文献

J-GLOBAL ID：202002237365621513   整理番号：20A1242186

技術分析からテキスト分析へ:GRUによる株式と索引の予測【JST・京大機械翻訳】

From Technical Analysis to Text Analytics: Stock and Index Prediction with GRU

著者 (7件)： Teoh T.-T. (Nanyang Technological University,Nanyang Business School,Singapore) ,  Lim W. T. (Nanyang Technological University,Nanyang Business School,Singapore) ,  Koh K. W. (Nanyang Technological University,Nanyang Business School,Singapore) ,  Soh J. J. (Nanyang Technological University,Nanyang Business School,Singapore) ,  Tan T. (Nanyang Technological University,Nanyang Business School,Singapore) ,  Liu S.Y. (Nanyang Technological University,Nanyang Business School,Singapore) ,  Nguwi Y.-Y. (Nanyang Technological University,Nanyang Business School,Singapore)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CIS-RAM  ページ： 496-500  発行年： 2019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： 技術的分析は,将来の動きを予測するためのストック運動の変化を同定し,観察するための取引実践である。それは,数値形式における歴史的閉鎖価格の間で発見されたパターンを観察することによって主に動作する。研究は,感情がストック運動予測[1]-[3]において重要な役割を果たすことを示した。本研究は,テキストデータをストックとインデックス予測に加える効果を研究した。著者らは,本質的に高度に揮発性である主要な技術的ストックとNASDAQ指標運動を研究した。ストックとインデックスの10日前進運動量を予測する実験を設定した。本研究では,機械学習技術を用いて,決定木,ランダムフォレスト,K最近傍,サポートベクトルマシン,リカレントニューラルネットワーク,長短期メモリネットワーク,ゲート化リカレントユニットネットワークを含む10の異なるモデルを確立し,予測を行う能力を観察した。結果は,非ニューラルネットワークモデルが,良好な精度にもかかわらず,過剰適合問題を経験することを示した。一方,ニューラルネットワークモデルはより多くのデータを必要とする。ニュースと感情の追加は,深い学習モデルの性能を50.1%から78.57%まで改善することができる。Copyright 2020 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： 学習モデル ,  ディシジョンツリー ,  在庫量 ,  揮発性 ,  ニュース ,  動き推定 ,  *サポートベクトルマシン
準シソーラス用語： 神経回路網モデル ,  リカレントニューラルネットワーク ,  ランダムフォレスト ,  テキスト解析 ,  機械学習技術 ,  テキストデータ , 【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)： 分析 ,  テキスト分析 ,  株式 ,  索引 ,  予測