文献

J-GLOBAL ID：202202293512914685   整理番号：22A0636979

JSEにおける株式市場予測のためのグラフニューラルネットワークの探索【JST・京大機械翻訳】

Exploring Graph Neural Networks for Stock Market Prediction on the JSE

著者 (4件)： Pillay Kialan (University of Cape Town, Cape Town, South Africa) ,  Pillay Kialan (Centre for Artificial Intelligence Research, Cape Town, South Africa) ,  Moodley Deshendran (University of Cape Town, Cape Town, South Africa) ,  Moodley Deshendran (Centre for Artificial Intelligence Research, Cape Town, South Africa)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1551  ページ： 95-110  発行年： 2022年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： ストック市場は,複雑な内部共有と相互の時間依存性を示す動的システムである。空間-時間グラフニューラルネットワーク(ST-GNN)は,都市交通ネットワークのような複雑な空間的および時間的依存性を有する動的システムにおける流れ予測に対して高性能をもたらすDNNアーキテクチャである。本研究では,3つの最先端のST-GNNアーキテクチャ,即ち,グラフWaveNet,MTGNNおよびStemGNNを適用して,Johannesburg Stock交換(JSE)にリストアップされたシェアの閉鎖価格を予測し,複雑な相互依存性を捉えることを試みた。その結果,ST-GNNアーキテクチャ,特にグラフWaveNetは,LSTMに比べて優れた性能を生成し,JSEにおける複雑な内部共有および内部時間依存性を捉える可能性がある。著者らは,グラフWaveNetが短期および中期の層位にわたって他のアプローチより優れていることを見出した。本研究は,価格予測を共有するためにこれらのST-GNNを適用する最初の研究の一つである。Copyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *市場 ,  *ネットワーク ,  都市交通 ,  動的系 ,  *ニューラルネットワーク ,  層序 ,  *株式市場 ,  時間依存性 ,  空間 ,  在庫量 ,  計算機アーキテクチャ
準シソーラス用語： 相関行列 ,  相互依存性 ,  価格予測 ,  長短期記憶 , 【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 ,  相関行列 ,  Johannesburg株式交換 ,  価格予測

分類 (2件)： 計算機網  (JC03000K) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (4件)： 株式市場 ,  予測 ,  グラフニューラルネットワーク ,  探索