Fugu-MT 論文翻訳(概要): Regime-Aware Interpretable Ranking for Sector Rotation

論文の概要: Regime-Aware Interpretable Ranking for Sector Rotation

arxiv url: http://arxiv.org/abs/2610.26456v1
Date: Mon, 19 Oct 2026 14:10:27 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-23 17:30:55.205508
Title: Regime-Aware Interpretable Ranking for Sector Rotation
Title（参考訳）: セクタローテーションにおけるレジーム・アウェアの解釈的ランク付け
Abstract要約: RegimeRankは、専門家が定義した時間的特性を通じて基本的および技術的信号を表すセクターレベルのモデルである。 2002年から2024年までの週ごとのS&P500データからRegimeRankを評価する。
参考スコア（独自算出の注目度）: 6.6564697421564425
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Sector rotation is a common decision in benchmark-relative portfolio management, where portfolio managers rank sectors for overweight and underweight positions. We formulate this task as ranking sector actions by expected future risk-adjusted active performance, measured with forward sector-benchmark Sharpe ratios. Such rankings should preserve temporal information, express model outputs through economically familiar signal characteristics, account for changes in signal relevance across macroeconomic environments, and capture dependencies among sectors. We propose RegimeRank, an interpretable sector-ranking model that represents fundamental and technical signals through expert-defined temporal characteristics, conditions them on learned macro factors via cross-attention, and models cross-sector dependencies through self-attention. Expected-gradient attributions identify the contributions of individual signal-transformation pairs, while macroeconomic and cross-sector attention maps provide diagnostics of the learned conditioning and relational structure. We evaluate RegimeRank on weekly S&P 500 data from 2002 to 2024 under combinatorial purged cross-validation, where it outperforms representative ranking and machine-learning baselines across multiple ranking metrics. Ablation studies support the contributions of latent macro states, regime conditioning, and cross-sector modelling, while attribution and attention analyses illustrate the temporal characteristics, macro states, and sector relationships underlying its rankings.
Abstract（参考訳）: セクタのローテーションは、ポートフォリオマネージャがオーバーウェイトとアンダーウェイトの地位でセクタをランク付けするベンチマーク関連ポートフォリオマネジメントにおいて一般的な決定である。我々は,この課題を,先進セクター-ベンチマーク・シャープ比で測定した将来のリスク調整アクティブパフォーマンスによって,ランキングセクター行動として定式化する。このようなランキングは、時間的情報を保存し、経済的に精通した信号特性を通じてモデル出力を表現し、マクロ経済環境における信号関連性の変化を考慮し、セクター間の依存関係を捉えなければならない。本稿では,専門家が定義した時間的特性を通じて基本的および技術的信号を表す解釈可能なセクタレベルのモデルであるRegimeRankを提案する。期待される段階的な属性は、個々の信号変換ペアの寄与を識別する一方、マクロ経済とクロスセクタの注意マップは、学習された条件付けと関係構造の診断を提供する。 2002年から2024年までの週ごとのS&P500データに基づいてRegimeRankを評価する。アブレーション研究は、潜在マクロ状態、状態条件付け、クロスセクターモデリングの貢献を支持する一方で、属性とアテンション分析は、そのランクの根底にある時間的特性、マクロ状態、セクターの関係を示す。

