JPH05342191A - 経済時系列データ予測及び解析システム - Google Patents

経済時系列データ予測及び解析システム

Info

Publication number
JPH05342191A
JPH05342191A JP14749792A JP14749792A JPH05342191A JP H05342191 A JPH05342191 A JP H05342191A JP 14749792 A JP14749792 A JP 14749792A JP 14749792 A JP14749792 A JP 14749792A JP H05342191 A JPH05342191 A JP H05342191A
Authority
JP
Japan
Prior art keywords
series data
time series
economic
prediction
economic time
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP14749792A
Other languages
English (en)
Inventor
Michiro Negishi
道郎 根岸
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Priority to JP14749792A priority Critical patent/JPH05342191A/ja
Priority to US08/053,143 priority patent/US5444819A/en
Publication of JPH05342191A publication Critical patent/JPH05342191A/ja
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/02—Banking, e.g. interest calculation or account maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S706/00—Data processing: artificial intelligence
    • Y10S706/902—Application using ai with detail of the ai system
    • Y10S706/925—Business

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

(57)【要約】 【目的】 過去の変動パタンと将来の変動との間の因果
関係や、入力データの変動との出力の因果関係も求めら
れる経済時系列データ予測及び解析システムをニューラ
ルネットワークを用いて構成する。 【構成】 各経済時系列データの期間の異なる移動平均
をとり、それぞれの予測しようとする時点の直前におけ
るｎ次階差をとったもの、及び予測対象の経済時系列デ
ータからトレンドを除去した系列の予測しようとする直
前の数点からなる部分のパタンを分類した結果とを入力
とし、予測対称の各経済時系列データの次の時点での変
化を出力とする予測ニューラルネットワーク８を含む構
成である。因果関係の解析は、学習データに対するニュ
ーラルネットワーク８の中間層８０２のニューロンの出
力値の並びの主成分を求め、各主成分得点の変化に対し
て有意な説明変量を求めることによって行われる。

