抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
株価の将来の動きの予測は,多くの研究の主題である。本研究では,機械学習と深層学習ベース法を用いた株価予測のためのハイブリッドアプローチを提案した。2015年1月から2019年12月までの4年間にわたって,インドの国立ストック交換のNIFTY50指標値を選択した。前述の期間におけるNIFTYデータに基づいて,機械学習手法を用いて様々な予測モデルを構築し,次に,1週間の予測地平で,2019年のNIFTY50の閉鎖値を予測するために,それらのモデルを使用した。NIFTY指数運動パターンを予測するために,NIFTY指数の実際の閉鎖値を予測するために,様々な回帰モデルを構築した。次に,ウォークフォワード検証による畳込みニューラルネットワークを用いて,深層学習ベース回帰モデルを構築することにより,モデルの予測力を増加させる。CNNモデルをそのパラメータのために微調整し,検証損失が反復回数の増加とともに安定化し,訓練と検証精度が収束した。予測に用いた変数の数,全体モデルで使用されるサブモデル数,およびモデルの訓練のための入力データのサイズが異なる3つのアプローチを用いて,将来のNIFTY指数値の予測においてCNNの電力を利用した。広範な結果を,すべての分類と回帰モデルのための様々な計量に関して提示した。結果は,CNNベースの多変量予測モデルが,毎週の予報地平でNIFTY指数値の動きを予測するのに最も効果的で正確であることを明確に示した。【JST・京大機械翻訳】