文献

J-GLOBAL ID：202102218133903112   整理番号：21A0152175

多変量畳込みニューラルネットワークを用いた株予測のための特徴選択【JST・京大機械翻訳】

Feature Selection for Stock forecasting using Multivariate Convolution Neural Network

著者 (4件)： Lee Ji Sung (Electronic & Telecommunication Research Institute (ETRI),Intelligent Robot System Research Group,Daejeon,Republic of Kore) ,  Sung Cho Hyeon (Electronic & Telecommunication Research Institute (ETRI),Intelligent Robot System Research Group,Daejeon,Republic of Kore) ,  Chung Kyo Il (Electronic & Telecommunication Research Institute (ETRI),Intelligent Robot System Research Group,Daejeon,Republic of Kore) ,  Sang Park Ji (Electronic & Telecommunication Research Institute (ETRI),Intelligent Robot System Research Group,Daejeon,Republic of Kore)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICTC  ページ： 1270-1272  発行年： 2020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： 資源価格の予測は,それらが多様で複雑な要因によって影響されるので難しい。したがって,株価に影響する様々な指標の中で,主要な指標を選択しなければならない。したがって,株価に影響する重要な指標を選択するために,多変量畳込みニューラルネットワークモデルを用いた新しい特徴選択法を示した。さらに,他の研究で使用された技術的指標または財務データと異なり,投資家タイプに基づく毎日のネット購入およびネット販売量のデータを使用した。提案した特徴選択法を,選択および全体指標を用いて株価の予測精度を比較することによって検証した。さらに,データを比較し,産業部門を分析することによってより効率的なデータを用いてセクターを検証した。Copyright 2021 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： *特徴選択
準シソーラス用語： 株価 ,  予測精度 ,  投資家 ,  *多変量 ,  *畳込みニューラルネットワーク , 【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)： 多変量 ,  畳込みニューラルネットワーク ,  株 ,  予測 ,  特徴選択