文献

J-GLOBAL ID：201802275524049269   整理番号：18A1651181

高頻度金融時系列予測のための進化的-形態学的学習機械【JST・京大機械翻訳】

Evolutionary-morphological learning machines for high-frequency financial time series prediction

著者 (5件)： Araujo Ricardo de A. (Laboratorio de Inteligencia Computacional do Araripe, Instituto Federal do Sertao Pernambucano, Brazil) ,  Nedjah Nadia (Departamento de Engenharia Eletronica e Telecomunicacoees, Universidade Estadual do Rio de Janeiro, Brazil) ,  de Seixas Jose M. (Laboratorio de Processamento de Sinais - POLI/COPPE, Universidade Federal do Rio de Janeiro, Brazil) ,  Oliveira Adriano L.I. (Centro de Informatica, Universidade Federal de Pernambuco, Brazil) ,  Meira Silvio R. de L. (Centro de Informatica, Universidade Federal de Pernambuco, Brazil)
資料名： Swarm and Evolutionary Computation  (Swarm and Evolutionary Computation)
巻： 42  ページ： 1-15  発行年： 2018年 
JST資料番号： W3213A  ISSN： 2210-6502  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 最近の研究は,高周波株式市場を効率的に予測することができる,増加-減少-線形(IDL)モデルと呼ばれるモデルを提示した。それにもかかわらず,障害はIDLの学習過程から生じ,それは,演算子の増加と減少の非微分可能性問題を回避するために,その費用のかかる方法論から成る。この意味において,IDL設計の計算コストを低減するために,遺伝的アルゴリズム,粒子群最適化,バックトラッキング探索アルゴリズム,ホタルアルゴリズム,およびcuckoo探索を用いて,IDLモデルを設計するための進化学習機械を提案した。ブラジルの株式市場からの5つの関連した高周波時系列を用いて性能を評価し,得られた結果は,文献に示されたいくつかの関連予測モデルによって達成されたものと同様に,古典的学習プロセスによって設計されたIDLモデルによって達成されたものと比較して,より小さい計算コストでより良い予測性能を実証した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 線形性 ,  *学習機械 ,  ブラジル連邦共和国 ,  バックトラッキング ,  予測モデル ,  遺伝的アルゴリズム ,  *モルフォロジー ,  *学習 ,  微分 ,  株式市場 ,  *金融
準シソーラス用語： ホタルアルゴリズム ,  探索アルゴリズム ,  粒子群最適化 ,  計算コスト , 【Automatic Indexing@JST】

著者キーワード (4件)： 高周波金融時系列 ,  ブラジル株式市場 ,  増加低減線形モデル ,  進化的学習機械

分類 (2件)： 人工知能  (JE08000Z) ,  利益管理  (KA05030A)

タイトルに関連する用語 (6件)： 頻度 ,  金融時系列 ,  予測 ,  進化 ,  形態学 ,  学習機械