文献

J-GLOBAL ID：202102211128899671   整理番号：21A0156852

金価格予測のための深い信念ネットワーク【JST・京大機械翻訳】

Deep belief network for gold price forecasting

著者 (3件)： Zhang Pinyi (School of Economics and Management, Beijing Information Science and Technology University, Beijing, 100192, China) ,  Zhang Pinyi (Beijing Key Lab of Green Development Decision Based on Big Data, Beijing, 100192, China) ,  Ci Bicong (School of Economics and Management, Beijing Information Science and Technology University, Beijing, 100192, China)
資料名： Resources Policy  (Resources Policy)
巻： 69  ページ： Null  発行年： 2020年 
JST資料番号： C0816B  ISSN： 0301-4207  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： 金価格の変動は歴史的に政府,機関および個人の注目を引きつけてきた。金価格の正確な予測は,価格変化傾向を効果的に捕捉し,金市場変動の影響を減らすことができる。しかし,これは,金市場の多因子および非線形特徴のため,挑戦的な仕事である。本論文では,プレトレーニングのための制限Boltzmannマシン(RBM)と微調整のための教師つきバックプロパゲーション(BP)の層から成る深い信念ネットワーク(DBN)モデルを,金価格予測のために提案する。金価格のいくつかの高度関連変数を,1984~2019年にわたる予測のために,このDBNモデルを構築するための入力として使用した。得られた結果を,従来のBPニューラルネットワークモデル,BPニューラルネットワークモデル(GA-BP)のための遺伝的アルゴリズム最適化,および自己回帰統合移動平均(ARIMA)の数学的線形モデルと比較した。経験的結果は,提案したDBNモデルが予測と方向において顕著な性能を持ち,最も低い根平均二乗誤差(RMSE),平均絶対値誤差(MAPE)と平均絶対誤差(MAE),および最も高い方向統計量(D_stat)を有することを示した。全体として,新しいDBNは,従来のニューラルネットワークおよび線形モデルと比較して精度を改善し,金価格予測のための非常に有望な方法論として識別した。Copyright 2021 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： 最適化 ,  *金 ,  ニューラルネットワーク ,  統計量 ,  絶対値 ,  逆伝搬法 ,  Boltzmannマシン ,  遺伝的アルゴリズム
準シソーラス用語： ARIMAモデル ,  平均二乗誤差 ,  *信念ネットワーク ,  線形モデル ,  価格予測 ,  自己回帰 ,  平均絶対誤差 , 【Automatic Indexing@JST】

著者キーワード (4件)： 金価格予測 ,  深い信念ネットワーク ,  時系列 ,  ニューラルネットワーク

分類 (3件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q) ,  電力工学・電力事業一般  (NB01000X)

タイトルに関連する用語 (3件)： 金 ,  価格予測 ,  信念ネットワーク