Description

【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は、ニューラルネットワー
クを用いて株価、債権価格、為替ルート等の経済時系列
データの予測や分析を行う経済時系列データ予測及び解
析システムに関するものである。
【０００２】
【従来の技術】図２は、例えば“Ｓｔｏｃｋ Ｍａｒｋ
ｅｔ Ｐｒｅｄｉｃｔｉｏｎ Ｓｙｓｔｅｍ ｗｉｔｈ
Ｍｏｄｕｌａｒ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ
ｓ”，ｂｙＴ．Ｋｉｍｏｔｏ ａｎｄ Ｋ．Ａｓａｋａ
ｗａ，ｉｎ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ Ｉｎｔｅ
ｎａｔｉｏｎａｌ Ｊｏｉｎｔ Ｃｏｎｆｅｒｅｎｃｅ
ｏｎ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ，Ｊｕｎｅ １
９９０に記述されている株価予測及び分析を行う経済時
系列データ予測及び解析システムの構成を示す図であ
る。この経済時系列データ予測及び解析システムは、Ｔ
ＯＰＩＸと呼ばれる売買可能な日本の株価指数の変化を
予測し、その変動の原因を解析するものである。
【０００３】図２において、経済時系列データ予測及び
解析システムは、予測システム３と解析システム４とを
備えている。そして、予測システム３は、前処理モジュ
ール２１と、前処理モジュール２１に接続されている複
数のニューラルネットワーク８と、複数のニューラルネ
ットワーク８の出力の加重平均をとる統合モジュール２
２とから構成されている。
【０００４】前処理モジュール２１は、株価指数の過去
の時系列入力データ１と、その他の時系列入力データ２
を受けとり、対数関数や誤差関数の適用及び正規化など
の処理を行う。その他の時系列データ２としては。出来
高、金利、外国為替レート、ニューヨークダウ平均等が
含まれている。
【０００５】前処理モジュール２１に接続されているニ
ューラルネットワーク８は、入力層８０１、中間８０
２、及び出力ニューロン８０３から構成される。そし
て、統合モジュール２２は、これらのニューラルネット
ワーク８の出力ニューロン８０３からの出力の加重平均
をとる。
【０００６】なお、時系列データ２には出来高、金利、
外国為替レート、ニューヨークダウ平均等が含まれてい
る。
【０００７】予測システム３においては、過去の実際の
データである時系列入力データ１、２と、それに対する
望ましい出力値１３とを学習データとしてニューラルネ
ットワークに与えてニューラルネットワーク８を学習さ
せる。この学習を行うことによって、未知の入力１、２
に対応する予測をすることが可能になる。
【０００８】すなわち、学習後のニューラルネットワー
クに現在までの時系列データ入力１、２を供給すること
により、未来の時系列データの変化を予測させることが
可能である。本従来例においては、出力値１３は、現在
以後の一定期間の重みつき平均増加率の指標である。つ
まり、この値は、今後株価が上がるなら正の値に、下が
るなら負の値である。
【０００９】時刻ｔにおけるＴＯＰＩＸの増加率はＴＯ
ＰＩＸ（ｔ）／ＴＯＰＩＸ（ｔ−１）で表されるが、増
加率の平均をとるために、通常は自然対数をとった値に
して用いる。この値γt は、次式で与えられる。
【００１０】 γt ＝ｌｎ（ＴＯＰＩＸ（ｔ）／ＴＯＰＩＸ（ｔ−１）） …（１） 但し、ＴＯＰＩＸ（ｔ）は週ｔにおける株価指標であ
る。
【００１１】出力値１３の望ましい値（将来の予想され
るリタン）γN （ｔ）は、上述したように、上記増加率
γt の一定期間の重みつき平均値であり、週ｔにおける
リタンγN （ｔ）は次式で定義される。
【００１２】 γN （ｔ）＝Σφi γt+i （ｉ＝１〜Ｎ） …（２） ここで、φは各期間に対する重み付け係数であり０．５
から１の間の数である。すなわち、遠い将来ほど重みが
小さくなるようにして平均値が求められる。
【００１３】また、上述した文献においては、学習済み
のニューラルネットワークを用いて時系列入力データ
１、２と出力値１３の因果関係を求める手法について説
明がなされている。ここで述べられている手法では、ま
ず中間層８０２のニューロン数を小さく（例えば５個）
してニューラルネットワークの学習が行われる。次に、
学習データ２３に対する中間層の出力１０のベクトル値
のクラスタ分析を行い、類似する中間層の出力１０を持
つ学習データ２３の集合を求める。本文ではこの集合を
クラスタと呼ぶ。
【００１４】このクラスタ分析は、解析システム４によ
って行われる。中間層８０２のニューロン数は一般に大
きいほど予測制度は高くなるが、このクラスタ分析にお
いては中間層８０２のニューロン数が分類しようとする
クラスタの数程度あると解析が容易である。クラスタの
個数は一般に数個程度なので、上述した文献においては
クラスタの個数に合わせるため中間層８０２のニューロ
ン数を小さくしている。
【００１５】各クラスタに属する学習データの日付を株
式指標の時系列データ上で調べることにより、クラスタ
に対応する相場の種類（上昇相場、停滞相場、下降相
場）を決定することができる。更に、各クラスタに属す
る入力データ（学習データ）の頻度分布を調べることに
より、各クラスタに対応する相場の発生要因を調べるこ
とができる。すなわち、所定分布の入力データ（学習デ
ータ）があるクラスタに属する入力データ（学習デー
タ）だけを調べ、その内容が偏っているとき、その付近
の値がクラスタに対応する相場の発生原因の一つになっ
ていると考えられる。
【００１６】
【発明が解決しようとする課題】従来の経済時系列デー
タ予測及び解析システムは、以上のように構成されてい
るので、中間層のニューロン数は、分類すべきクラスタ
の数程度存在することが望ましい。しかしながら、実際
にどの程度のクラスタ分類を行うべきかはあらかじめ知
ることができないので、カット＆トライによる実験的な
手法で、中間層のニューロン数が決定されていた。
【００１７】また、テクニカル分析のように、過去の変
動パタンと将来の変動との間の因果関係や、入力データ
の変動と出力の因果関係は求められないという問題点が
あった。テクニカル分析とは、ファンダメンタル分析と
ならんで古典的な経済分析の手法の一つであり、過去の
相場の動きをチャートなどによって捉え、その動きによ
って今後の相場の動きを把握しようとする方法である。
この方法は従来の統計的手法に基づく手法であり、入力
データの変動と出力との因果関係を求めることが可能で
ある。
【００１８】この発明は、上記のような課題を解消する
ためになされたもので、中間層ニューロンの数が、分類
すべきクラスタの数より多いニューラルネットワークを
用いた予測及び解析システムを得ることを目的とする。
【００１９】また、テクニカル分析に見られるような過
去の変動パタンと将来の変動との間の因果関係や、入力
データの変動との出力の因果関係をも求められる経済時
系列データ予測及び解析システムを得ることを目的とす
る。
【００２０】
【課題を解決するための手段】この発明に係る経済時系
列データ予測及び解析システムは、各経済時系列データ
の期間の異なる移動平均をとり、この移動平均値の予測
しようとする時点の直前におけるｎ次階差（ｎは１以上
の整数）を入力とし、かつ予測対称の経済時系列データ
からトレンドを除去した系列の予測しようとする直前の
数点からなる部分のパタンを分類した結果を入力とし、
予測対象の各経済時系列データの予測しようとする時点
での変化を出力とするニューラルネットワークを構成要
素として含むことを特徴とするものである。
【００２１】また、この発明に係る経済時系列データ予
測及び解析システムは、学習データに対する予測用ニュ
ーラルネットワークの中間層のニューロンの出力値の並
びの主成分を求め、各主成分の変化に対して有意な上記
ニューラルネットワークの入力値、及び／または同一経
済時系列データの互いに異なる期間長の移動平均値の
差、及び／または互いに異なる経済時系列データの同一
期間長の移動平均値の差を求めるように構成したことを
特徴とするものである。
【００２２】
【作用】この発明における経済時系列データ予測及び解
析システムにおいて、予測は予測対象の経済時系列デー
タに対する前処理結果及び分類結果、及び予測対称以外
の各経済時系列データに対する前処理結果とをニューラ
ルネットワークに入力し、その出力を後処理することに
よって行われる。
【００２３】また、因果関係の解析結果は、説明変量と
出力値との関係という形で求められる。説明変量とは出
力値（経済時系列データ）の変化の要因となる変量であ
り、本文においては予測用ニューラルネットワークへの
入力、及び同一経済時系列データの互いに異なる期間長
の移動平均値の差、及び別個の経済時系列データの同一
期間長による移動平均値の差、である。本発明による解
析においては、まず学習データに対する予測用ニューラ
ルネットワークの中間層のニューロンの出力値の並びの
主成分が求められる。
【００２４】主成分とは、多数の変量の変化を少数の変
量で表そうとしたときのその少量の変量をいう。直観的
には、多数の変量をベクトルと考え、少量の変量を単位
ベクトルと見なし、多数の変量をこの少量の単位ベクト
ルの一次結合によって表そうとする場合、この少量のベ
クトルを主成分と呼ぶ。また、一次結合のそれぞれの係
数を主成分得点と呼ぶ。一般に、多数の変量の間に何ら
かの相関があれば、より少量の主成分の組み合わせ（一
次結合）によって上記多数の変量ベクトルの分布を近似
することが可能である。
【００２５】次にこのようにして求められた各主成分得
点の変化に対して有意な説明変量をが求められる。これ
は、クラスタリングや、入力の分布と各主成分得点の分
布の相関関係が明確か否かを評価することにより達成さ
れる。各主成分の影響度は、主成分の係数べクトルと中
間層から出力ニューロンの結合重みと、を出力ニューロ
