論文の概要: Demystifying the trend of the healthcare index: Is historical price a key driver?

• arxiv url: http://arxiv.org/abs/2601.14062v1
• Date: Tue, 20 Jan 2026 15:20:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:23.382325
• Title: Demystifying the trend of the healthcare index: Is historical price a key driver?
• Title（参考訳）: 医療指標のトレンドを思い起こさせる:歴史的価格が重要なドライバーか?
• Authors: Payel Sadhukhan, Samrat Gupta, Subhasis Ghosh, Tanujit Chakraborty,
• Abstract要約: 本研究は,過去のオープン・ハイ・ロー・クロース(OHLC)指標データに,その後の取引日におけるオープン・インデクシングの方向性を予測する十分な情報が含まれているかを検討する。 多様な特徴セットが構築されており、原価、ボラティリティに基づく技術指標、および相互OHLC比から派生した新しい特徴クラスで構成されている。 その結果, 精度は0.8以上, マシューズ相関係数は0.6以上であった。
• 参考スコア（独自算出の注目度）: 0.13999481573773068
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Healthcare sector indices consolidate the economic health of pharmaceutical, biotechnology, and healthcare service firms. The short-term movements in these indices are closely intertwined with capital allocation decisions affecting research and development investment, drug availability, and long-term health outcomes. This research investigates whether historical open-high-low-close (OHLC) index data contain sufficient information for predicting the directional movement of the opening index on the subsequent trading day. The problem is formulated as a supervised classification task involving a one-step-ahead rolling window. A diverse feature set is constructed, comprising original prices, volatility-based technical indicators, and a novel class of nowcasting features derived from mutual OHLC ratios. The framework is evaluated on data from healthcare indices in the U.S. and Indian markets over a five-year period spanning multiple economic phases, including the COVID-19 pandemic. The results demonstrate robust predictive performance, with accuracy exceeding 0.8 and Matthews correlation coefficients above 0.6. Notably, the proposed nowcasting features have emerged as a key determinant of the market movement. We have employed the Shapley-based explainability paradigm to further elucidate the contribution of the features: outcomes reveal the dominant role of the nowcasting features, followed by a more moderate contribution of original prices. This research offers a societal utility: the proposed features and model for short-term forecasting of healthcare indices can reduce information asymmetry and support a more stable and equitable health economy.
• Abstract（参考訳）: 医療セクターの指標は、医薬品、バイオテクノロジー、医療サービス会社の経済の健全性を強化している。 これらの指標の短期的な動きは、研究・開発投資、薬物利用率、長期的な健康影響に影響を与える資本配分の決定と密接に関連している。 本研究は,過去のオープン・ハイ・ロー・クロース(OHLC)指標データに,その後の取引日におけるオープン・インデクシングの方向性を予測する十分な情報が含まれているかを検討する。 この問題は1ステップのローリングウィンドウを含む教師付き分類タスクとして定式化されている。 多様な特徴セットが構築されており、原価、ボラティリティに基づく技術指標、および相互OHLC比から派生した新しい特徴クラスで構成されている。 このフレームワークは、新型コロナウイルス(COVID-19)のパンデミックを含む複数の経済段階にまたがる5年間の米国とインド市場の医療指標のデータに基づいて評価されている。 その結果, 精度は0.8以上, マシューズ相関係数は0.6以上であった。 特に、現在提案されている機能は、市場の動きの重要な決定要因として現れている。 我々は、シェープリーに基づく説明可能性パラダイムを用いて、特徴の貢献をさらに解明した:結果、現在放送されている特徴の主要な役割を明らかにし、続いて原価のより穏健な寄与を示す。 医療指標の短期予測のための提案された特徴とモデルは、情報の非対称性を減らし、より安定的で公平な健康経済を支えることができる。

関連論文リスト

• Beyond Traditional Diagnostics: Transforming Patient-Side Information into Predictive Insights with Knowledge Graphs and Prototypes [55.310195121276074]
  本稿では,病気を予測するための知識グラフ,プロトタイプ認識,解釈可能なフレームワークを提案する。 構造化された信頼された医療知識を統合された疾患知識グラフに統合し、臨床的に意味のある疾患のプロトタイプを構築し、予測精度を高めるために対照的な学習を利用する。 臨床的に有効な説明を提供し、患者の物語と密接に一致し、患者中心のヘルスケアデリバリーの実践的価値を強調している。
  論文  参考訳（メタデータ） (2025-12-09T05:37:54Z)
• Interpretable Machine Learning for Cognitive Aging: Handling Missing Data and Uncovering Social Determinant [28.20784930277189]
  アルツハイマー病(AD)の早期発見は神経変性効果が不可逆的であるため重要である。 NIH NIAが支援するPrePARE Challenge Phase 2データセットを用いて,健康の社会的要因から認知能力を予測する。
  論文  参考訳（メタデータ） (2025-10-13T03:04:10Z)
• Patients Speak, AI Listens: LLM-based Analysis of Online Reviews Uncovers Key Drivers for Urgent Care Satisfaction [26.391629320279904]
  この研究は、DMVとフロリダのエリアでGoogle Mapsのレビューを収集する。 まず、人口密度、中央値所得、GINI指数、家賃対所得率、貧困率以下の世帯、保険率なし、失業率など、様々な側面の地理空間パターンを分析した。
  論文  参考訳（メタデータ） (2025-03-26T20:45:01Z)
• Integrating Social Determinants of Health into Knowledge Graphs: Evaluating Prediction Bias and Fairness in Healthcare [47.23120247002356]
  健康の社会的決定因子(SDoH)は、患者の健康結果において重要な役割を担っているが、そのバイオメディカル知識グラフへの統合は未解明のままである。 本研究では,MIMIC-IIIデータセットとPrimeKGを用いて,SDoHに富んだ知識グラフを構築することにより,このギャップを解消する。
  論文  参考訳（メタデータ） (2024-11-29T20:35:01Z)
• MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data Augmentation [58.93221876843639]
  本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。 トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。 ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
  論文  参考訳（メタデータ） (2023-10-04T01:36:30Z)
• Machine Learning Framework: Competitive Intelligence and Key Drivers Identification of Market Share Trends Among Healthcare Facilities [0.0]
  アメリカ(アメリカ合衆国)の医療事業がこの研究のために選ばれている。 ワシントン州の60の重要施設にまたがるデータと、約3年間の歴史的データを扱う。
  論文  参考訳（メタデータ） (2022-12-09T12:30:34Z)
• UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced Data [81.00385374948125]
  我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。 UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。 非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。 UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
  論文  参考訳（メタデータ） (2020-10-22T02:28:11Z)
• BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
  本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。 エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。 実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
  論文  参考訳（メタデータ） (2020-09-24T00:42:36Z)
• Health Indicator Forecasting for Improving Remaining Useful Life Estimation [12.250035750661866]
  本稿では,健康指標予測のための新しい生成・シナリオマッチングアルゴリズムを提案する。 実験結果は,他の最先端手法よりもアルゴリズムの方が優れていることを示す。
  論文  参考訳（メタデータ） (2020-06-05T23:02:10Z)

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。