文献

J-GLOBAL ID：202002287063443493   整理番号：20A2659910

新しいテンソルベース分解法による株式相関の解明【JST・京大機械翻訳】

Unveil stock correlation via a new tensor-based decomposition method

著者 (5件)： Brandi Giuseppe (Department of Mathematics, King’s College London, The Strand, London, WC2R 2LS, UK) ,  Gramatica Ruggero (Yewno, 499 Hamilton Ave, Palo Alto, CA 94301, USA) ,  Matteo Tiziana Di (Department of Mathematics, King’s College London, The Strand, London, WC2R 2LS, UK) ,  Matteo Tiziana Di (Department of Computer Science, University College London, Gower Street, London, WC1E 6BT, UK) ,  Matteo Tiziana Di (Complexity Science Hub Vienna, Josefstaedter Strasse 39, A 1080 Vienna, Austria)
資料名： Journal of Computational Science  (Journal of Computational Science)
巻： 46  ページ： Null  発行年： 2020年 
JST資料番号： W3406A  ISSN： 1877-7503  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： Portfolio配置とリスク管理は相関行列を利用し,使用する適切な相関行列の選択に大きく依存した。この点に関して,1つの重要な問題は,安定な相関行列を推定するために使用する適切な試料期間の選択に関係する。本論文はこの問題に対処し,選択したサンプル期間に依存しない相関行列を推定する新しい方法論を提案した。この新しい方法論はテンソル因数分解技術に基づいている。特に,結合と正規化因子成分を結合して,サンプル期間によって影響されない新しい構造依存性特性を示す相関マトリックスを構築した。因子成分を検索するために,著者らは新しいテンソル分解(Slice-Diagonal Tensor(SDT)因数分解と呼ぶ)を提案し,2つの最も使用されたテンソル分解,TuckerおよびPARAFACと比較した。著者らは,新しい因数分解が,Tucker分解よりもより節約的であり,PARAFACより柔軟であることを示した。異なるシミュレーションパラメータを用いてシミュレーションデータセットにこの方法を適用した。結果は,異なるシミュレーション設定に対してロバストであり,2つの独立したサンプルに対して生成された相関行列の安定性を確認した。経験的データの2つの独立したサンプルに適用した提案ツールは,生成された相関行列がストック産業を表すブロック構造を有することを示した。さらに,2つのノンパラメトリック試験,すなわち,Kruskal-WallisとKolmogorov-Smirnov試験に従って,相関行列は統計的に時間不変であり,従って安定である。得られた相関行列は安定性および新しい構造依存性特性によって特性化されるので,ピアソン相関を含む他の相関行列型測度の代替として使用できる。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： シミュレーション ,  測度 ,  *テンソル ,  因数分解 ,  ノンパラメトリック法 ,  因子分析 ,  在庫量 ,  *分割法 ,  リスク管理 ,  キャラクタリゼーション ,  正規化 ,  ロバスト性
準シソーラス用語： PARAFAC ,  相関行列 ,  テンソル分解 , 【Automatic Indexing@JST】

著者キーワード (4件)： テンソル分解 ,  隠れ相関行列 ,  安定相関 ,  因子分析

分類 (2件)： 数値計算  (JE02000J) ,  信号理論  (ND02020G)

タイトルに関連する用語 (4件)： テンソル ,  分解法 ,  株式 ,  相関