論文の概要: A Comparative Analysis of Machine Learning Models for Long and Short-Term Forecasting of the Egyptian Stock Market: A Focus on EGX30

• arxiv url: http://arxiv.org/abs/2607.14391v1
• Date: Wed, 15 Jul 2026 22:08:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-17 17:01:32.920887
• Title: A Comparative Analysis of Machine Learning Models for Long and Short-Term Forecasting of the Egyptian Stock Market: A Focus on EGX30
• Title（参考訳）: エジプト株式市場の長期・短期予測のための機械学習モデルの比較分析:EGX30に着目して
• Abstract要約: この研究は、EGX30トレンドを予測するためのさまざまな機械学習モデルを比較し、短期的および長期的予測をカバーしている。 目標は、エジプトのユニークな市場ダイナミクスを考慮して、EGX30予測の最も効果的なモデルを決定することである。 その結果, Gated Recurrent Unit (GRU) は1週間, 1ヶ月, 2ヶ月で他のモデルより優れていた。
• 参考スコア（独自算出の注目度）: 0.36281989745361876
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study concentrates on predicting stock prices in the Egyptian market, focusing on the EGX30, an influential financial hub in the Middle East. While most research focuses on global stocks, there's a growing need to understand stock trends in developing countries like Egypt. The study compares different machine learning models for forecasting EGX30 trends, covering short and long-term predictions. Using historical EGX30 data, including metrics like root mean squared error, Mean Absolute Percentage Error, and coefficient of determination, models like K-Nearest Neighbours, random forest, extreme gradient boosting, long short-term memory networks, and gated recurrent unit networks were evaluated. The goal is to determine the most effective models for EGX30 prediction, considering Egypt's unique market dynamics. Insights from this study aid investors in making informed decisions. Results show that the Gated Recurrent Unit (GRU) outperformed the other models in the one-week, one-month, and two-months while the eXtreme Gradient Boosting (XGBoost) model outperformed others in the one-day predictions, highlighting their usefulness in predictive analysis for financial markets. The study also showed the importance of using the ensemble techniques, especially in the long-term predictions which proved better results reaching 5 times the GRU in the two-month predictions. Additionally, the study notes the surprisingly good performance of K-Nearest Neighbours (KNN) on long-term predictions, suggesting its enduring relevance and potential for future applications in the fintech domains.
• Abstract（参考訳）: 本研究は、中東の影響力のある金融ハブであるEGX30を中心に、エジプト市場における株価の予測に重点を置いている。 ほとんどの研究は世界的な株式に焦点を当てているが、エジプトのような発展途上国の株価動向を理解する必要性が高まっている。 この研究は、EGX30トレンドを予測するためのさまざまな機械学習モデルを比較し、短期的および長期的予測をカバーしている。 K-Nearest Neighbours、ランダムフォレスト、極度の勾配上昇、長期記憶ネットワーク、ゲートリカレントユニットネットワークといったモデルを用いて、ルート平均二乗誤差、平均絶対誤差、決定係数などの過去のEGX30データを用いて評価した。 目標は、エジプトのユニークな市場ダイナミクスを考慮して、EGX30予測の最も効果的なモデルを決定することである。 この研究の洞察は、投資家が情報的な決定を下すのに役立つ。 その結果,GRU(Gated Recurrent Unit)は1週間,1ヶ月,2ヶ月で他モデルを上回っ,eXtreme Gradient Boosting(XGBoost)モデルは1日の予測で他モデルを上回っ,金融市場の予測分析における有用性を強調した。 この研究は、特に長期予測においてアンサンブルテクニックを使うことの重要性も示しており、2ヶ月の予測ではGRUの5倍の精度で結果が得られた。 さらに研究は、長期予測におけるK-Nearest Neighbours(KNN)の驚くほど優れたパフォーマンスについて言及し、フィンテック分野におけるその持続的妥当性と将来的な応用の可能性を示している。

