文献

J-GLOBAL ID：201902264199615470   整理番号：19A1715934

暗号性時系列における実現された揮発性予測のための人工神経回路網【JST・京大機械翻訳】

Artificial Neural Networks for Realized Volatility Prediction in Cryptocurrency Time Series

著者 (3件)： Miura Ryotaro (International Christian University, Mitaka, Tokyo, Japan) ,  Pichl Lukas (International Christian University, Mitaka, Tokyo, Japan) ,  Kaizoji Taisei (International Christian University, Mitaka, Tokyo, Japan)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11554  ページ： 165-172  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 実現された揮発性(RV)は,高周波サンプリング格子上の対数リターンの二乗の和として定義され,典型的には金融における取引日のある時間間隔にわたって集約される。オンライン交換における連続的に取引された暗号の場合には,凝集期間が何であるべきかは事前には明らかではない。本研究において,著者らは,3時間間隔にわたる詳細にサンプリングされたBitcoinリターンを用いてRV値を集約した。次に,RV時系列を用いて,著者らは,最適化された遅れパラメータを有する不均一な自己回帰的現実化電圧(HARRV)モデルと比較される,機械学習法,ANN(MLP,GRU,LSTM),SVM,およびリッジ回帰を用いて,過去のサンプルに基づく将来の値を予測した。Ridge回帰が最良を実行し,HARRVモデルにより仮定された自己回帰動力学を支持することを示した。ニューラルネットワークベースの方法による平均二乗誤差値は密接に従うが,SVMは最悪の性能を示す。現在のベンチマークは,暗号市場におけるアルゴリズム取引における動的リスクヘッジのために使用することができた。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *暗号 ,  凝集 ,  *予測 ,  *ニューラルネットワーク ,  金融 ,  最適化 ,  対数 ,  電圧 ,  ベンチマーク ,  機械学習
準シソーラス用語： リスクヘッジ ,  リッジ回帰 ,  自己回帰 ,  オンライン ,  時間間隔 , 【Automatic Indexing@JST】

著者キーワード (9件)： ANN ,  MLP ,  LSTM ,  GRU ,  CNN ,  SVM ,  HarRV ,  リッジ回帰 ,  実現した揮発性

分類 (1件)： 符号理論  (ND02030R)

タイトルに関連する用語 (5件)： 暗号 ,  時系列 ,  揮発性 ,  予測 ,  人工神経回路網