文献

J-GLOBAL ID：202102248990950480   整理番号：21A2955263

マルチモダリティグラフニューラルネットワークによる金融時系列予測【JST・京大機械翻訳】

Financial time series forecasting with multi-modality graph neural network

著者 (4件)： Cheng Dawei (Department of Computer Science and Technology, Tongji University, Shanghai, China) ,  Yang Fangzhou (AI Lab, Emoney Inc, Shanghai, China) ,  Xiang Sheng (Center for Artificial Intelligence, University of Technology Sydney, Sydney, Australia) ,  Liu Jin (AI Lab, Emoney Inc, Shanghai, China)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 121  ページ： Null  発行年： 2022年 
JST資料番号： D0611A  ISSN： 0031-3203  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： 金融時系列分析は,ヘッジング市場リスクと投資決定の最適化において中心的役割を果たす。これは,問題が常にマルチモダリティストリームとリードラグ効果を伴うので,挑戦的なタスクである。例えば,ストックの価格移動は,歴史的価格系列,メディアニュース,関連事象などを含む,異なる拡散速度における複雑な市場状態の反射であり,金融産業は,解釈可能かつコンプライアントである予測モデルを必要とする。したがって,本論文では,金融時系列予測のために,これらのマルチモーダル入力から学習するマルチモダリティグラフニューラルネットワーク(MAGNN)を提案した。異種グラフネットワークを,ノードとしてのソースと,エッジとしての金融知識グラフにおける関係によって構築する。モデル解釈可能性を確保するために,著者らは,結合最適化のために二相注意機構を利用して,エンドユーザが内部モダリティと中間モード源の重要性を調査することを可能にした。実世界データセットに関する広範な実験は,金融市場予測におけるMAGNの優れた性能を示した。提案手法は,投資家を,解釈可能なオプションとともに,説明可能なオプションと共に提供し,インフォームド投資決定を可能にする。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 ,  投資 ,  *ニューラルネットワーク ,  *金融 ,  拡散速度 ,  在庫量 ,  多モード ,  ニュース ,  予測モデル
準シソーラス用語： *モダリティ ,  エンドユーザ ,  *マルチモダリティ ,  投資家 , 【Automatic Indexing@JST】

著者キーワード (4件)： グラフニューラルネットワーク ,  グラフ注意 ,  深層学習 ,  定量的投資

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 金融 ,  時系列予測