文献

J-GLOBAL ID：202102278715486130   整理番号：21A2871157

微分EMDを用いた交換率の予測の改善【JST・京大機械翻訳】

Improving prediction of exchange rates using Differential EMD

著者 (2件)： Premanode Bhusana (Centre of Bio-Inspired Technology, Imperial College London, South Kensington, London SW7 2AZ, United Kingdom) ,  Toumazou Chris (Centre of Bio-Inspired Technology, Imperial College London, South Kensington, London SW7 2AZ, United Kingdom)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 40  号： 1  ページ： 377-384  発行年： 2013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： ボルタリティは,交換速度のような他の財務変数とモデリングの利益で作られる誤差のサイズを測定するとき,重要なパラメータである。自己回帰移動平均(ARMA)モデルは,時系列における線形過程である。一方,非線形システムにおいて,一般化自己回帰条件付きヘテロスケージ(GARCH)とMarkovスイッチングGARCH(MS-GARCH)は広く応用されている。統計的学習理論において,サポートベクトル回帰(SVR)は非線形および非定常時系列変数を予測する際に重要な役割を果たす。本論文では,サポートベクトル回帰(SVR)の下で交換速度の予測を改善するために,新しいアルゴリズム,微分経験的モード分解(EMD)を提案した。微分EMDの新しいアルゴリズムは,ノイズを平滑化し,減らす能力を持ち,一方,フィルタデータセットによるSVRモデルは,交換速度を予測する。微分EMDとSVRモデルから成るシミュレーション結果は,著者らのモデルが最先端のMS-GARCHとMarkovスイッチング回帰(MSR)モデルによるシミュレーションより優れていることを示した。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： アルゴリズム ,  雑音 ,  シミュレーション ,  非線形系 ,  フィルタ ,  計算機シミュレーション ,  *微分 ,  平滑化 ,  線形性 ,  ARMAモデル ,  予測誤差
準シソーラス用語： サポートベクトル回帰 ,  経験的モード分解 ,  自己回帰 ,  財務 ,  統計的学習理論 ,  Markovスイッチング , 【Automatic Indexing@JST】

著者キーワード (6件)： 予測 ,  為替レート ,  経験的モード分解 ,  サポートベクトル回帰 ,  MarkovスイッチングGARCH ,  Markovスイッチング回帰

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 微分 ,  予測