論文の概要: How to Identify Investor's types in real financial markets by means of
agent based simulation
- arxiv url: http://arxiv.org/abs/2101.03127v1
- Date: Thu, 31 Dec 2020 16:22:30 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-17 16:54:29.448767
- Title: How to Identify Investor's types in real financial markets by means of
agent based simulation
- Title(参考訳): エージェント・ベース・シミュレーションによる不動産市場における投資家のタイプ同定
- Authors: Filippo Neri
- Abstract要約: 本論文では,主成分分析の基礎となる原理をエージェントベースシミュレーションで計算する手法を提案する。
提案手法は、ターゲット金融時系列を近似または説明することができる投資家のモデルの減少セットを見つけることである。
- 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: The paper proposes a computational adaptation of the principles underlying
principal component analysis with agent based simulation in order to produce a
novel modeling methodology for financial time series and financial markets.
Goal of the proposed methodology is to find a reduced set of investor s models
(agents) which is able to approximate or explain a target financial time
series. As computational testbed for the study, we choose the learning system L
FABS which combines simulated annealing with agent based simulation for
approximating financial time series. We will also comment on how L FABS s
architecture could exploit parallel computation to scale when dealing with
massive agent simulations. Two experimental case studies showing the efficacy
of the proposed methodology are reported.
- Abstract(参考訳): 本稿では,金融時系列および金融市場のための新しいモデリング手法を作成するために,エージェントベースシミュレーションによる主成分分析の基礎となる原理の計算適応を提案する。
提案手法の目標は、対象の金融時系列を近似または説明可能な投資家sモデル(agents)の縮小セットを見つけることである。
本研究の計算テストベッドとして,シミュレーションアニールとエージェントベースシミュレーションを組み合わせた金融時系列の近似学習システム L FABS を選択する。
また、L FABS s アーキテクチャは、大規模なエージェントシミュレーションを扱う際に並列計算をいかに活用できるかについてもコメントする。
提案手法の有効性を示す2つの実験事例を報告する。
関連論文リスト
- Finite-Time Error Analysis of Online Model-Based Q-Learning with a
Relaxed Sampling Model [6.663174194579773]
Q$-learningは、モデルなしの設定において強力なアルゴリズムであることが証明されている。
モデルベースのフレームワークへの$Q$-learningの拡張については、まだ明らかになっていない。
論文 参考訳(メタデータ) (2024-02-19T06:33:51Z) - Optimal simulation-based Bayesian decisions [0.0]
難解な確率下での最適ベイズ決定の効率的な計算のための枠組みを提案する。
パラメータと行動空間のどの位置をシミュレートするかを選択するための能動的学習手法を開発した。
結果として生じるフレームワークは極めて効率的なシミュレーションであり、一般的に、関連する後部推論タスクのみよりもモデル呼び出しを少なくする。
論文 参考訳(メタデータ) (2023-11-09T20:59:52Z) - Towards a Prediction of Machine Learning Training Time to Support
Continuous Learning Systems Development [5.207307163958806]
我々は全文を実証研究する。
ZhengらによるFPTC(Time Complexity)アプローチ。
本稿では,ロジスティック回帰とランダムフォレスト分類のための定式化について検討する。
本研究では,本研究から,学習時間の予測が文脈とどのように密接に関連しているかを観察する。
論文 参考訳(メタデータ) (2023-09-20T11:35:03Z) - A Modular Framework for Reinforcement Learning Optimal Execution [68.8204255655161]
我々は、最適貿易実行問題への強化学習の適用のためのモジュラーフレームワークを開発する。
このフレームワークは、異なるシミュレーション設定の実装を容易にするために、柔軟性を念頭に設計されている。
論文 参考訳(メタデータ) (2022-08-11T09:40:42Z) - Synthetic Data-Based Simulators for Recommender Systems: A Survey [55.60116686945561]
本調査は,モデリングとシミュレーションの分野における最近のトレンドを包括的に概観することを目的としている。
まずは、シミュレーターを実装するフレームワークの開発の背後にあるモチベーションから始めます。
我々は,既存のシミュレータの機能,近似,産業的有効性に基づいて,新しい一貫した一貫した分類を行う。
論文 参考訳(メタデータ) (2022-06-22T19:33:21Z) - 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) - Adaptive Learning on Time Series: Method and Financial Applications [0.0]
適応学習(Adaptive Learning)は、複数の予測地平線を越えたS&P 500リターンの予測に使用しています。
アダプティブ・ラーニング・モデルは、パラメトリック・モデルの最も優れたものが後部モデルと同等である。
本稿では,2020年の市場崩壊における学習成果の財務的応用と学習体制の解釈について述べる。
論文 参考訳(メタデータ) (2021-10-21T13:59:54Z) - Deep Bayesian Active Learning for Accelerating Stochastic Simulation [74.58219903138301]
Interactive Neural Process(INP)は、シミュレーションとアクティブな学習アプローチのためのディープラーニングフレームワークである。
能動的学習のために,NPベースモデルの潜時空間で計算された新しい取得関数Latent Information Gain (LIG)を提案する。
その結果,STNPは学習環境のベースラインを上回り,LIGは能動学習の最先端を達成していることがわかった。
論文 参考訳(メタデータ) (2021-06-05T01:31:51Z) - Interpretable ML-driven Strategy for Automated Trading Pattern
Extraction [2.7910505923792646]
金融時系列分析のためのボリュームベースデータ前処理手法を提案する。
手法の性能を評価するために統計的手法を用いる。
提案手法により,金融時系列パターンの分類を成功させることができた。
論文 参考訳(メタデータ) (2021-03-23T09:55:46Z) - On Exploiting Hitting Sets for Model Reconciliation [53.81101846598925]
ヒューマン・アウェア・プランニングにおいて、プランニング・エージェントは、その計画がなぜ最適なのかを人間に説明する必要があるかもしれない。
この手法はモデル和解と呼ばれ、エージェントはモデルと人間のモデルの違いを調和させようとする。
我々は,計画の領域を超えて拡張されたモデル和解のための論理ベースのフレームワークを提案する。
論文 参考訳(メタデータ) (2020-12-16T21:25:53Z) - Gaussian process imputation of multiple financial series [71.08576457371433]
金融指標、株価、為替レートなどの複数の時系列は、市場が潜んでいる状態に依存しているため、強く結びついている。
金融時系列間の関係を多出力ガウスプロセスでモデル化することで学習することに注力する。
論文 参考訳(メタデータ) (2020-02-11T19:18:18Z)
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。