文献

J-GLOBAL ID：202302232964017283   整理番号：23A0297656

金融時系列予測における説明可能なAIによる機械学習予測能力の拡張【JST・京大機械翻訳】

Extending machine learning prediction capabilities by explainable AI in financial time series prediction

著者 (3件)： Celik Taha Bugra (Faculty of Economics and Administrative Sciences, Department of Business Administration, Ondokuz Mayis University, Samsun, Turkey) ,  Ican OEzguer (Faculty of Economics and Administrative Sciences, Department of International Trade and Logistics Ondokuz Mayis University, Samsun, Turkey) ,  Bulut Elif (Faculty of Economics and Administrative Sciences, Department of Business Administration, Ondokuz Mayis University, Samsun, Turkey)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 132  ページ： Null  発行年： 2023年 
JST資料番号： W2175A  ISSN： 1568-4946  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： 高精度による予測は株式市場予測にとって極めて重要である。最近,株式市場価格方向を成功裏に予測するための機械学習(ML)技術の採用に,かなりの努力が注がれている。提案した予測モデルがいかに成功するかは,予測精度をさらに増加させるために2つの主要な欠点があると主張できる。第一のものはML技術のブラックボックス特性として参照でき,言い換えれば予測からの推論は説明できない。さらに,予測時系列の複雑な特性により,洗練された技術がどのように採用されるかは無く,付加的な計算負荷を意味的に相殺する精度の僅かな増加を達成するのは非常に難しい。これら2つの理由のために,精度の増分改良の代わりに,予測の信頼性を評価するために使用できる「eXplaable Analy Intelligence」(XAI)手法の利用を提案し,従って,意思決定者が,全体の予測性能を低下させるのに責任がある貧弱な決定から,意思決定者を回避できるようにした,という事を,提案したものである。”eXplainable 人工知能”(XAI)アプローチの利用を提案する。”その理由”を,予測の信頼度評価に採用できる,”eXplainable 人工知能”(XAI)アプローチの利用を提案する。予測モデルがどのような予測であるかの尺度があるならば,比較的より高い信頼性による予測を決定をするために使うことができ,一方,より低い品質決定を避けることができた。本研究では,ML,経験的モード分解(EMD)およびXAIに基づく株式市場方向予測のための新しい2段階積層アンサンブルモデルを提案した。著者らの実験は,局所解釈可能なモデル-診断説明(LIME)でサポートされた提案された予測モデルが,KOSPIデータセット上で最も信頼された予測が考慮されたとき,0.9913の最高精度を達成して,類似した成功結果が5つの他の主要な株式市場指標から得られたことを示した。Copyright 2023 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： 価格 ,  信頼性 ,  信頼度 ,  株式市場 ,  *金融 ,  ブラックボックス ,  人工知能 ,  モデル ,  負荷 ,  意思決定者 ,  *機械学習 ,  予測モデル ,  *時系列予測 ,  予測精度 ,  計算負荷 ,  度
準シソーラス用語： *予測能力 , 【Automatic Indexing@JST】

著者キーワード (6件)： 株式市場予測 ,  機械学習 ,  深層学習 ,  経験的モード分解 ,  説明可能な機械学習 ,  局所解釈可能モデル-診断的説明

分類 (3件)： 電力工学・電力事業一般  (NB01000X) ,  利益管理  (KA05030A) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 金融 ,  時系列予測 ,  説明可能なAI ,  機械学習 ,  予測能力 ,  拡張