論文の概要: Partial multivariate transformer as a tool for cryptocurrencies time series prediction

• arxiv url: http://arxiv.org/abs/2512.04099v1
• Date: Sat, 22 Nov 2025 21:59:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-07 19:06:32.438829
• Title: Partial multivariate transformer as a tool for cryptocurrencies time series prediction
• Title（参考訳）: 暗号時系列予測ツールとしての部分多変量変圧器
• Authors: Andrzej Tokajuk, Jarosław A. Chudziak,
• Abstract要約: 部分多変量戦略は,有意な統計的精度を達成し,情報信号と雑音のバランスを効果的に行うことを示す。 予測誤差の低さは、シミュレーションにおける高い金融リターンに一貫して変換されなかった。 この発見は、従来のエラーメトリクスへの依存に挑戦し、現実の財務目標とより整合した評価基準を開発する必要性を強調している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Forecasting cryptocurrency prices is hindered by extreme volatility and a methodological dilemma between information-scarce univariate models and noise-prone full-multivariate models. This paper investigates a partial-multivariate approach to balance this trade-off, hypothesizing that a strategic subset of features offers superior predictive power. We apply the Partial-Multivariate Transformer (PMformer) to forecast daily returns for BTCUSDT and ETHUSDT, benchmarking it against eleven classical and deep learning models. Our empirical results yield two primary contributions. First, we demonstrate that the partial-multivariate strategy achieves significant statistical accuracy, effectively balancing informative signals with noise. Second, we experiment and discuss an observable disconnect between this statistical performance and practical trading utility; lower prediction error did not consistently translate to higher financial returns in simulations. This finding challenges the reliance on traditional error metrics and highlights the need to develop evaluation criteria more aligned with real-world financial objectives.
• Abstract（参考訳）: 仮想通貨価格の予測は、極度のボラティリティと、情報共有ユニバリアイトモデルとノイズ発生型フルマルチバリアイトモデルの間の方法論的なジレンマによって妨げられている。 本稿では、このトレードオフのバランスをとるための部分多変量アプローチについて検討し、特徴の戦略的サブセットが優れた予測力をもたらすことを仮定する。 本稿では,BTCUSDTとETHUSDTの日次リターン予測にPMformerを適用し,11種類の古典的および深層学習モデルに対してベンチマークを行う。 私たちの経験結果には2つの主要な貢献があります。 まず,部分多変量戦略が有意な統計的精度を達成し,情報信号と雑音のバランスを効果的に行うことを実証する。 第2に,この統計性能と実用取引ユーティリティとの観測不能な断絶を実験・議論し,予測誤差の低減はシミュレーションにおける高い金融リターンに一貫した変換には至らなかった。 この発見は、従来のエラーメトリクスへの依存に挑戦し、現実の財務目標とより整合した評価基準を開発する必要性を強調している。

関連論文リスト

• On the Effect of Regularization on Nonparametric Mean-Variance Regression [22.758981850171548]
  実験結果と一致して観測された相転移を捉える統計場理論フレームワークを開発した。 UCIデータセットと大規模ClimSimデータセットの実験は、堅牢な校正性能を示し、予測の不確実性を効果的に定量化している。
  論文  参考訳（メタデータ） (2025-11-27T01:09:28Z)
• Multivariate Forecasting of Bitcoin Volatility with Gradient Boosting: Deterministic, Probabilistic, and Feature Importance Perspectives [1.8352113484137627]
  本研究は,Bitcoinが実現したボラティリティの確定的および確率的予測に,光グラディエントブースティングマシン(LGBM)モデルの適用について検討した。 本稿では,LGBMに基づくモデルの性能評価を行い,それとエコノメトリと機械学習のベースラインを比較した。
  論文  参考訳（メタデータ） (2025-11-25T09:26:13Z)
• Auditing Algorithmic Bias in Transformer-Based Trading [10.235738752130803]
  予測にはトランスフォーマーモデルを用いており、各資産の意思決定への影響を測定するために部分情報分解(PID)に基づくメトリクスを導入している。 まず、モデルがデータのボラティリティを完全に無視し、次に、低周波の価格変動を伴うデータに偏っていることを明らかにする。
  論文  参考訳（メタデータ） (2025-10-01T21:20:26Z)
• Probabilistic Forecasting Cryptocurrencies Volatility: From Point to Quantile Forecasts [1.8352113484137627]
  本稿では,幅広いベースモデルからの点予測を利用する確率的予測手法を提案する。 我々の知る限りでは、暗号通貨市場におけるばらつきの確率論的予測を提案し、体系的に評価する文献としては、これが初めてである。 Bitcoinの実証的な結果は、QRS(Quantile Estimation through Residual Simulation)メソッドが、より高度な代替手段を一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2025-08-21T18:42:11Z)
• AMA-LSTM: Pioneering Robust and Fair Financial Audio Analysis for Stock Volatility Prediction [25.711345527738068]
  マルチモーダル法は 2つの欠点に直面しています 彼らはしばしば、信頼できるモデルを得るのに失敗し、株式市場からの情報の吸収のためにデータを過大評価する。 株のボラティリティを予測するためにマルチモーダルモデルを使用することは、性別バイアスに悩まされ、そのようなバイアスを取り除く効率的な方法が欠如している。 我々は,ロバストネス・ワールド・ファイナンシャル・オーディオ・データセットに関する包括的な実験を行い,この手法が現在の最先端ソリューションの性能を上回ることを示した。
  論文  参考訳（メタデータ） (2024-07-03T18:40:53Z)
• Structured Radial Basis Function Network: Modelling Diversity for Multiple Hypotheses Prediction [51.82628081279621]
  多重モード回帰は非定常過程の予測や分布の複雑な混合において重要である。 構造的放射基底関数ネットワークは回帰問題に対する複数の仮説予測器のアンサンブルとして提示される。 この構造モデルにより, このテッセルレーションを効率よく補間し, 複数の仮説対象分布を近似することが可能であることが証明された。
  論文  参考訳（メタデータ） (2023-09-02T01:27:53Z)
• 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)
• Trustworthy Multimodal Regression with Mixture of Normal-inverse Gamma Distributions [91.63716984911278]
  このアルゴリズムは、異なるモードの適応的統合の原理における不確かさを効率的に推定し、信頼できる回帰結果を生成する。 実世界のデータと実世界のデータの両方に対する実験結果から,多モード回帰タスクにおける本手法の有効性と信頼性が示された。
  論文  参考訳（メタデータ） (2021-11-11T14:28:12Z)
• Bias-Variance Tradeoffs in Single-Sample Binary Gradient Estimators [100.58924375509659]
  ストレートスルー (ST) 推定器はその単純さと効率性から人気を得た。 計算の複雑さを低く保ちながら、STよりも改善するいくつかの手法が提案された。 我々は、トレードオフを理解し、元来主張された特性を検証するために、これらの手法のバイアスとばらつきの理論解析を行う。
  論文  参考訳（メタデータ） (2021-10-07T15:16:07Z)

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。