文献

J-GLOBAL ID：201802240568903067   整理番号：18A1773371

株式市場埋め込みと予測:深層学習法【JST・京大機械翻訳】

Stock Market Embedding and Prediction: A Deep Learning Method

著者 (3件)： Chen Yuzhou (Beihang University, School of Economics and Management, Beijing, China) ,  Wu Junji (Beihang University, School of Economics and Management, Beijing, China) ,  Bu Hui (Beihang University, School of Economics and Management, Beijing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICSSSM  ページ： 1-6  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： それは,株式市場を理解し,合理的な予測を行う人々にとって常に挑戦的な問題である。非常に長い期間にわたり,投資家は,単一日毎に膨大な量のデータを生成する金融市場からの有用な特徴を人手で抽出することを試みている。人々は,MACD,TR,MFIのような多くの技術指標を作り,金融時系列の運動量,体積および揮発性信号を記述する。しかしながら,制限は人手特徴工学の効率のために明白である。データの急速に成長するボリュームによって,深いニューラルネットワークは,自然言語処理,音声認識,画像同定のような多くの研究分野において優れた性能を示した。それは,潜在的に有用な情報を自動的に引き出すための新しい見解を提供する。本論文では,特徴を自動的に抽出し,日常市場の要約表現を得るために,埋め込み法を用いた新しいエンドツーエンド訓練を提案した。さらに,著者らは,HS300指数の日毎のリターン比率を予測するために,注意機構によって,長期の短期記憶(LSTM)を適用した。埋込み層により抽出された特徴は,手動で定義された技術的信号よりも92.42%低いMSEにより,より大きな予測力を示した。さらに,注意機構の使用は,MSEにおいて55.68%の平均強化を提供した。著者らの研究は,深いニューロンネットワーク構造が,より良い理解市場複雑挙動のために強い可能性を持つことを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 運動量 ,  音声認識 ,  *予測 ,  ニューラルネットワーク ,  *株式市場 ,  自然言語処理 ,  画像 ,  エンドツーエンド方式 ,  揮発性 ,  高速度 ,  神経回路網
準シソーラス用語： 短期記憶 ,  投資家 ,  金融市場 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 株式市場 ,  埋め込み ,  予測 ,  深層学習