ン側から見た重みの内積に、主成分得点の変化幅を掛け
たものになる。
【００２６】
【実施例】以下、この発明の一実施例を図に基づいて説
明する。
【００２７】図１は、本発明に係る経済時系列データ予
測及び解析システムを示す構成図である。図１におい
て、経済時系列データ予測及び解析システムは、予測シ
ステム３及び解析システム４を有している。予測システ
ム３は、予測対象時系列データの前処理モジュール５、
パタン分類器７及び予測ニューラルネットワーク８とか
ら構成されている。解析システム４は、主成分分析モジ
ュール４１及び解析モジュール４２とから構成されてい
る。
【００２８】前処理モジュール５は、時系列入力データ
１を処理して各種階差１４とトレンド除去後の変動パタ
ン１５を生成し、それらを予測ニューラルネットワーク
８に供給する。なお、時系列入力データ１は、予測対象
各経済時系列データであるＴＯＰＩＸ時系列データ、時
系列入力データ２は、その他の時系列データであり、本
実施例では出来高、国債利回り最長物金利、公定歩合３
ヵ月物金利、民間最終消費支出、建設工事受注、ドバイ
原油価格、円ドルレート、全国市街地価格指数、経常利
益、実質賃金指数、マネーサプライ平均残高、鉱工業出
荷指数、貿易収支、ニューヨークダウ平均、及び卸売物
価指数である。
【００２９】予測対象時系列データの前処理モジュール
５の処理内容を説明する。まず、１ヵ月、３ヵ月、６ヵ
月範囲の移動平均値を求める。Ｎヵ月範囲の移動平均値
は、次のように求められる。
【００３０】 ａｊN （ｔ）＝Σφi ｘt-1 （ｉ＝０…Ｎー１） …（３） ここで、φi は重み付け係数である。このφi は次式に
よって作成される。
【００３１】 φi ＝Φi ／ΣΦi （ｉ＝０…Ｎー１） …（４） ΦN-1 ＝０．１ …（５） すなわち、重み付け係数φi はその総和が１となるよう
に正規化された重み付け係数である。また、ｊは時系列
データの種別を表す。ｊ＝０は予測対象時系列データ、
ｊ＝１，２，３．．．は予測対象でない時系列データで
ある。Ｎヵ月範囲の移動平均値から、最終値Ｘｊ
0 N （ｔ）、一次階差Ｘｊ1 N （ｔ）、二次階差Ｘｊ2
N （ｔ）、が次のように求められる。
【００３２】 Ｘｊ0 N （ｔ）＝ａｊN （ｔ） …（６） Ｘｊ1 N （ｔ）＝ａｊN （ｔ）−ａｊN （ｔ−１） …（７） Ｘｊ2 N （ｔ）＝ａｊN （ｔ）−２ａｊN （ｔ−１）＋ａＯN （ｔ−１） …（８） 予測対象時系列データのトレンド除去後の変動パタン１
５は、８ヵ月分のパタンから６ヵ月範囲の移動平均値を
除去し、正規化することにより得られる。まず、もとの
時系列データから６ヵ月範囲の移動平均値を減算し、ト
レンドを除去する。 ｐ０i （ｔ）＝ｘ０（ｔ）−ＸＯ
0 3 （ｔ） …（９） このようにして求めたトレンド除去後のｐ０i （ｔ）を
８ヵ月分に渡って正規化することにより、トレンド除去
後のパタンＰ０i （ｔ） （ｉ＝１，２，…，８）は次
のように求められる。
【００３３】 Ｐ０i （ｔ）＝ｐ０i （ｔ）／［Σ｛ｐ０i （ｔ）｝2 ］1/2 （ｉ＝１，２，…，８） …（１０） 一方、パタン分類器７は、自己組織化マップと呼ばれる
ニューラルネットワークにより実現されており、全ての
学習データを用いてあらかじめ結合重みを決めておく。
自己組織化マップのアルゴリズムは“Ｔｈｅ Ｓｅｌｆ
−Ｏｒｇａｎｉｚｉｎｇ Ｍａｐ”，ｂｙ Ｔｅｕｖｏ
Ｋｏｈｏｎｅｎ，ｉｎ Ｐｒｏｃｅｅｄｉｎｇｓ ｏ
ｆ ｔｈｅ ＩＥＥＥ，Ｖｏｌ．７８ Ｎｏ．９ Ｓｅ
ｐ．１９９０に述べられている、本システムでは１６個
のニューロンを４×４のメッシュ状に並べたトポロジー
を用い、学習係数α（ｔ）には次式を用いる。
【００３４】 α（ｉ）＝０．５／（１＋（ｉ−１）＊０．１） …（１１） 但し、ｉは１を初期値として、全学習データを提示し終
わるたびに１増加する。ｉ＝１００００となるまで学習
を行った。分類器の出力は変動パタン１５に対する１６
個のニューロン出力を並べたものである。
【００３５】予測対象経済時系列データ以外の時系列入
力データ２に対する前処理モジュール５は、予測対象経
済時系列データ１に対する前処理モジュール５と同一の
機能を有しており、移動平均処理及び階差を求める処理
を行う。この結果前処理及び分類を終えたデータは予測
ニューラルネットワーク８に入力される。予測ニューラ
ルネットワーク８は入力層８０１、中間層８０２、出力
ニューロン８０３より構成される階層型ニューラルネッ
トワークであり、予測ニューラルネットワーク８の学習
アルゴリズムは“Ｌｅａｒｎｉｎｇ Ｉｎｔｅｒｎａｌ
Ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ｂｙ Ｅｒｒｏｒ
Ｐｒｏｐａｇａｔｉｏｎ”，ｂｙ Ｄ．Ｅ．Ｒｕｍｅｌ
ｈａｒｔ，Ｇ．Ｅ．Ｈｉｎｔｏｎ，ａｎｄ Ｒ．Ｊ．Ｗ
ｉｌｌｉａｍｓ，ｉｎ Ｐａｒａｌｌｅｌ Ｄｉｓｔｒ
ｉｂｕｔｅｄ Ｐｒｏｃｅｓｓｉｎｇ，Ｔｈｅ ＭＩＴ
Ｐｒｅｓｓ（１９８６）による。学習係数には０．
１、慣性項の係数には０．９を用いた。学習に用いる教
師データとしては予想前月ｔと予想対象月ｔ＋１のＴＯ
ＰＩＸ値から以下のように求めたものを用いた。
【００３６】 ｌｎ（ｘ０（ｔ＋１）／ｘ０（ｔ）／２．０ …（１２） 後処理９はこれを変化率 （ｘ０（ｔ＋１）−ｘ０（ｔ））／ｘ０（ｔ） …（１３） に変換する。即ち、後処理９の入力をｘ、出力をｙとす
ると ｙ＝ｅ2x−１ …（１４） となる。
【００３７】解析システム４の動作を説明する。解析モ
ジュール４２では中間層８０２の出力を媒介にして入力
値から算出される説明変量と出力値１３の相関関係を求
める。説明変量は、入力値及び同一経済時系列データの
異なる期間長の移動平均値の差、及び異なる種類の経済
時系列データの同一期間長の移動平均値の差である。解
析は以下のように行う。
【００３８】全ての学習データに対して予測ニューラル
ネットワーク８の中間層８０２の全ニューロンの出力値
１０が、主成分分析モジュール４１に供給され、主成分
分析モジュール４１は、これらの出力値１０を基にして
主成分を算出する。解析モジュール４２は、まず全学習
データに対して各主成分得点の頻度分布を求め、さら
に、最大値、最小値、最小値から下位１０％の個数の学
習データが含まれる区間、最大値から上位１０％の個数
のデータが含まれる区間を求める。
【００３９】次に、主成分に対してそれぞれ下位１０％
に含まれる学習データのグループと上位１０％に含まれ
るデータのグループに着目し、それぞれのグループ内で
の説明変数の平均値と標準偏差を求める。上位１０％と
下位１０％の平均値の差が大きく、その差の絶対値に対
する標準偏差の小さいほど説明変数と主成分得点の相関
関係が強いとみなす。一方、主成分得点Ｐi の予測対象
経済時系列データの変化率への影響はＥi は次式で求め
られる。
【００４０】 Ｅi ＝ｅｘｐ（（ｍａｘi −ｍｉｎi ）ΣＰijＷj ）−１ …（１５） ここで、ｍｉｎi 、ｍａｘi は第１主成分得点の最小
値、最大値、Ｐijは第ｉ主成分の第ｊ成分であり、Ｗj
は第ｊニューロンから出力ニューロンへの結合重み１０
である。このような相関関係の求め方は、説明変量と主
成分得点の関係が単調であるという仮定に基づいたもの
である。したがって、必ずしも統計学的に正しいもので
はないが、経験的には多くの場合上記のような相関関係
の求め方で十分であることが知られている。また、主成
分得点と予測対象経済時系列データの変化の関係は、出
力ニューロンが１個で出力ニューロンへの結合が１層だ
けであるから単調であることが保証される。
【００４１】
【発明の効果】以上述べたように、従来例では、中間層
のニューロンが多いと冗長なニューロンができるため、
解析が困難であったのに対し、本発明によれば、中間層
のニューロン数が多数あっても予測対象経済時系列デー
タの変動の原因を解析することができる。したがって、
従来の手法では実際に予測に用いるニューラルネットワ
ークと解析に用いられるニューラルネットワークとは、
別個のものを用いる必要があったが、本発明では同一の
ニューラルネットワークを用いることが可能である。
【００４２】また、従来技術では、各経済時系列データ
を単に対数変換や正規化などを行って、ニューラルネッ
トワークに入力していたため、これらの入力値の大小と
予測対象経済時系列データの変化の関連しか解析できな
かった。これに対し、本発明による経済時系列データ解
析システムの場合においては、入力データには各種経済
時系列データの変動を表す差分データが含まれているの
で、入力経済時系列データの変動（増加、減少、極大、
極小等）と予測対象経済時系列データの変動との間の関
係を解析できる。
【００４３】また、入力データの中には予測対象経済時
系列データのパタン分類結果が含まれているので、この
パタンと予測対象経済時系列データとの因果関係、すな
わちテクニカル分析的な説明を得ることが可能である。
【００４４】また、従来より金融関係の解析において
は、異なる期間における移動平均値のグラフが交差する
点が解析上重要な意味を有する場合が多い。さらに、あ
る種の経済時系列データ間の大小関係が重要な意味を有
する場合もある。本発明においては、同一経済時系列デ
ータの異なる期間長における移動平均値の差、及び異な
る経済時系列データの同一期間長における移動平均値の
差を説明変量としてニューラルネットワークに供給した
ので、これらの情報を加味した解析が可能である。
【図面の簡単な説明】
【図１】この発明の一実施例によるニューラルネットワ
ーク応用経済時系列データ予測及び解析システムを示す
構成図である。
【図２】従来のニューラルネットワーク応用経済時系列
データ予測及び解析システムを示す構成図である。
【符号の説明】
１、２ 時系列入力データ ３ 予測システム ４ 解析システム ５ 前処理モジュール ７ パタン分類器 ８ 予測ニューラルネットワーク ４１ 主成分分析モジュール ４２ 解析モジュール

