| 講演名 | 2019-07-30 時系列予測モデル シャオ イーチェン(岩手県立大), ゴウタム チャクラボルティ(岩手県立大), シンフー チェン(岩手県立大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 時系列データは、実際の生活におけるシステムの動的な振る舞いを明らかにします。例えば、交通量、降雨量、電力使用量、シェア値、外国為替レートなど。システムダイナミクス、アルゴリズムの複雑さに応じて時系列データを正確にモデル化することが異なるため、モデルは補間に使用でき、より一般的に使用できます。外挿または予測たとえば、ARモデルは定常時系列ではうまく機能しますが、非定常時ではそれはパターンをうまく捉えることができません。この研究では、外国為替レートのデータを使用して、さまざまなアルゴリズムを使ってキャプチャしました。データのダイナミクスモデルの成功は予測の正確さによって評価されます。我々の実験では、二つの状態を適用したアートモデルのサポートベクトル回帰（SVR）と回帰ニューラルネットワーク（RNN）。実験は再帰によるより長い未来の予測です（予測値のフィードバック）次のステップの予測に入力します。その結果は、RNNが適切なLong Short Term Memory（LSTM）を持っていることを示しています。より長い未来を予測するのにより良いパフォーマンスを持っています。 |
| 抄録(英) | Time series data reveals dynamic behavior of systems in real life, such as traffic flow, amount of rainfall, usage of electricity, share values, Forex rate etc.. Depending on the complexity of the system dynamics, algorithms differ to model the time series data accurately, so that the model can be used for interpolation and more commonly extrapolation or prediction. For example, AR model performs well in stationary time seri es, but for non stationary, it cannot capture the pattern well. In this research, we use Forex rate data, and tried various algorithms to capture the dynamics of the data. The success of the model is evaluated by accuracy in prediction. In our experiments, we applied two state of the art models Support Vector Regression (SVR) and Recurrent Neural Network (RNN). The experiment is the prediction of longer future by recursion (feeding back predicted value to input for the next step prediction). The result shows that RNN with proper Long Short Term Memory (LSTM) has better performance in predicting longer future. |
| キーワード(和) | 時系列データ / 外貨の為替レート / サポートベクトル回帰 / 回帰ニューラルネットワーク / LSTM |
| キーワード(英) | Time series / Forex / SVR / RNN / LSTM |
| 資料番号 | CAS2019-2,VLD2019-8,SIP2019-18,MSS2019-2 |
| 発行日 | 2019-07-23 (CAS, VLD, SIP, MSS) |
| 研究会情報 | |
| 研究会 | MSS / CAS / SIP / VLD |
|---|---|
| 開催期間 | 2019/7/30(から2日開催) |
| 開催地（和） | 岩手大学 |
| 開催地（英） | Iwate Univ. |
| テーマ（和） | システムと信号処理および一般 |
| テーマ（英） | |
| 委員長氏名（和） | 髙井 重昌(阪大) / 山脇 大造(日立) / 相川 直幸(東京理科大) / 戸川 望(早大) |
| 委員長氏名（英） | Shigemasa Takai(Osaka Univ.) / Taizo Yamawaki(Hitachi) / Naoyuki Aikawa(TUS) / Nozomu Togawa(Waseda Univ.) |
| 副委員長氏名（和） | 尾崎 敦夫(阪工大) / 高島 康裕(北九州市大) / 林 和則(阪市大) / 坂東 幸浩(NTT) / 福田 大輔(富士通研) |
| 副委員長氏名（英） | Atsuo Ozaki(Osaka Inst. of Tech.) / Yasuhiro Takashima(Univ. of Kitakyushu) / Kazunori Hayashi(Osaka City Univ) / Yukihiro Bandou(NTT) / Daisuke Fukuda(Fujitsu Labs.) |
| 幹事氏名（和） | 金澤 尚史(阪大) / 小林 孝一(北大) / 中村 洋平(日立) / 佐藤 隆英(山梨大) / 中本 昌由(広島大学) / 小西 克巳(法政大) / 小平 行秀(会津大) / 桜井 祐市(日立) |
| 幹事氏名（英） | Takahumi Kanazawa(Osaka Univ.) / Koichi Kobayashi(Hokkaido Univ.) / Yohei Nakamura(Hitachi) / Takahide Sato(Yamanashi Univ.) / Masayoshi Nakamoto(Hiroshima Univ.) / Katsumi Konishi(Hosei Univ.) / Yukihide Kohira(Univ. of Aizu) / Yuichi Sakurai(Hitachi) |
| 幹事補佐氏名（和） | 林 直樹(阪大) / 佐藤 弘樹(ソニーLSIデザイン) / 山口 基(ルネサスエレクトロニクス) / / 池田 一樹(日立) |
| 幹事補佐氏名（英） | Naoki Hayashi(Osaka Univ.) / Hiroki Sato(Sony LSI Design) / Motoi Yamaguchi(Renesas Electronics) / / Kazuki Ikeda(Hitachi) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Mathematical Systems Science and its applications / Technical Committee on Circuits and Systems / Technical Committee on Signal Processing / Technical Committee on VLSI Design Technologies |
|---|---|
| 本文の言語 | ENG-JTITLE |
| タイトル（和） | 時系列予測モデル |
| サブタイトル（和） | 外貨為替データによるモデルの評価に関する研究 |
| タイトル（英） | Modeling and Prediction of Time Time-Series |
| サブタイトル（和） | A Case Study with Forex Data |
| キーワード(1)（和/英） | 時系列データ / Time series |
| キーワード(2)（和/英） | 外貨の為替レート / Forex |
| キーワード(3)（和/英） | サポートベクトル回帰 / SVR |
| キーワード(4)（和/英） | 回帰ニューラルネットワーク / RNN |
| キーワード(5)（和/英） | LSTM / LSTM |
| 第 1 著者 氏名（和/英） | シャオ イーチェン / Shiao Yi Chen |
| 第 1 著者 所属（和/英） | 岩手県立大学(略称：岩手県立大) Iwate Prefectural University(略称：IPU) |
| 第 2 著者 氏名（和/英） | ゴウタム チャクラボルティ / Goutam Chakraborty |
| 第 2 著者 所属（和/英） | 岩手県立大学(略称：岩手県立大) Iwate Prefectural University(略称：IPU) |
| 第 3 著者 氏名（和/英） | シンフー チェン / Chen Shin Fu |
| 第 3 著者 所属（和/英） | 岩手県立大学(略称：岩手県立大) Iwate Prefectural University(略称：IPU) |
| 発表年月日 | 2019-07-30 |
| 資料番号 | CAS2019-2,VLD2019-8,SIP2019-18,MSS2019-2 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | CAS-153,VLD-154,SIP-155,MSS-156 |
| ページ範囲 | pp.7-10(CAS), pp.7-10(VLD), pp.7-10(SIP), pp.7-10(MSS), |
| ページ数 | 4 |
| 発行日 | 2019-07-23 (CAS, VLD, SIP, MSS) |