論文の概要: Detecting Changes in Asset Co-Movement Using the Autoencoder
Reconstruction Ratio
- arxiv url: http://arxiv.org/abs/2002.02008v2
- Date: Sun, 27 Sep 2020 14:14:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-07 12:48:21.653239
- Title: Detecting Changes in Asset Co-Movement Using the Autoencoder
Reconstruction Ratio
- Title(参考訳): オートエンコーダ再構成比を用いたアセットコモーメントの変化検出
- Authors: Bryan Lim, Stefan Zohren, Stephen Roberts
- Abstract要約: 資産共同移動の一時的な増加を検出するリアルタイム指標を提案する。
オートエンコーダ再構成比(Autoencoder Reconstruction Ratio)は、資産のバスケットが低次元の潜伏変数の集合を使ってどれだけうまくモデル化できるかを測定する。
- 参考スコア(独自算出の注目度): 5.5616364225463055
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Detecting changes in asset co-movements is of much importance to financial
practitioners, with numerous risk management benefits arising from the timely
detection of breakdowns in historical correlations. In this article, we propose
a real-time indicator to detect temporary increases in asset co-movements, the
Autoencoder Reconstruction Ratio, which measures how well a basket of asset
returns can be modelled using a lower-dimensional set of latent variables. The
ARR uses a deep sparse denoising autoencoder to perform the dimensionality
reduction on the returns vector, which replaces the PCA approach of the
standard Absorption Ratio, and provides a better model for non-Gaussian
returns. Through a systemic risk application on forecasting on the CRSP US
Total Market Index, we show that lower ARR values coincide with higher
volatility and larger drawdowns, indicating that increased asset co-movement
does correspond with periods of market weakness. We also demonstrate that
short-term (i.e. 5-min and 1-hour) predictors for realised volatility and
market crashes can be improved by including additional ARR inputs.
- Abstract(参考訳): 資産協調行動の変化を検出することは、歴史的相関関係の崩壊をタイムリーに検出することによるリスク管理のメリットが多数ある金融実践者にとって非常に重要である。
本稿では,アセット共動の一時的な増加を検出するためのリアルタイム指標として,低次元の潜在変数セットを用いてアセットリターンのバスケットをモデル化するオートエンコーダ再構成率を提案する。
ARRは、標準吸収率のPCAアプローチを置き換え、非ガウスリターンのためのより良いモデルを提供するリターンベクトルの次元削減を行うために、ディープスパースデノナイジングオートエンコーダを使用する。
CRSPUS総合市場指数の予測に関するシステム的リスク適用を通じて、低いARR値は高いボラティリティとより大きな下落と一致し、資産共同移動の増加は市場の弱さの期間に対応することを示す。
また, arr入力の追加により, 短期的(すなわち5分および1時間)のボラティリティと市場クラッシュを予測できることを示す。
関連論文リスト
- RAGIC: Risk-Aware Generative Adversarial Model for Stock Interval
Construction [4.059196561157555]
既存の予測アプローチの多くは、効果的な意思決定に必要な深さを欠いて、単一ポイントの予測に焦点を当てている。
本稿では,不確実性をより効果的に定量化するために,ストック間隔予測のためのシーケンス生成を導入するRAGICを提案する。
RAGICのジェネレータには、情報投資家のリスク認識をキャプチャするリスクモジュールと、歴史的価格動向と季節性を考慮した時間モジュールが含まれている。
論文 参考訳(メタデータ) (2024-02-16T15:34:07Z) - Diffusion Variational Autoencoder for Tackling Stochasticity in
Multi-Step Regression Stock Price Prediction [54.21695754082441]
