[論文レビュー] Impact of Data Normalization on Deep Neural Network for Time Series Forecasting

Samit Bhanja, Abhishek Das|arXiv (Cornell University)|Dec 13, 2018

Stock Market Forecasting Methods参考文献 14被引用数 102

ひとこと要約

本論文は、さまざまなデータ正規化手法が Deep Recurrent Neural Network の時系列予測に与える影響を調査し、DRNN を BSE および NYSE の終値指標に適用して検証する。

ABSTRACT

For the last few years it has been observed that the Deep Neural Networks (DNNs) has achieved an excellent success in image classification, speech recognition. But DNNs are suffer great deal of challenges for time series forecasting because most of the time series data are nonlinear in nature and highly dynamic in behaviour. The time series forecasting has a great impact on our socio-economic environment. Hence, to deal with these challenges its need to be redefined the DNN model and keeping this in mind, data pre-processing, network architecture and network parameters are need to be consider before feeding the data into DNN models. Data normalization is the basic data pre-processing technique form which learning is to be done. The effectiveness of time series forecasting is heavily depend on the data normalization technique. In this paper, different normalization methods are used on time series data before feeding the data into the DNN model and we try to find out the impact of each normalization technique on DNN to forecast the time series. Here the Deep Recurrent Neural Network (DRNN) is used to predict the closing index of Bombay Stock Exchange (BSE) and New York Stock Exchange (NYSE) by using BSE and NYSE time series data.

研究の動機と目的

• 非線形でダイナミックな時系列予測のために DNN モデルを再定義する必要性を喚起する。
• さまざまなデータ正規化手法が学習および予測性能に与える影響を評価する。
• データを DRNN モデルに入力する前の前処理、ネットワークアーキテクチャ、パラメータ選択を評価する。

提案手法

• DRNN 入力前に時系列データへ対して異なる正規化手法を適用する。
• Deep Recurrent Neural Network を用いて BSE および NYSE の終値を予測する。
• 正規化手法が DRNN の予測結果に与える影響を比較する。

実験結果

リサーチクエスチョン

• RQ1 異なるデータ正規化手法は DRNN ベースの時系列予測にどのような影響を与えるか？
• RQ2 どの正規化手法が BSE および NYSE データに対して最も効果的な予測性能を提供するか？
• RQ3 非線形時系列における DRNN の学習ダイナミクスを形作る上でのデータ正規化の役割は何か？

主な発見

• 本研究は、正規化手法が時系列データの DRNN 予測性能に与える影響を探る。
• 要約の抜粋には特定の数値結果は提供されていない。