Claims (2)

    【特許請求の範囲】
  1. 【請求項１】各経済時系列データの期間の異なる移動平
    均値を算出する移動平均算出手段と、 予測しようとする時点の直前の時点における前記移動平
    均値のｎ次階差値（ｎは１以上の整数）を算出する階差
    値算出手段と、 前記各経済時系列データからトレンドを除去し、無トレ
    ンド経済時系列データを算出するトレンド除去手段と、 予測しようとする時点以前の所定の部分における前記無
    トレンド経済時系列データのパタンを分類するパタン分
    類手段と、 前記各経済時系列データと前記階差値と前記パタン分類
    手段による分類結果とを入力し、予測対象である経済時
    系列データの予測しようとする時点における変化を出力
    とするニューラルネットワークと、を含むことを特徴と
    する経済時系列データ予測システム。
  2. 【請求項２】各経済時系列データの期間の異なる移動平
    均値を算出する移動平均算出手段と、 予測しようとする時点の直前の時点における前記移動平
    均値のｎ次階差値（ｎは１以上の整数）を算出する階差
    値算出手段と、 前記各経済時系列データと前記階差値とを入力し、予測
    対象である経済時系列データの予測しようとする時点に
    おける変化を出力する予測用ニューラルネットワーク
    と、 学習データに対する前記予測用ニューラルネットワーク
    の中間層のニューロンの出力値の並びの主成分を算出す
    る主成分算出手段と、 前記主成分の変化に対して有意な上記予測用ニューラル
    ネットワークの入力値、及び／または同一経済時系列デ
    ータの互いに異なる期間長による移動平均値の差、及び
    ／または互いに異なる経済時系列データの同一期間長に
    よる移動平均値の差を求める解析手段と、を含むことを
    特徴とする経済時系列データ解析システム。
JP14749792A 1992-06-08 1992-06-08 経済時系列データ予測及び解析システム Pending JPH05342191A (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP14749792A JPH05342191A (ja) 1992-06-08 1992-06-08 経済時系列データ予測及び解析システム
US08/053,143 US5444819A (en) 1992-06-08 1993-04-27 Economic phenomenon predicting and analyzing system using neural network