関連論文リスト

Beyond Co-Movement: Locality by Exposures Enables a Joint Factor-Graph Framework for Portfolio Diversification [0.0]
我々はMINGLE(Mutually-Informed Graph-Locality and Exposures framework)を紹介する。グラフの局所性を再定義することで、因子とグラフ領域を相互に規則化する。結果として得られる露光類似性グラフは、従来の相関に基づくグラフよりも確立された経済セクターとより密に一致している。
論文参考訳（メタデータ） (2026-08-06T22:07:26Z)
LLM-Based vs. Lexicon-Based Sentiment Signals for Tail-Risk Detection in Meme Stocks [0.0]
本稿では,語彙モデルとLarge Language Model(LLM)を用いた感情分析を実証的に比較する。タイムアラインなセンチメント指標を構築し、市場リターンとの関係を評価する。その結果,LLM由来の指標は,レキシコンベースベースラインよりも多次元表現が豊富で,アセット特異的な統計構造が強いことが示唆された。
論文参考訳（メタデータ） (2026-07-27T07:16:12Z)
Purified OPSD: On-Policy Self-Distillation Without Losing How to Think [52.879387744920415]
オンライン自己蒸留(OPSD)は長いチェーン・オブ・ソート(Long-CoT)推論モデルでは一貫して失敗する。まず,教師が指導信号の非伝達可能成分を分離するために,参照のみの教師を構築する。第2に、この残差をよく形成されたPMIターゲット分布に変換するメカニズムとして、ポイントワイズ相互情報(PMI)を用いる。
論文参考訳（メタデータ） (2026-07-02T14:33:07Z)
Uncovering Salience-Driven Dynamics in Consumer Confidence with Generative Social Simulation [56.70690339492564]
本稿では,消費者信頼度指数のダイナミクスを再構築する生成的人間環境対応フレームワークであるConsumerSimを紹介する。米国、EU27、および日本の公式CCIターゲットシリーズにおいて、ConsumerSimは、持続性、時系列、回帰、および情報強化ベースラインの中で第1位である。発見は、解釈可能な人間環境対応プロセスとして消費者信頼の行動的視点を支持する。
論文参考訳（メタデータ） (2026-06-29T14:46:22Z)
From Holistic Evaluation to Structured Criteria: Rubrics Across the Evolving LLM Landscape [79.30826980815927]
ルーブリックは、複雑な品質判断を構造化され、実行可能な標準に変換する明示的な基準セットです。我々は,既存のルーリックデザインを体系的に整理し,その構築と最適化を検証し,評価と訓練をまたいだ役割を解析する。
論文参考訳（メタデータ） (2026-06-07T13:34:55Z)
Crisis-Resilient Portfolio Management via Graph-based Spatio-Temporal Learning [9.3237091894548]
グラフに基づく時間学習フレームワークCRISP(Crisis-Resilient Investment through S-temporal Patterns)を提案する。固定トポロジー法とは異なり、CRISPは注意機構を通じてどの関係が重要かを発見する。これにより、ダウンターン時の利益性を維持するアダプティブなポートフォリオアロケーションが可能になる。
論文参考訳（メタデータ） (2025-10-23T06:23:15Z)
Integrating AI and Ensemble Forecasting: Explainable Materials Planning with Scorecards and Trend Insights for a Large-Scale Manufacturer [0.45687771576879593]
本稿では,アフターセール需要予測とモニタリングのための実用的アーキテクチャを提案する。統計モデル、機械学習モデル、ディープラーニングモデルの、収益とクラスタ対応のアンサンブルを統合する。システムは90か国以上、約6,000の部品の予測、監視、在庫決定のループを閉じる。
論文参考訳（メタデータ） (2025-10-01T15:14:10Z)
Attention (as Discrete-Time Markov) Chains [76.61244121046035]
注意行列の新しい解釈を離散時間マルコフ連鎖として導入する。キーとなる観察は、意味的に類似した領域に関連付けられたトークンが準安定状態、すなわち注意が集中する傾向にある領域を形成し、ノイズの多い注意スコアが散逸することである。最後に、グローバルトークンの重要性を測定するマルコフ連鎖の定常状態ベクトルであるTokenRankを定義する。
論文参考訳（メタデータ） (2025-07-23T16:20:47Z)
GenBench: A Benchmarking Suite for Systematic Evaluation of Genomic Foundation Models [56.63218531256961]
我々はGenomic Foundation Modelsの有効性を評価するためのベンチマークスイートであるGenBenchを紹介する。 GenBenchはモジュラーで拡張可能なフレームワークを提供し、様々な最先端の方法論をカプセル化している。本稿では,タスク固有性能におけるモデルアーキテクチャとデータセット特性の相互作用のニュアンス解析を行う。
論文参考訳（メタデータ） (2024-06-01T08:01:05Z)
Evaluating Probabilistic Classifiers: The Triptych [62.997667081978825]
本稿では,予測性能の異なる相補的な側面に焦点をあてた診断グラフィックのトリチチを提案し,研究する。信頼性図は校正に対処し、受信動作特性(ROC)曲線は識別能力を診断し、マーフィー図は全体的な予測性能と価値を視覚化する。
論文参考訳（メタデータ） (2023-01-25T19:35:23Z)
Never mind the metrics -- what about the uncertainty? Visualising confusion matrix metric distributions [6.566615606042994]
本稿では,不確実性の異なるモデル下での分布を明らかにすることにより,分類器の性能指標について,よりバランスのとれた視点を求める。我々は、このROC空間内の(そしてそれ以上の)パフォーマンスメトリクスの輪郭の方程式、アニメーション、インタラクティブな可視化を開発します。私たちの期待は、これらの洞察と視覚化によって、パフォーマンス指標の推定における実質的な不確実性に対する認識がより高くなることです。
論文参考訳（メタデータ） (2022-06-05T11:54:59Z)

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。