文献

J-GLOBAL ID：202002238580378941   整理番号：20A0650629

多変量財務時系列予測のための2段階特徴選択による深層学習フレームワークの開発【JST・京大機械翻訳】

Developing a deep learning framework with two-stage feature selection for multivariate financial time series forecasting

著者 (8件)： Niu Tong (Center for Energy, Environment & Economy Research, Zhengzhou University, Zhengzhou, 450001, China) ,  Niu Tong (School of Statistics, Dongbei University of Finance and Economics, Dalian, 116025, China) ,  Niu Tong (School of Computer Science, Faculty of Engineering and Information Technology, University of Technology Sydney, Australia) ,  Wang Jianzhou (School of Statistics, Dongbei University of Finance and Economics, Dalian, 116025, China) ,  Lu Haiyan (School of Computer Science, Faculty of Engineering and Information Technology, University of Technology Sydney, Australia) ,  Yang Wendong (School of Statistics, Dongbei University of Finance and Economics, Dalian, 116025, China) ,  Yang Wendong (School of Computer Science, Faculty of Engineering and Information Technology, University of Technology Sydney, Australia) ,  Du Pei (School of Statistics, Dongbei University of Finance and Economics, Dalian, 116025, China)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 148  ページ： Null  発行年： 2020年 
JST資料番号： W0178A  ISSN： 0957-4174  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： 知的金融予測モデリングは金融市場における投資関連意思決定活動の促進において重要な役割を果たす。しかし,正確な多変量金融時系列予測は,その複雑な非線形パターンのために挑戦のままである。この分野におけるギャップを埋めることを目的として,二段階特徴選択モデル,深い学習モデル,および誤差補正モデルに基づく新規予測フレームワークを本研究で提示して,多変量金融時系列に固有の非線形性を効果的に捕捉することを目的とした。具体的には,提案した2段階特徴選択モデルを用いて,3つの深い学習ユニットに基づく提案した深い学習モデルの一般化をさらに改善するために,最適特徴集合を決定した。一方,誤差補正モデルを用いて予測を修正し,さらに精度を改善した。予測フレームワークの性能を検証するために,事例研究と対応する感度解析を行い,結果として,考慮した16のベンチマークと比較して,その優位性を実証した。Copyright 2020 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： *特徴選択 ,  学習モデル ,  *学習 ,  誤り訂正 ,  投資 ,  金融 ,  非線形性 ,  感度解析 ,  意思決定 ,  ベンチマーク ,  事例研究
準シソーラス用語： 選択モデル ,  金融市場 ,  *深層学習 ,  *時系列予測 , 【Automatic Indexing@JST】

著者キーワード (5件)： 深層学習 ,  多変量金融時系列 ,  予測 ,  特徴選択 ,  多目的最適化

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

タイトルに関連する用語 (8件)： 多変量 ,  財務 ,  時系列予測 ,  段階 ,  特徴選択 ,  深層学習 ,  フレームワーク ,  開発