Paper Review
1.[논문 리뷰] Deep learning in predicting cryptocurrency volatility
원고 접수일: 2020년 12월 23일수정본 접수일: 2021년 8월 10일게재일: 2022년 3월 2일암호화폐 변동성을 예측하는 것에 초점RNN 보다 예측력이 좋은 Jordan NN을 사용BTC, ETH, XRP Data 사용GARCH Model을 사용한 변동성 예측
2.[논문리뷰] Patent analysis and classification prediction of biomedicine industry: SOM-KPCA-SVM model
SOM-KPCA-SVM 모델로 생명 과학 산업에서 특허 품질(가치) 분류와 예측특허 기관에 매년 상당한 양의 특허가 제출 되는데, 각 특허의 가치 평가와 진실 여부를 따지는 데에는 많은 비용이 소모 됨해당 논문에서는 바이오 산업에서의 Patenet 가치를 Class를
3.[논문리뷰] Forecasting emerging technologies using data augmentation and deep learning
다음 논문 리뷰는 아래 유튜브 논문 리뷰를 참고하였음.Youtube해당 논문은 Emerging Technologies의 Feature를 토대로 미래 가치가 있는지 없는지 판단하는 GAN+DNN Model 논문Binary Classification신기술 예측의 중요성과
4.[논문리뷰] World Patent Information for patent analysis
특허가 급격히 증가하며 특허 정보를 효과적으로 검색하고 분석하는 데 많은 비용이 소모 됨. 도메인 전문가만 해결할 수 있던 작업들을 자동화하여 비용을 줄이는 것을 목표딥러닝을 활용한 특허 분석 조사 결과들을 소개데이터셋, 표현 방법, 딥러닝 구조, 그리고 대상이 되는
5.[논문 리뷰] An intelligent patent recomender adopting machine learning approach for natual language processing
Section 2 : Literature review 2.1 : Recommnedation systems Section 3 : Section 4
6.[논문 리뷰] Forecasting Earnings Surprises from Conference Call Transcripts
MSCI 지수에 있는 기업을 기준 2004년 1월부터 2011년 12월까지의 기간 FactSet Document Distributor로부터 수집FactSet Fundamentals와 Consensus Estimates에서 Reported Earnings per Shar
7.[논문 리뷰] Measuring Firm-Level Inflation Exposure: A Deep Learning - Process
Data and Methodology 2.1 Data sources 2007 ~ 2021.7까지의 178,547개 earnings conference call transcripts 수집 CRSP and Compustat에 있는 ticker으로 선별 기업 이름, eve
8.[논문 리뷰] Measuring Firm-Level Inflation Exposure: A Deep Learning - Approach
Abstract 기업의 earnings conference call transcripts에서 문장들을 딥러닝 분석 후, 해당 기업이 인플레이션에 어느 정도 노출되어 있는지와 주가가 오르고 내릴 지, input price와 output price의 차이도 확인한다. 이러
9.[논문 리뷰] TRANSFORMERS VERSUS LSTMS FOR ELECTRONIC TRADING
https://github.com/772435284/transformers_versus_lstms_for_electronic_trading시계열 데이터가 많은 금융 분야에서 LSTM이 우세한 위치에 있어 왔지만, 자연어 처리에 뛰어난 Transformer 모델