytics for Stocks in the Newsvendor Problem

論文の概要: Stochastic Predictive Analytics for Stocks in the Newsvendor Problem

arxiv url: http://arxiv.org/abs/2511.12397v1
Date: Sun, 16 Nov 2025 00:19:49 GMT
ステータス: 翻訳完了
システム内更新日: 2025-11-18 14:36:24.016599
Title: Stochastic Predictive Analytics for Stocks in the Newsvendor Problem
Title（参考訳）: ニュースベンダー問題における株価の確率予測分析
Authors: Pedro A. Pury,
Abstract要約: 本研究では,特定の需要分布を仮定せずに在庫の動的分布を経時的に記述するモデルを構築した。本研究では,大規模電子市場における実世界データを用いたモデルの性能評価を行い,実際の予測シナリオでの有効性を実証する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: This work addresses a key challenge in inventory management by developing a stochastic model that describes the dynamic distribution of inventory stock over time without assuming a specific demand distribution. Our model provides a flexible and applicable solution for situations with limited historical data and short-term predictions, making it well-suited for the Newsvendor problem. We evaluate our model's performance using real-world data from a large electronic marketplace, demonstrating its effectiveness in a practical forecasting scenario.
Abstract（参考訳）: 本研究は、特定の需要分布を仮定することなく、時間とともに在庫の動的分布を記述する確率モデルを開発することにより、在庫管理における重要な課題に対処する。我々のモデルは、限られた歴史データと短期予測を持つ状況に対して柔軟で適用可能なソリューションを提供し、ニューズベンダー問題に適している。本研究では,大規模電子市場における実世界データを用いたモデルの性能評価を行い,実際の予測シナリオでの有効性を実証する。

関連論文リスト

How to model Human Actions distribution with Event Sequence Data [22.25731364559209]
本研究では,人間の行動系列における事象の今後の分布予測について検討する。単純な明示的分布予測の対象が、複雑な暗黙的ベースラインを一貫して超越していることが分かる。この研究は、モデリング戦略を選択するための原則化されたフレームワークを提供し、より正確で堅牢な予測システムを構築するための実践的なガイダンスを提供する。
論文参考訳（メタデータ） (2025-10-07T12:24:54Z)
On conditional diffusion models for PDE simulations [53.01911265639582]
スパース観測の予測と同化のためのスコアベース拡散モデルについて検討した。本稿では,予測性能を大幅に向上させる自動回帰サンプリング手法を提案する。また,条件付きスコアベースモデルに対する新たなトレーニング戦略を提案する。
論文参考訳（メタデータ） (2024-10-21T18:31:04Z)
F-FOMAML: GNN-Enhanced Meta-Learning for Peak Period Demand Forecasting with Proxy Data [65.6499834212641]
本稿では,需要予測をメタラーニング問題として定式化し,F-FOMAMLアルゴリズムを開発した。タスク固有のメタデータを通してドメインの類似性を考慮することにより、トレーニングタスクの数が増加するにつれて過剰なリスクが減少する一般化を改善した。従来の最先端モデルと比較して,本手法では需要予測精度が著しく向上し,内部自動販売機データセットでは平均絶対誤差が26.24%,JD.comデータセットでは1.04%削減された。
論文参考訳（メタデータ） (2024-06-23T21:28:50Z)
DiffSTOCK: Probabilistic relational Stock Market Predictions using Diffusion Models [1.9662978733004601]
我々は、歴史的金融指標とストック間関係を前提とした、より良い市場予測を提供するためのアーキテクチャを開発する。また,Masked Transformer (RTM) を用いて,ストック間関係と歴史的ストックの特徴を生かした新しい決定論的アーキテクチャ MTCHS を提供する。
論文参考訳（メタデータ） (2024-03-21T01:20:32Z)
ALERTA-Net: A Temporal Distance-Aware Recurrent Networks for Stock Movement and Volatility Prediction [20.574163667057476]
我々は、株式市場予測の精度を高めるために、世論の豊かな情報源であるソーシャルメディアデータの力を活用している。我々は、感情分析、マクロ経済指標、検索エンジンデータ、過去の価格をマルチアテンション深層学習モデルに組み込むアプローチを開拓した。市場の動向とボラティリティの予測のために,私たちによって特別にキュレーションされたデータセットを用いて,提案モデルの最先端性能を示す。
論文参考訳（メタデータ） (2023-10-28T13:31:39Z)
Diffusion Variational Autoencoder for Tackling Stochasticity in Multi-Step Regression Stock Price Prediction [54.21695754082441]
長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
論文参考訳（メタデータ） (2023-08-18T16:21:15Z)
DeepVol: Volatility Forecasting from High-Frequency Data with Dilated Causal Convolutions [53.37679435230207]
本稿では,Dilated Causal Convolutionsに基づくDeepVolモデルを提案する。実験結果から,提案手法は高頻度データからグローバルな特徴を効果的に学習できることが示唆された。
論文参考訳（メタデータ） (2022-09-23T16:13:47Z)
Back2Future: Leveraging Backfill Dynamics for Improving Real-time Predictions in Future [73.03458424369657]
公衆衛生におけるリアルタイム予測では、データ収集は簡単で要求の多いタスクである。過去の文献では「バックフィル」現象とそのモデル性能への影響についてはほとんど研究されていない。我々は、与えられたモデルの予測をリアルタイムで洗練することを目的とした、新しい問題とニューラルネットワークフレームワークBack2Futureを定式化する。
論文参考訳（メタデータ） (2021-06-08T14:48:20Z)

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。