関連論文リスト

• Reasoning through Verifiable Forecast Actions: Consistency-Grounded RL for Financial LLMs [34.87727677131385]
  本発表では、株価予測と財務的理由を検証可能な予測行動を通じて統合する、時系列のLLMであるStockR1を紹介する。 ツールコール設計に基づいて、モデルはまず、定性的市場展望の構造的かつ解釈可能な表現である予測アクションを出力する。 そこでは、回答の妥当性、予測精度、生成したアクション間の一貫性と観察された時系列のダイナミクスを共同で反映する。
  論文  参考訳（メタデータ） (2026-05-21T04:09:16Z)
• RETuning: Upgrading Inference-Time Scaling for Stock Movement Prediction with Large Language Models [37.97736341087795]
  本研究では,大規模言語モデル(LLM)が,体系的かつ独立した分析論理(CoT)を示すのではなく,アナリストの意見に従うことを観察し,三クラス分類問題(アップ,ホールド,ダウン)を考察する。 本稿では,強化学習に先立つ冷間開始法である反射エビデンスチューニング(RETuning)を提案し,予測能力を向上する。 2024年全体の5,123件のAシェアストックに、長いコンテキスト(32Kトークン)と200K以上のサンプルを備えた大規模なデータセットを構築しています。
  論文  参考訳（メタデータ） (2025-10-24T16:08:33Z)
• Stock Price Prediction and Traditional Models: An Approach to Achieve Short-, Medium- and Long-Term Goals [0.0]
  在庫価格予測のためのディープラーニングモデルと従来の統計手法の比較分析は、ナイジェリア証券取引所のデータを用いている。 深層学習モデル、特にLSTMは、データの複雑な非線形パターンをキャプチャすることで従来の手法より優れている。 この結果は、金融予測と投資戦略を改善するための深層学習の可能性を強調している。
  論文  参考訳（メタデータ） (2024-09-29T11:20:20Z)
• Return Prediction for Mean-Variance Portfolio Selection: How Decision-Focused Learning Shapes Forecasting Models [32.062670664184786]
  意思決定学習は、予測と最適化を統合して意思決定結果を改善する。 本研究では、DFLが平均分散最適化(MVO)における決定を最適化するために、ストックリターン予測モデルをどのように調整するかを検討する。 その結果,予測誤差が高いにもかかわらず,DFLが優れたポートフォリオ性能を実現する理由が明らかになった。
  論文  参考訳（メタデータ） (2024-09-15T10:37:11Z)
• Harnessing Earnings Reports for Stock Predictions: A QLoRA-Enhanced LLM Approach [6.112119533910774]
  本稿では、命令ベースの新しい手法と量子化低ランク適応(QLoRA)圧縮を組み合わせることで、LLM(Large Language Models)命令を微調整することで、高度なアプローチを提案する。 近年の市場指標やアナリストの成績等「外部要因」を統合して、リッチで教師付きデータセットを作成する。 この研究は、最先端のAIを微調整された財務データに統合する能力を実証するだけでなく、AI駆動の財務分析ツールを強化するための将来の研究の道を開く。
  論文  参考訳（メタデータ） (2024-08-13T04:53:31Z)
• Stock Market Price Prediction: A Hybrid LSTM and Sequential Self-Attention based Approach [3.8154633976469086]
  LSTM-SSAM(Sequential Self-Attention Mechanism)を用いたLong Short-Term Memory(LSTM)というモデルを提案する。 SBIN,BANK,BANKBARODAの3つのストックデータセットについて広範な実験を行った。 実験により,既存のモデルと比較して,提案モデルの有効性と妥当性が示された。
  論文  参考訳（メタデータ） (2023-08-07T14:21:05Z)
• FuXi: A cascade machine learning forecasting system for 15-day global weather forecast [34.812266901884996]
  FuXiは、時間分解能6時間、空間分解能0.25度で世界15日間の天気予報を提供する機械学習天気予報システムである。 FuXiは15日間の予測でECMWF EMと同等の性能を示しており、この達成を達成したMLベースの天気予報システムとしては初めてのものである。
  論文  参考訳（メタデータ） (2023-06-22T13:34:26Z)
• 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)
• Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [48.87381259980254]
  我々は、ChatGPTのような大規模言語モデル(LLM)が、直接の金融トレーニングなしでニュースの見出しから株式市場の反応を予測する能力について文書化している。 GPT-4は、認識後カットオフの見出しを使って、最初の市場の反応を捉え、取引不能な初期反応に対して、ポートフォリオの1日当たりのヒット率を約90%達成している。
  論文  参考訳（メタデータ） (2023-04-15T19:22:37Z)
• Machine Learning for Stock Prediction Based on Fundamental Analysis [13.920569652186714]
  フィードフォワードニューラルネットワーク(FNN)、ランダムフォレスト(RF)、適応型ニューラルファジィ推論システム(ANFIS)の3つの機械学習アルゴリズムについて検討する。 RFモデルは最高の予測結果を達成し,FNNとANFISのテスト性能を向上させることができる。 この結果から, 機械学習モデルは, 株式投資に関する意思決定において, 基礎アナリストの助けとなる可能性が示唆された。
  論文  参考訳（メタデータ） (2022-01-26T18:48:51Z)
• Stock Price Prediction Under Anomalous Circumstances [81.37657557441649]
  本稿では,異常な状況下での株価の変動パターンを捉えることを目的とする。 ARIMAとLSTMのモデルは、シングルストックレベル、業界レベル、一般市場レベルでトレーニングします。 2016年から2020年にかけての100社の株価に基づいて、平均予測精度は98%に達した。
  論文  参考訳（メタデータ） (2021-09-14T18:50:38Z)
• Deep learning for Stock Market Prediction [0.0]
  本稿では,株式市場グループの将来予測に焦点をあてる。 テヘラン証券取引所から多様化ファイナンス、石油、非金属鉱物、塩基性金属の4つのグループを選定する。 予測は1日、5日、10日、15日、20日、30日前に作成される。
  論文  参考訳（メタデータ） (2020-03-31T22:50:01Z)

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。