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP14749792A JPH05342191A (ja) 1992-06-08 1992-06-08 経済時系列データ予測及び解析システム

Publications (1)

Publication Number Publication Date
JPH05342191A true JPH05342191A (ja) 1993-12-24

Family

ID=15431722

Family Applications (1)

Application Number Title Priority Date Filing Date
JP14749792A Pending JPH05342191A (ja) 1992-06-08 1992-06-08 経済時系列データ予測及び解析システム

Country Status (2)

Country Link
US (1) US5444819A (ja)
JP (1) JPH05342191A (ja)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07319954A (ja) * 1994-05-20 1995-12-08 Nec Corp 時系列データ照合装置
JP2005257416A (ja) * 2004-03-10 2005-09-22 Internatl Business Mach Corp <Ibm> 診断装置、検出装置、制御方法、検出方法、プログラム、及び記録媒体
WO2010067566A1 (ja) * 2008-12-12 2010-06-17 日本電気株式会社 時系列データ分析装置、時系列データ分析方法、及びコンピュータ読み取り可能な記録媒体
JP2016006587A (ja) * 2014-06-20 2016-01-14 インターナショナル・ビジネス・マシーンズ・コーポレーションＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ 解析装置、解析方法及びプログラム
JP2018106477A (ja) * 2016-12-27 2018-07-05 清水建設株式会社 最尤解探索装置、最尤解探索方法、プログラム及び最尤解探索システム
JP2019046453A (ja) * 2017-09-06 2019-03-22 富士通株式会社 ニューラルネットワークの中間情報分析装置、最適化装置及び特徴可視化装置
JP2020035103A (ja) * 2018-08-28 2020-03-05 富士通株式会社 学習プログラム、画像分類プログラム、学習方法、画像分類方法、学習装置および画像分類装置
JP2021117818A (ja) * 2020-01-28 2021-08-10 株式会社電通 予測装置、予測方法、及び予測プログラム
WO2023199413A1 (ja) * 2022-04-12 2023-10-19 富士通株式会社 機械学習プログラム、機械学習方法および情報処理装置

