論文の概要: Deep Learning for Asset Bubbles Detection

• arxiv url: http://arxiv.org/abs/2002.06405v1
• Date: Sat, 15 Feb 2020 16:16:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-31 23:19:58.080660
• Title: Deep Learning for Asset Bubbles Detection
• Title（参考訳）: アセットバブル検出のための深層学習
• Authors: Oksana Bashchenko and Alexis Marchal
• Abstract要約: ニューラルネットワークを用いてアセットバブルを検出する手法を開発した。 シミュレーションデータを用いた実験室において,既存の統計的手法に対するアルゴリズムの有効性を示す。 我々は、2006年から2008年までの米国株式市場におけるバブルの存在から発生するリスクの高い仲裁を利用するゼロネットエクスポージャー取引戦略を構築している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We develop a methodology for detecting asset bubbles using a neural network. We rely on the theory of local martingales in continuous-time and use a deep network to estimate the diffusion coefficient of the price process more accurately than the current estimator, obtaining an improved detection of bubbles. We show the outperformance of our algorithm over the existing statistical method in a laboratory created with simulated data. We then apply the network classification to real data and build a zero net exposure trading strategy that exploits the risky arbitrage emanating from the presence of bubbles in the US equity market from 2006 to 2008. The profitability of the strategy provides an estimation of the economical magnitude of bubbles as well as support for the theoretical assumptions relied on.
• Abstract（参考訳）: ニューラルネットワークを用いてアセットバブルを検出する手法を開発した。 連続時間における局所マルティンゲールの理論に依拠し、ディープネットワークを用いて現在の推定値よりもより正確に価格プロセスの拡散係数を推定し、気泡の検出を改善した。 シミュレーションデータを用いた実験室において,既存の統計的手法に対するアルゴリズムの有効性を示す。 次に、ネットワーク分類を実データに適用し、2006年から2008年までの米国株式市場におけるバブルの存在から発生するリスクの高い仲裁を生かしたゼロネット露光取引戦略を構築する。 戦略の収益性は、バブルの経済的大きさの推定と、それに依存する理論的仮定のサポートを提供する。

関連論文リスト

• Online Distributional Regression [0.0]
  大規模ストリーミングデータは、現代の機械学習アプリケーションで一般的である。 サプライチェーン管理、気象学、気象学など多くの分野が確率論的予測を用いている。 本稿では,正規化線形分布モデルのオンライン推定手法を提案する。
  論文  参考訳（メタデータ） (2024-06-26T16:04:49Z)
• Neural Active Learning Beyond Bandits [69.99592173038903]
  ストリームベースとプールベースの両方のアクティブラーニングをニューラルネットワーク近似を用いて検討する。 ストリームベースおよびプールベースアクティブラーニングのためのニューラルネットワークを新たに設計したエクスプロイトと探索に基づく2つのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-04-18T21:52:14Z)
• Cryptocurrency Portfolio Optimization by Neural Networks [81.20955733184398]
  本稿では,これらの投資商品を活用するために,ニューラルネットワークに基づく効果的なアルゴリズムを提案する。 シャープ比を最大化するために、各アセットの割り当て重量を時間間隔で出力するディープニューラルネットワークを訓練する。 ネットワークの特定の資産に対するバイアスを規制する新たな損失項を提案し,最小分散戦略に近い割り当て戦略をネットワークに学習させる。
  論文  参考訳（メタデータ） (2023-10-02T12:33:28Z)
• Recurrent neural network based parameter estimation of Hawkes model on high-frequency financial data [0.0]
  本研究では,高頻度財務データに基づくホークスモデルのパラメータ推定にリカレントニューラルネットワークを用いることを検討した。 提案手法は,従来の最大推定法に比べて計算性能が大幅に向上することを示す。 本手法のリアルタイムなボラティリティ測定への応用を実証し,新たな価格データが市場から来るにつれて,金融ボラティリティの連続的な評価を可能にする。
  論文  参考訳（メタデータ） (2023-04-24T07:51:11Z)
• Volatility forecasting using Deep Learning and sentiment analysis [0.0]
  本稿では、市場ボラティリティを予測するための感情分析と深層学習を融合した複合モデルを提案する。 次に、過去の感情と前日の変動を利用して予測を行う合成予測モデル、Long-Short-Term-Memory Neural Network法について述べる。
  論文  参考訳（メタデータ） (2022-10-22T14:54:33Z)
• DeepVol: Volatility Forecasting from High-Frequency Data with Dilated Causal Convolutions [53.37679435230207]
  本稿では,Dilated Causal Convolutionsに基づくDeepVolモデルを提案する。 実験結果から,提案手法は高頻度データからグローバルな特徴を効果的に学習できることが示唆された。
  論文  参考訳（メタデータ） (2022-09-23T16:13:47Z)
• Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics in Limit-Order Book Markets [84.90242084523565]
  伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。 最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。 予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
  論文  参考訳（メタデータ） (2022-03-07T18:59:54Z)
• Sequential Deep Learning for Credit Risk Monitoring with Tabular Financial Data [0.901219858596044]
  深層学習による信用リスク評価の新たなアプローチを創出する試みを紹介します。 本稿では,深い再帰と因果畳み込みに基づくニューラルネットワークを用いた新しいクレジットカードトランザクションサンプリング手法を提案する。 時間的畳み込みネットワークを用いた逐次的深層学習アプローチは、ベンチマーク非逐次木モデルよりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-12-30T21:29:48Z)
• Unlabelled Data Improves Bayesian Uncertainty Calibration under Covariate Shift [100.52588638477862]
  後続正則化に基づく近似ベイズ推定法を開発した。 前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
  論文  参考訳（メタデータ） (2020-06-26T13:50:19Z)
• Neural Networks and Value at Risk [59.85784504799224]
  リスクしきい値推定における資産価値のモンテカルロシミュレーションを行う。 株式市場と長期債を試験資産として利用し、ニューラルネットワークについて検討する。 はるかに少ないデータでフィードされたネットワークは、大幅にパフォーマンスが悪くなっています。
  論文  参考訳（メタデータ） (2020-05-04T17:41:59Z)

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。