文献

J-GLOBAL ID：201902288899139500   整理番号：19A1757384

株式市場予測のための最適サポートベクトルマシン性能を増加させるための局所的および大域的特性ベースのカーネルハイブリダイゼーション【JST・京大機械翻訳】

Local and global characteristics-based kernel hybridization to increase optimal support vector machine performance for stock market prediction

著者 (2件)： Gowthul Alam M. M. (Department of CSE, National College of Engineering, Tirunelveli, India) ,  Baulkani S. (Department of ECE, Government College of Engineering, Tirunelveli, India)
資料名： Knowledge and Information Systems  (Knowledge and Information Systems)
巻： 60  号： 2  ページ： 971-1000  発行年： 2019年 
JST資料番号： W2193A  ISSN： 0219-1377  資料種別： 逐次刊行物 (A)
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： 本論文では,入力データの大域的および局所的特性を組み合わせた新しいマルチカーネルサポートベクトルマシン(MKSVM)を提案した。これに加えて,パラメータ調整手法を,株式市場移動方向予測問題に適用される,果実フライ最適化(FFO)を用いて開発した。最初に,因子分析を用いて,予測性能の改善に寄与するモデルに適用した場合,生のストック指標データから因子スコアと呼ばれる重要な特徴を同定した。次に,入力データの局所的および大域的特性を組み合わせたハイブリッドカーネル法を提案し,そこでは多項式をグローバルカーネルに対して用い,動径基底関数を局所カーネルに対して利用した。さらに,FFOベースのパラメータ同調方式を提案して,予測性能をさらに強化した。最後に,最良の特徴部分集合と最適パラメータを有する進化MKSVMを用いて,歴史的データ系列に基づく株式市場移動方向を予測した。評価と例証目的のために,3つの重要なストックデータベース,NYSE,DJIとS&P500を試験ターゲットとして用いた。この提案した手法の有効性を3つの異なる株式市場データセットにより証明し,提案した手法がデフォルトパラメータ,PSOによるMKSVM,GAによるMKSVM,および他の方法によるMKSVMより優れていることを実証した。さらに,著者らの発見は,ここで提案した最適化戦略が,より高い予測精度のためのより良い一般化能力のための有望な選択予測ツールとして使用できることを明らかにした。Copyright 2018 Springer-Verlag London Ltd., part of Springer Nature Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *予測 ,  モデル ,  データベース ,  *サポートベクトルマシン ,  同調 ,  部分集合 ,  在庫量 ,  *株式市場 ,  多項式 ,  パラメータ ,  最適化 ,  有効性
準シソーラス用語： 予測精度 ,  最適パラメータ ,  スコア , 【Automatic Indexing@JST】

著者キーワード (8件)： 株式市場の動き予測 ,  歴史的データシリーズ ,  ミバエの最適化 ,  サポートベクトルマシン ,  動径基底関数カーネル ,  多項式カーネル ,  局所 ,  世界

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 株式市場 ,  予測 ,  サポートベクトルマシン ,  カーネル ,  ハイブリダイゼーション