Families Citing this family (119)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4416317B4 (de) * 1993-05-17 2004-10-21 Siemens Ag Verfahren und Regeleinrichtung zur Regelung eines materialverarbeitenden Prozesses
CA2135857A1 (en) * 1994-01-03 1995-07-04 Shay-Ping Thomas Wang Neural network utilizing logarithmic function and method of using same
US6018722A (en) * 1994-04-18 2000-01-25 Aexpert Advisory, Inc. S.E.C. registered individual account investment advisor expert system
US5758257A (en) 1994-11-29 1998-05-26 Herz; Frederick System and method for scheduling broadcast of and access to video programs and other data using customer profiles
US5630159A (en) * 1994-12-29 1997-05-13 Motorola, Inc. Method and apparatus for personal attribute selection having delay management method and apparatus for preference establishment when preferences in a donor device are unavailable
US5745383A (en) * 1996-02-15 1998-04-28 Barber; Timothy P. Method and apparatus for efficient threshold inference
JPH1063634A (ja) * 1996-04-05 1998-03-06 Nec Corp 時系列予測・分類のための方法及び装置
US6253186B1 (en) * 1996-08-14 2001-06-26 Blue Cross Blue Shield Of South Carolina Method and apparatus for detecting fraud
DE19649633A1 (de) * 1996-12-02 1998-06-04 Abb Patent Gmbh Verfahren zur Analyse und Darstellung von transienten Prozeßvorgängen
US6985867B1 (en) * 1997-01-29 2006-01-10 Sandia Corporation Method of predicting a change in an economy
US6119103A (en) * 1997-05-27 2000-09-12 Visa International Service Association Financial risk prediction systems and methods therefor
US6018723A (en) 1997-05-27 2000-01-25 Visa International Service Association Method and apparatus for pattern generation
US6173276B1 (en) * 1997-08-21 2001-01-09 Scicomp, Inc. System and method for financial instrument modeling and valuation
US6594643B1 (en) 1997-11-14 2003-07-15 Charles C. Freeny, Jr. Automatic stock trading system
US6493691B1 (en) 1998-08-07 2002-12-10 Siemens Ag Assembly of interconnected computing elements, method for computer-assisted determination of a dynamics which is the base of a dynamic process, and method for computer-assisted training of an assembly of interconnected elements
US6564195B1 (en) * 1999-07-22 2003-05-13 Cerebrus Solutions Limited Data classifier output interpretation
US7328182B1 (en) 1999-09-23 2008-02-05 Pixon, Llc System and method for prediction of behavior in financial systems
US7058197B1 (en) 1999-11-04 2006-06-06 Board Of Trustees Of The University Of Illinois Multi-variable model for identifying crop response zones in a field
EP1107157A3 (en) * 1999-12-01 2001-11-28 International Business Machines Corporation System and method for performing predictive analysis
EP1252566B1 (de) * 2000-01-31 2003-09-17 Siemens Aktiengesellschaft Anordnung miteinander verbundener rechenelemente und verfahren zur rechnergestützten ermittlung eines zweiten zustands eines systems in einem ersten zustandsraum aus einem ersten zustand des systems in dem ersten zustandsraum
US20030018550A1 (en) * 2000-02-22 2003-01-23 Rotman Frank Lewis Methods and systems for providing transaction data
US6999943B1 (en) 2000-03-10 2006-02-14 Doublecredit.Com, Inc. Routing methods and systems for increasing payment transaction volume and profitability
US7562042B2 (en) * 2000-04-07 2009-07-14 Massachusetts Institute Of Technology Data processor for implementing forecasting algorithms
US7742959B2 (en) * 2000-05-01 2010-06-22 Mueller Ulrich A Filtering of high frequency time series data
AU2001265031A1 (en) 2000-05-25 2001-12-03 Tradescape Technologies, L.L.C. Solutions server
US7194434B2 (en) * 2000-06-15 2007-03-20 Sergio Piccioli Method for predictive determination of financial investment performance
US7379909B1 (en) 2000-10-04 2008-05-27 Tradestation Technologies, Inc. System, method and apparatus for monitoring and execution of entry and exit orders
US20080059279A1 (en) * 2000-11-17 2008-03-06 Goldschneider James D Network-based business process for improving performance of businesses
US6594622B2 (en) * 2000-11-29 2003-07-15 International Business Machines Corporation System and method for extracting symbols from numeric time series for forecasting extreme events
US8458059B2 (en) * 2000-12-13 2013-06-04 Capguard.Com, Inc. Apparatus and method for assessing market conditions
US20020129342A1 (en) * 2001-03-07 2002-09-12 David Kil Data mining apparatus and method with user interface based ground-truth tool and user algorithms
US20020169735A1 (en) * 2001-03-07 2002-11-14 David Kil Automatic mapping from data to preprocessing algorithms
US8140415B2 (en) 2001-03-20 2012-03-20 Goldman Sachs & Co. Automated global risk management
US8069105B2 (en) * 2001-03-20 2011-11-29 Goldman Sachs & Co. Hedge fund risk management
US8209246B2 (en) 2001-03-20 2012-06-26 Goldman, Sachs & Co. Proprietary risk management clearinghouse
US7958027B2 (en) * 2001-03-20 2011-06-07 Goldman, Sachs & Co. Systems and methods for managing risk associated with a geo-political area
US7904361B2 (en) * 2001-03-20 2011-03-08 Goldman Sachs & Co. Risk management customer registry
US20020138417A1 (en) * 2001-03-20 2002-09-26 David Lawrence Risk management clearinghouse
US7899722B1 (en) 2001-03-20 2011-03-01 Goldman Sachs & Co. Correspondent bank registry
US8121937B2 (en) 2001-03-20 2012-02-21 Goldman Sachs & Co. Gaming industry risk management clearinghouse
US8285615B2 (en) 2001-03-20 2012-10-09 Goldman, Sachs & Co. Construction industry risk management clearinghouse
US7548883B2 (en) * 2001-03-20 2009-06-16 Goldman Sachs & Co Construction industry risk management clearinghouse
AU2002305889A1 (en) * 2001-06-08 2002-12-23 Netuitive, Inc. Automated analyzers for estimation systems
US7853506B2 (en) * 2001-09-17 2010-12-14 Recognia Incorporated Method for categorizing pivot points in technical analysis
US6975996B2 (en) * 2001-10-09 2005-12-13 Goldman, Sachs & Co. Electronic subpoena service
EP1461754A4 (en) * 2001-11-28 2005-11-09 Goldman Sachs & Co TRANSACTION MONITORING
AU2002360691A1 (en) * 2001-12-19 2003-07-09 Netuitive Inc. Method and system for analyzing and predicting the behavior of systems
US6993204B1 (en) 2002-01-04 2006-01-31 Pixon Llc High speed signal enhancement using pixons
US20030182250A1 (en) * 2002-03-19 2003-09-25 Mohammad Shihidehpour Technique for forecasting market pricing of electricity
US8005740B2 (en) 2002-06-03 2011-08-23 Research Affiliates, Llc Using accounting data based indexing to create a portfolio of financial objects
US8589276B2 (en) 2002-06-03 2013-11-19 Research Afiliates, LLC Using accounting data based indexing to create a portfolio of financial objects
EP1856590A4 (en) * 2002-06-18 2007-11-21 Phil Kongtcheu METHODS, SYSTEMS AND COMPUTER PROGRAM PRODUCTS FOR ENABLING CREATION AND ACTION WITH DERIVATIVE TREATIES
US20040133462A1 (en) * 2002-09-05 2004-07-08 Smith Claude D. Computer system and method for producing integrated product forecasts
WO2004047082A2 (en) * 2002-11-14 2004-06-03 Goldman, Sachs & Co. Independent research consensus earnings estimates and methods of determining such
US20060136232A1 (en) * 2002-12-06 2006-06-22 Hanno Scholtz Selection method for distributing options to target points
US7865415B2 (en) * 2003-03-05 2011-01-04 Morgan Stanley Intelligent simulation analysis method and system
DE10315897B4 (de) * 2003-04-08 2005-03-10 Karlsruhe Forschzent Verfahren und Verwendung einer Vorrichtung zur Trennung von metallischen und halbleitenden Kohlenstoff-Nanoröhren
