Obtaining a Practical Model for Estimating Stock Performance on an Emerging Market Using Logistic Regression Analysis

Mironiuc, Marilena; Robu, Mihaela-Alina

doi:10.1016/j.sbspro.2013.06.454

Cited by 7 publications

(6 citation statements)

References 11 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…[ [22,23], health-care [24][25][26][27], and finance [28][29][30][31]. In all of these domains, it is crucial to understand which input features are truly important in determining the model's output (either on a single data point or in aggregate across a dataset), and our aim is to show that adversarially-trained logistic regression models yield significantly better feature-attribution by shrinking the weights on irrelevant or weakly-relevant features to negligible levels, with minimal impact on (and often improvement in) performance on natural test data.…”

Section: Discussionmentioning

confidence: 99%

Concise Explanations of Neural Networks using Adversarial Training

Chalasani,

Chen,

Chowdhury

et al. 2018

Preprint

View full text Add to dashboard Cite

We show new connections between adversarial learning and explainability. One form of explanation of the output of a neural network model in terms of its input features, is a vector of feature-attributions using the Integrated Gradient (IG) method. Two desirable characteristics of an attribution-based explanation are:(1) sparseness: the attributions of irrelevant or weakly relevant features should be negligible, thus resulting in concise explanations in terms of the significant features, and (2) stability: it should not vary significantly within a small local neighborhood of the input. For a general class of convex loss functions, we show two new theoretical results: (a) via a novel analysis of the Stochastic Gradient Descent process, we show that adversarial training using an ∞ -bounded adversary produces sparse models (and hence concise explanations), and (b) we show that natural model-training while encouraging stable IG-explanations (via an extra term in the loss function), is equivalent to adversarial training. We demonstrate the first phenomenon in experiments training logistic regression models on a variety of tabular toy and real-world advertising datasets: adversarial training yields significantly sparser models, with little or no degradation in performance on natural test data.Preprint. Under review.

show abstract

Section: Discussionmentioning

confidence: 99%

Concise Explanations of Neural Networks using Adversarial Training

Chalasani,

Chen,

Chowdhury

et al. 2018

Preprint

View full text Add to dashboard Cite

show abstract

“…A teoria referente à perspectiva da empresa aborda que o principal objetivo da gestão das empresas de capital aberto é maximizar os lucros (Erhemjamts, Li & Venkateswaran, 2013). Além disso, as informações oferecidas aos investidores, independentemente se provém de relatórios financeiros ou indicadores macroeconômicos, representam a base fundamental para a tomada de decisões no mercado de capitais (Bressan, Braga & Bressan, 2003;Mironiuc & Robu, 2013).…”

Section: Desempenho Econômico-financeirounclassified

“…Assim, o desempenho econômico-financeiro é influenciado por diversos fatores (Lin, Yang & Liou, 2009). Nesse contexto, a maioria dos estudos utilizam índices financeiros como o Retorno sobre Ativos (ROA), Retorno sobre o Patrimônio Líquido (ROE), Tamanho, Liquidez Geral, Lucro por Ação, dentre outros (Erhemjamts, Li & Venkateswaran, 2013;Mironiuc & Robu, 2013;Mallin, Farag & Ow-Yong, 2014;Ahmad & Jusoh, 2014;Wang et al, 2014).…”

Section: Rmcunclassified

“…De acordo com Mallin, Farag e Ow-Yong (2014), a liquidez geral é um índice que leva em consideração a situação a longo prazo das empresas, os direitos e obrigações. Outro índice importante é o lucro por ação, obtido por meio da divisão do lucro líquido da empresa com o número de ações emitidas por esta no mercado acionário (Mironiuc & Robu, 2013).…”

Section: Rmcunclassified

“…Com base no exposto, entende-se que uma das formas de avaliar o desempenho é a partir dos indicadores de desempenho econômico-financeiro, estes que despontam como um dos instrumentos capazes de auxiliar o desenvolvimento do planejamento estratégico e permitem analisar como as decisões foram tomadas (Fischmann & Zilber, 2009). São muitos os propósitos para a realização da avaliação das empresas, sendo que a busca pelo valor da empresa é o alvo do investidor e a informação financeira é considerada o principal meio de comunicação com os investidores (Mironiuc & Robu, 2013). No entanto, vale salientar que não existe um modelo de avaliação de desempenho corporativo perfeito (Cunha, Martins & Assaf Neto, 2014) e para Gras-Gil, Manzano e Fernández (2016), o desenvolvimento econômico-financeiro e a importância do mercado de ações podem afetar os padrões contábeis do país e a qualidade da informação contábil disponibilizada pelas empresas.…”

Section: Introductionunclassified

See 2 more Smart Citations

Desempenho econômico-financeiro e estatística fractal do preço das ações de empresas brasileiras listadas no índice IBRX-50

Vogt

Degenhart

Hein

2020

RMC

View full text Add to dashboard Cite

Este estudo objetiva comparar o ranking de desempenho econômico-financeiro com o ranking da estatística fractal do preço das ações de empresas brasileiras. Realizou-se uma pesquisa descritiva, documental e com abordagem quantitativa. A população compreendeu 50 empresas que pertencem ao índice IBrX-50 da B3 e a amostra constituiu se de 44 empresas, sendo o período de 2012 a 2015. Aplicou-se o método TOPSIS para obter o ranking de desempenho econômico-financeiro e para desenvolver o ranking do preço das ações, a metodologia Hurst. No geral, os resultados revelaram que o ranking de desempenho econômico-financeiro das empresas analisadas não se assemelha com o ranking do preço das ações, visto que as empresas que lideraram no ranking de desempenho, não apresentaram as primeiras colocações no ranking do preço das ações. As ações apresentaram-se persistentes e antipersistentes nos anos analisados. Este resultado sugere que houve uma probabilidade maior de 50% de um valor negativo ser seguido de um positivo (antipersistente) e, maior que 50% de um valor positivo no preço das ações ser precedido de outro positivo e de um valor negativo ser seguido de outro negativo (persistente). Tais resultados trazem implicações práticas para os investidores, pois podem utilizar estes achados para refletir sobre a posição das empresas nos rankings, com vistas a minimizar o risco inerente as operações no mercado de capitais. A pesquisa também apresenta contribuições teóricas, no preenchimento de lacunas da literatura de finanças sobre o tema e traz novas evidências sobre as hipóteses de eficiência do mercado de capitais.

show abstract

Can We Apply Traditional Forecasting Models to Predicting Bitcoin?

Bobea

Shu

2022

City, Society, and Digital Transformation

View full text Add to dashboard Cite

Obtaining a Practical Model for Estimating Stock Performance on an Emerging Market Using Logistic Regression Analysis

Cited by 7 publications

References 11 publications

Concise Explanations of Neural Networks using Adversarial Training

Concise Explanations of Neural Networks using Adversarial Training

Desempenho econômico-financeiro e estatística fractal do preço das ações de empresas brasileiras listadas no índice IBRX-50

Can We Apply Traditional Forecasting Models to Predicting Bitcoin?

Contact Info

Product

Resources

About