文献

J-GLOBAL ID：201802248291206926   整理番号：18A1908031

技術指標と金融ニュース記事を用いた株式市場予測のための深いリーミング【JST・京大機械翻訳】

Deep Leaming for Stock Market Prediction Using Technical Indicators and Financial News Articles

著者 (4件)： Vargas Manuel R. (COPPE Federal Univ. of Rio de Janeiro, Rio de Janeiro, Brazil) ,  dos Anjos Carlos E. M. (COPPE Federal Univ. of Rio de Janeiro, Rio de Janeiro, Brazil) ,  Bichara Gustavo L. G. (COPPE Federal Univ. of Rio de Janeiro, Rio de Janeiro, Brazil) ,  Evsukoff Alexandre G. (COPPE Federal Univ. of Rio de Janeiro, Rio de Janeiro, Brazil)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IJCNN  ページ： 1-8  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： 本研究では,金融ニュースと入力としての技術指標を用いて,株価の日方向移動予測のための深い学習モデルを用いた。技術指標の2つの異なるセットの間で比較を行った。1:確率的%K,確率%D,モーメント,変化率,Williams%R,累積/分布(A/D)発振器およびDisarity5;集合2:指数関数的移動平均,移動平均収束-発散,相対強度指数,平衡体積およびBolinger Band。深い学習法は,より正確な取引プロセスを可能にするデータにおける複雑なパターンと相互作用を検出し,分析することができる。実験により,従来のニューラルネットワーク(CNN)は,テキストとRNNからの意味論に関する再帰ニューラルネットワーク(RNN)よりも優れていることが示され,株式市場予測のためのコンテキスト情報の獲得と複雑な時間的特性のモデリングに関してより良い。したがって,本論文で比較した2つのモデルがある。すなわち,金融ニュースのためのCNNによって構成されるハイブリッドモデルと,SI-RCNNと呼ばれる技術指標のための長い短期記憶(LSTM)である。そして,LSTMネットワークは,I-RNNと呼ばれる技術的指標のためにだけである。各モデルの出力は,現在の日にストックを購入する取引エージェントに対する入力として使用され,モデルが価格が上昇している場合には,現在の日にエージェントが販売し,翌日に購入することを予測する。提案した方法は,結果の安定化における財政的ニュースの主要な役割を示し,技術的指標の異なるセットを比較するとき,ほとんど改善を示さない。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： 発振器 ,  エージェント ,  モデリング ,  *株式市場 ,  相互作用 ,  意味論 ,  *予測 ,  ニューラルネットワーク ,  学習 ,  *ニュース ,  *金融
準シソーラス用語： ハイブリッドモデル ,  テキスト ,  株価 ,  *ニュース記事 , 【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 (5件)： 指標 ,  金融 ,  ニュース記事 ,  株式市場 ,  予測