US7333997B2 (en) 2003-08-12 2008-02-19 Viziant Corporation Knowledge discovery method with utility functions and feedback loops
US20050278362A1 (en) * 2003-08-12 2005-12-15 Maren Alianna J Knowledge discovery system
US20050080663A1 (en) * 2003-10-08 2005-04-14 Kef.Software Ag Management tool
US20050091147A1 (en) * 2003-10-23 2005-04-28 Ingargiola Rosario M. Intelligent agents for predictive modeling
US20050091146A1 (en) * 2003-10-23 2005-04-28 Robert Levinson System and method for predicting stock prices
US7966246B2 (en) * 2003-10-23 2011-06-21 Alphacet, Inc. User interface for correlation of analysis systems
WO2005045678A2 (en) * 2003-10-27 2005-05-19 Netuitive, Inc. Computer performance estimation system configured to take expected events into consideration
US7529703B2 (en) 2003-11-18 2009-05-05 Citigroup Global Markets, Inc. Method and system for artificial neural networks to predict price movements in the financial markets
US8214271B2 (en) * 2004-02-04 2012-07-03 Neuco, Inc. System and method for assigning credit to process inputs
US7752119B2 (en) * 2004-06-14 2010-07-06 Accenture Global Services Gmbh Auction result prediction
US8082207B2 (en) * 2004-06-17 2011-12-20 Certegy Check Services, Inc. Scored negative file system and method
US8442953B2 (en) 2004-07-02 2013-05-14 Goldman, Sachs & Co. Method, system, apparatus, program code and means for determining a redundancy of information
US8762191B2 (en) 2004-07-02 2014-06-24 Goldman, Sachs & Co. Systems, methods, apparatus, and schema for storing, managing and retrieving information
US8510300B2 (en) 2004-07-02 2013-08-13 Goldman, Sachs & Co. Systems and methods for managing information associated with legal, compliance and regulatory risk
US8996481B2 (en) 2004-07-02 2015-03-31 Goldman, Sach & Co. Method, system, apparatus, program code and means for identifying and extracting information
WO2006050245A2 (en) * 2004-11-02 2006-05-11 Eagleforce Associates System and method for predictive analysis and predictive analysis markup language
US7693766B2 (en) 2004-12-21 2010-04-06 Weather Risk Solutions Llc Financial activity based on natural events
US7783542B2 (en) 2004-12-21 2010-08-24 Weather Risk Solutions, Llc Financial activity with graphical user interface based on natural peril events
US8266042B2 (en) 2004-12-21 2012-09-11 Weather Risk Solutions, Llc Financial activity based on natural peril events
US7584133B2 (en) 2004-12-21 2009-09-01 Weather Risk Solutions Llc Financial activity based on tropical weather events
US7783543B2 (en) 2004-12-21 2010-08-24 Weather Risk Solutions, Llc Financial activity based on natural peril events
US7783544B2 (en) 2004-12-21 2010-08-24 Weather Risk Solutions, Llc Financial activity concerning tropical weather events
US7584134B2 (en) 2004-12-21 2009-09-01 Weather Risk Solutions, Llc Graphical user interface for financial activity concerning tropical weather events
WO2006110853A2 (en) * 2005-04-12 2006-10-19 Maren Alianna J System and method for evidence accumulation and hypothesis generation
JP2009503657A (ja) * 2005-07-22 2009-01-29 エル ターラー、ステフエン ニューラルネットワークによるレーティングシステム
US20070156720A1 (en) * 2005-08-31 2007-07-05 Eagleforce Associates System for hypothesis generation
US7904759B2 (en) * 2006-01-11 2011-03-08 Amazon Technologies, Inc. System and method for service availability management
US8601112B1 (en) * 2006-03-14 2013-12-03 Amazon Technologies, Inc. Method and system for collecting and analyzing time-series data
US9037698B1 (en) 2006-03-14 2015-05-19 Amazon Technologies, Inc. Method and system for collecting and analyzing time-series data
US7979439B1 (en) * 2006-03-14 2011-07-12 Amazon Technologies, Inc. Method and system for collecting and analyzing time-series data
DE102007001026B4 (de) * 2007-01-02 2008-09-04 Siemens Ag Verfahren zur rechnergestützten Steuerung und/oder Regelung eines technischen Systems
US8036971B2 (en) * 2007-03-30 2011-10-11 Palantir Technologies, Inc. Generating dynamic date sets that represent market conditions
US8484115B2 (en) 2007-10-03 2013-07-09 Palantir Technologies, Inc. Object-oriented time series generator
US20100070426A1 (en) 2008-09-15 2010-03-18 Palantir Technologies, Inc. Object modeling for exploring large data sets
US8984390B2 (en) 2008-09-15 2015-03-17 Palantir Technologies, Inc. One-click sharing for screenshots and related documents
US8442891B2 (en) * 2009-12-07 2013-05-14 Predictive Technologies Group, Llc Intermarket analysis
US8560420B2 (en) * 2009-12-07 2013-10-15 Predictive Technologies Group, Llc Calculating predictive technical indicators
US8775341B1 (en) 2010-10-26 2014-07-08 Michael Lamport Commons Intelligent control with hierarchical stacked neural networks
US9015093B1 (en) 2010-10-26 2015-04-21 Michael Lamport Commons Intelligent control with hierarchical stacked neural networks
AU2012298732A1 (en) * 2011-08-23 2014-02-27 Research Affiliates, Llc Using accounting data based indexing to create a portfolio of financial objects
US8732574B2 (en) 2011-08-25 2014-05-20 Palantir Technologies, Inc. System and method for parameterizing documents for automatic workflow generation
US9348677B2 (en) 2012-10-22 2016-05-24 Palantir Technologies Inc. System and method for batch evaluation programs
US8909656B2 (en) 2013-03-15 2014-12-09 Palantir Technologies Inc. Filter chains with associated multipath views for exploring large data sets
US8930897B2 (en) 2013-03-15 2015-01-06 Palantir Technologies Inc. Data integration tool
US8903717B2 (en) 2013-03-15 2014-12-02 Palantir Technologies Inc. Method and system for generating a parser and parsing complex data
US8855999B1 (en) 2013-03-15 2014-10-07 Palantir Technologies Inc. Method and system for generating a parser and parsing complex data
US8868486B2 (en) 2013-03-15 2014-10-21 Palantir Technologies Inc. Time-sensitive cube
US8938686B1 (en) 2013-10-03 2015-01-20 Palantir Technologies Inc. Systems and methods for analyzing performance of an entity
US20150134564A1 (en) * 2013-11-12 2015-05-14 Bank Of America Corporation Predicting economic conditions
US9741048B2 (en) * 2013-11-12 2017-08-22 Bank Of America Corporation Predicting economic conditions
US20150134565A1 (en) * 2013-11-12 2015-05-14 Bank Of America Corporation Predicting economic conditions
US9639897B2 (en) * 2013-11-12 2017-05-02 Bank Of America Corporation Predicting economic conditions
US9105000B1 (en) 2013-12-10 2015-08-11 Palantir Technologies Inc. Aggregating data from a plurality of data sources
US8935201B1 (en) 2014-03-18 2015-01-13 Palantir Technologies Inc. Determining and extracting changed data from a data source
US11343156B2 (en) * 2014-09-08 2022-05-24 Pivotal Software, Inc. Compute intensive stream processing with context data routing
JP6673216B2 (ja) * 2014-11-19 2020-03-25 日本電気株式会社 要因分析装置、要因分析方法とプログラム、及び、要因分析システム
US11132701B2 (en) * 2016-12-15 2021-09-28 Emplifi Inc. Method and user device for generating predicted survey participation data at the user device
US11520077B2 (en) 2018-12-11 2022-12-06 Exxonmobil Upstream Research Company Automated reservoir modeling using deep generative networks
JP7120914B2 (ja) * 2018-12-25 2022-08-17 株式会社日立製作所 生産実績データ分析装置
US20220121983A1 (en) * 2020-10-20 2022-04-21 Salesforce.Com, Inc. Multi-scale unsupervised anomaly transform for time series data
US11830056B2 (en) * 2020-11-23 2023-11-28 Microsoft Technology Licensing, Llc Providing local recommendations based on images of consumable items
US20230186331A1 (en) * 2021-12-13 2023-06-15 International Business Machines Corporation Generalized demand estimation for automated forecasting systems

