文献

J-GLOBAL ID：201802281506534127   整理番号：18A0726325

積分支援ベクトル回帰とKrill群アルゴリズムによる株価揮発性の予測【JST・京大機械翻訳】

Forecasting the Stock Price Volatilities by Integratingthe Support Vector Regression and the Krill Herd Algorithm

著者 (1件)： Hsu Chihming
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CIIS  ページ： 51-57  発行年： 2017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： 高いレverの性質を持つ誘導体は,低い関心率で時代に投資するための一般的なツールになっている。これらの誘導体の中で,選択は,Black-Scholes(B-S)価格決定モデルが合理的価格を推定するために使用できるので,投資のためのより簡単な方法と考えられる。しかし,B-Sモデルにおけるパラメータ「揮発性±」は,オプションや基礎資産に関する歴史的な取引情報に基づいて知られていないので,将来の揮発性の予測の問題は,研究者や実務者の興味ある魅力的な研究課題となっており,人工知能技術が広く使われ,満足な結果を得ている。したがって,サポートベクトル回帰(SVR)技術とクリギング群(KH)最適化アルゴリズムを用いて,本研究でより正確に揮発性を予測するための統合アプローチを開発した。提案したアプローチは,その実現可能性と有効性を検証するために,台湾のストックエクスカッション容量化加重指数(TAIEX)の揮発性を予測することを目的とした事例研究によって実証され,実験結果によると,提案した統合予測方法は,SVRに基づいて構築された予測モデルよりもRMSE,R2またはMAPEに基づいてより良い予測性能を生成できる。したがって,提案された統合アプローチは実際に予測を改善することができ,投資家のための効果的で有用な補助ツールと考えられ,それにより,彼の意思決定を助ける揮発性に対するより正確な推定を得ることができる。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： *ベクトル ,  *揮発性 ,  予測技法 ,  クリギング ,  *アルゴリズム ,  人工知能 ,  事例研究 ,  価格決定 ,  意思決定 ,  台湾 ,  予測モデル
準シソーラス用語： 投資家 ,  予測性能 ,  サポートベクトル回帰 ,  *株価 , 【Automatic Indexing@JST】

分類 (5件)： 空気調和装置一般  (PC02010U) ,  交通調査  (TB01031B) ,  その他の汚染原因物質  (SB05040W) ,  オペレーションズリサーチ一般  (KA03010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 積分 ,  支援 ,  ベクトル ,  アルゴリズム ,  株価 ,  揮発性 ,  予測