長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。
多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。
深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。
本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
論文 参考訳(メタデータ) (2023-08-18T16:21:15Z) - Consensus-Adaptive RANSAC [104.87576373187426]
本稿では,パラメータ空間の探索を学習する新しいRANSACフレームワークを提案する。
注意機構は、ポイント・ツー・モデル残差のバッチで動作し、軽量のワンステップ・トランスフォーマーで見いだされたコンセンサスを考慮するために、ポイント・ツー・モデル推定状態を更新する。
論文 参考訳(メタデータ) (2023-07-26T08:25:46Z) - Gated Recurrent Neural Networks with Weighted Time-Delay Feedback [59.125047512495456]
重み付き時間遅延フィードバック機構を備えた新しいゲートリカレントユニット(GRU)を導入する。
我々は、$tau$-GRUが、最先端のリカレントユニットやゲート型リカレントアーキテクチャよりも早く収束し、より一般化できることを示します。
論文 参考訳(メタデータ) (2022-12-01T02:26:34Z) - Estimating value at risk: LSTM vs. GARCH [0.0]
本稿では,Long Short-term memory (LSTM) ニューラルネットワークを用いたリスクリスク推定手法を提案する。
その結果,比較的短い時系列であっても,LSTMはリスク推定プロセスの洗練や監視に有効であることが示唆された。
シミュレーションデータと市場データの両方において、LSTMは、シミュレーションデータ上でのGARCH推定と類似した性能を示す。
論文 参考訳(メタデータ) (2022-07-21T15:26:07Z) - IBP Regularization for Verified Adversarial Robustness via
Branch-and-Bound [85.6899802468343]
IBP-Rは, どちらも簡便なトレーニングアルゴリズムである。
また、$beta$-CROWNに基づく新しいロバスト性であるUPBを提示し、最先端の分岐アルゴリズムのコストを削減する。
論文 参考訳(メタデータ) (2022-06-29T17:13:25Z) - Estimating the Value-at-Risk by Temporal VAE [0.0]
大規模な資産ポートフォリオのバリュー・アット・リスク(VaR)の推定は、金融機関にとって重要な課題である。
我々は、観測変数の自己回帰構造を避けるための時間的VAE(TempVAE)を用いる。
その結果、TempVAEのオートプルーニングが適切に機能し、古典的なGARCH型や歴史的なシミュレーション手法に勝るVaRの優れた推定結果が得られる。
論文 参考訳(メタデータ) (2021-12-03T13:20:41Z) - Robust lEarned Shrinkage-Thresholding (REST): Robust unrolling for
sparse recover [87.28082715343896]
我々は、モデルミス特定を前進させるのに堅牢な逆問題を解決するためのディープニューラルネットワークについて検討する。
我々は,アルゴリズムの展開手法を根底にある回復問題のロバストバージョンに適用することにより,新しい堅牢なディープニューラルネットワークアーキテクチャを設計する。
提案したRESTネットワークは,圧縮センシングとレーダイメージングの両問題において,最先端のモデルベースおよびデータ駆動アルゴリズムを上回る性能を示す。
論文 参考訳(メタデータ) (2021-10-20T06:15:45Z) - Predicting Risk-adjusted Returns using an Asset Independent
Regime-switching Model [0.0]
隠れマルコフモデルに基づくリスク調整されたリターン予測のために,アセットクラスに依存しないレギュラースイッチングモデルを構築した。
約20年間の日次金融市場の変化を分析し,リスク調整リターン予測の指標について検討した。
論文 参考訳(メタデータ) (2021-07-07T10:23:59Z) - A Sentiment Analysis Approach to the Prediction of Market Volatility [62.997667081978825]
金融ニュースとツイートから抽出された感情とFTSE100の動きの関係を調べました。
ニュース見出しから得られた感情は、市場のリターンを予測するシグナルとして使われる可能性があるが、ボラティリティには当てはまらない。
我々は,新たな情報の到着に応じて,市場の変動を予測するための正確な分類器を開発した。
論文 参考訳(メタデータ) (2020-12-10T01:15:48Z) - Encoded Value-at-Risk: A Predictive Machine for Financial Risk
Management [0.0]
本稿では,Encoded Value-at-Risk (Encoded VaR) と呼ばれる新たな市場リスク計測手法を提案する。
可変オートエンコーダ(VAEs)と呼ばれる,ニューラルネットワークのタイプをベースとする符号化VaR
論文 参考訳(メタデータ) (2020-11-13T03:25:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。