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0470954A (ja) * 1990-07-04 1992-03-05 Nec Corp 株価予測装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5109475A (en) * 1988-09-19 1992-04-28 Hitachi, Ltd. Method and a system for selection of time series data
JP2940933B2 (ja) * 1989-05-20 1999-08-25 株式会社リコー パターン認識方式
US5140523A (en) * 1989-09-05 1992-08-18 Ktaadn, Inc. Neural network for predicting lightning

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0470954A (ja) * 1990-07-04 1992-03-05 Nec Corp 株価予測装置

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07319954A (ja) * 1994-05-20 1995-12-08 Nec Corp 時系列データ照合装置
JP2005257416A (ja) * 2004-03-10 2005-09-22 Internatl Business Mach Corp <Ibm> 診断装置、検出装置、制御方法、検出方法、プログラム、及び記録媒体
US7720640B2 (en) 2004-03-10 2010-05-18 International Business Machines Corporation Diagnostic data detection and control
WO2010067566A1 (ja) * 2008-12-12 2010-06-17 日本電気株式会社 時系列データ分析装置、時系列データ分析方法、及びコンピュータ読み取り可能な記録媒体
JP2016006587A (ja) * 2014-06-20 2016-01-14 インターナショナル・ビジネス・マシーンズ・コーポレーションＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ 解析装置、解析方法及びプログラム
JP2018106477A (ja) * 2016-12-27 2018-07-05 清水建設株式会社 最尤解探索装置、最尤解探索方法、プログラム及び最尤解探索システム
JP2019046453A (ja) * 2017-09-06 2019-03-22 富士通株式会社 ニューラルネットワークの中間情報分析装置、最適化装置及び特徴可視化装置
JP2020035103A (ja) * 2018-08-28 2020-03-05 富士通株式会社 学習プログラム、画像分類プログラム、学習方法、画像分類方法、学習装置および画像分類装置
JP2021117818A (ja) * 2020-01-28 2021-08-10 株式会社電通 予測装置、予測方法、及び予測プログラム
WO2023199413A1 (ja) * 2022-04-12 2023-10-19 富士通株式会社 機械学習プログラム、機械学習方法および情報処理装置

Also Published As

Publication number Publication date
US5444819A (en) 1995-08-22

Similar Documents

Publication Publication Date Title
JPH05342191A (ja) 経済時系列データ予測及び解析システム
Chen et al. An intelligent pattern recognition model for supporting investment decisions in stock market
Chang et al. Fuzzy Delphi and back-propagation model for sales forecasting in PCB industry
Ha et al. Response models based on bagging neural networks
Maknickienė et al. Application of neural network for forecasting of exchange rates and forex trading
JingTao et al. Guidelines for financial forecasting with neural networks
Azadeh et al. Performance assessment of electric power generations using an adaptive neural network algorithm
Zhang et al. Comparison of econometric models and artificial neural networks algorithms for the prediction of baltic dry index
Azadeh et al. An adaptive intelligent algorithm for forecasting long term gasoline demand estimation: The cases of USA, Canada, Japan, Kuwait and Iran
Aladag et al. A high order seasonal fuzzy time series model and application to international tourism demand of Turkey
Azadeh et al. An integrated artificial neural network fuzzy C-means-normalization algorithm for performance assessment of decision-making units: The cases of auto industry and power plant
Matviychuk et al. Neuro-fuzzy model of country's investment potential assessment
Gharleghi et al. Predicting exchange rates using a novel “cointegration based neuro-fuzzy system”
Akour et al. Artificial intelligence and financial decisions: Empirical evidence from developing economies
Kuchansky et al. Use of the fractal analysis of non-stationary time series in mobile foreign exchange trading for M-Learning
Davis et al. Predicting direction shifts on Canadian–US exchange rates with artificial neural networks
Gritta et al. A review of the history of air carrier bankruptcy forecasting and the application of various models to the US airline industry, 1980-2005
Nam et al. Predicting airline passenger volume
Gu et al. Fuzzy time series forecasting based on information granule and neural network
Tchaban et al. A comparison between single and combined backpropagation neural networks in the prediction of turnover
AmirAskari et al. A modified fuzzy relational model approach to prediction of foreign exchange rates
Enke et al. A new hybrid approach for forecasting interest rates
Cakar et al. Neurotic Fuzzy-Data-Envelopment Analysis to Forecast Efficiency of Bank Branches
Emamverdi et al. FORECASTING THE TOTAL INDEX OF TEHRAN STOCK EXCHANGE.
Okoye-Ubaka et al. Neural network model for performance evaluation of Academic staff of tertiary institutions