文献

J-GLOBAL ID：202202272584390076   整理番号：22A1169396

深い/浅い機械学習による国際金価格の推定【JST・京大機械翻訳】

Estimation of International Gold Price by Fusing Deep/Shallow Machine Learning

著者 (1件)： Chen Wenjing (College of Finance and Trade, Zhengzhou Shengda University, Zhengzhou 451191, China)
資料名： Journal of Advanced Transportation  (Journal of Advanced Transportation)
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： D0581A  ISSN： 0197-6729  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 本研究では,金価格への影響を想定する価格因子を活用することにより,金の価格を予測するために,サポートベクターマシン(SVM)と長い短期メモリ(LSTM)モデルを組み合わせた新しい方法を提案する。ピアソン相関係数を用いて,9つの価格因子と金価格の間の関係を測定した。より大きな相関係数を有する5つの価格因子を選択した。次に,Granger因果律試験を利用することによって,金価格は,時間が懸念されるとき,2つの価格要因に関して変化する可能性があり,それは,相関分析の結果を,合計7つの価格要因に導くGranger因果律の結果と組み合わせることに帰着する。また,金価格は,商空間と時間属性の理論に従って,年の4分の1に分割できる。1か月につき3つの粒状性によって,3層指数空間は,合成と計算した粒状性に基づいて構築した。提案方法は,いくつかの灰色モデル(GM)と実際の金価格の予測値と比較される予測結果を提供する。結果は,金価格の予測結果が,同等の低い誤差測定を持ち,より良く機能することを示した。Copyright 2022 Wenjing Chen. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  時間 ,  *価格 ,  *金 ,  統計解析 ,  相関係数 ,  モデル ,  粒状性 ,  *機械学習 ,  サポートベクトルマシン
準シソーラス用語： 相関分析 ,  Granger因果律 ,  予測値 ,  Pearson相関係数 ,  商業空間 ,  長短期記憶 , 【Automatic Indexing@JST】

分類 (1件)： 交通調査  (TB01031B)

引用文献 (27件)：

• Y. Linna, Analysis of the Factors Influencing the Price of Gold, Shandong University, Jinan, China, 2015.
• W. Rong, The Influence Factors of the International Price of Gold and Trend Analysis, Shandong University of Finance and Economics, Jinan, China, 2014.
• Z. Yong, Research on the Influential Factors of International Gold Price, Southwestern University of Finance and Economics, Chengdu, China, 2014.
• Z. Xiaoli, An Empirical Analysis of the Influencing Factors of the Gold Price, Kunming University of Science and Technology, Kunming, China, 2013.
• K. Kanjilal, S. Ghosh, "Dynamics of crude oil and gold price post 2008 global financial crisis - new evidence from threshold vector error-correction model," Resources Policy, vol. 52, pp. 358-365, 2017.

タイトルに関連する用語 (3件)： 機械学習 ,  価格 ,  推定