論文の概要: A Hybrid Learning Approach to Detecting Regime Switches in Financial Markets

• arxiv url: http://arxiv.org/abs/2108.05801v1
• Date: Thu, 5 Aug 2021 01:15:19 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-15 11:32:29.057411
• Title: A Hybrid Learning Approach to Detecting Regime Switches in Financial Markets
• Title（参考訳）: 金融市場におけるレジームスイッチ検出のためのハイブリッド学習手法
• Authors: Peter Akioyamen (1), Yi Zhou Tang (1), Hussien Hussien (1) ((1) Western University)
• Abstract要約: 本稿では,米国金融市場におけるレギュラースイッチ検出のための新しい枠組みを提案する。 クラスタ分析と分類の組み合わせを用いて、公開可能な経済データに基づいて金融市場の体制を同定する。 検出された体制に基づいて2つの取引戦略を構築・評価することで,枠組みの有効性を示す。
• 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: Financial markets are of much interest to researchers due to their dynamic and stochastic nature. With their relations to world populations, global economies and asset valuations, understanding, identifying and forecasting trends and regimes are highly important. Attempts have been made to forecast market trends by employing machine learning methodologies, while statistical techniques have been the primary methods used in developing market regime switching models used for trading and hedging. In this paper we present a novel framework for the detection of regime switches within the US financial markets. Principal component analysis is applied for dimensionality reduction and the k-means algorithm is used as a clustering technique. Using a combination of cluster analysis and classification, we identify regimes in financial markets based on publicly available economic data. We display the efficacy of the framework by constructing and assessing the performance of two trading strategies based on detected regimes.
• Abstract（参考訳）: 金融市場は、そのダイナミックで確率的な性質から研究者にとって大きな関心を集めている。 世界人口、世界経済、資産評価との関係から、トレンドや体制の理解、特定、予測は非常に重要である。 機械学習手法を用いて市場の動向を予測する試みが試みられ、統計手法が取引やヘッジに使用される市場制度変更モデルの開発に利用されてきた。 本稿では,米国の金融市場におけるレジームスイッチ検出のための新しい枠組みを提案する。 主成分分析を次元性低減に適用し,k-meansアルゴリズムをクラスタリング手法として用いる。 クラスタ分析と分類の組み合わせを用いて、公開可能な経済データに基づいて金融市場の体制を特定する。 検出された体制に基づいて2つの取引戦略を構築・評価することで,枠組みの有効性を示す。

関連論文リスト

• Statistical arbitrage in multi-pair trading strategy based on graph clustering algorithms in US equities market [0.0]
  本研究は,グラフクラスタリングアルゴリズムに基づく統計仲裁の新しい枠組みに基づく効果的な戦略の開発を目指す。 この研究は、最適な信号検出とリスク管理のための統合的なアプローチを提供することを目指している。
  論文  参考訳（メタデータ） (2024-06-15T17:25:32Z)
• Data Cross-Segmentation for Improved Generalization in Reinforcement Learning Based Algorithmic Trading [5.75899596101548]
  本稿では,学習した予測モデルからの信号に基づいて処理を行う強化学習(RL)アルゴリズムを提案する。 われわれのアルゴリズムは、ブルサ・マレーシアの20年以上のエクイティデータに基づいてテストしている。
  論文  参考訳（メタデータ） (2023-07-18T16:00:02Z)
• 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)
• Detecting data-driven robust statistical arbitrage strategies with deep neural networks [5.812554622073437]
  我々は、金融市場における堅牢な統計的仲裁戦略の特定を可能にする、ディープニューラルネットワークに基づくアプローチを提案する。 提示された新しい手法は、大量の基礎証券を同時に検討することができる。 本研究では、観測された市場データから導出可能な許容確率尺度のあいまい性セットを構築する方法を提案する。
  論文  参考訳（メタデータ） (2022-03-07T07:23:18Z)
• Learning from Heterogeneous Data Based on Social Interactions over Graphs [58.34060409467834]
  本研究では,個別のエージェントが異なる次元のストリーミング特徴を観察しながら分類問題の解決を目指す分散アーキテクチャを提案する。 私たちはそれを示します。 戦略により、エージェントはこの高度に異質な環境下で一貫して学習することができる。 私たちはそれを示します。 戦略により、エージェントはこの高度に異質な環境下で一貫して学習することができる。
  論文  参考訳（メタデータ） (2021-12-17T12:47:18Z)
• 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)
• Taking Over the Stock Market: Adversarial Perturbations Against Algorithmic Traders [47.32228513808444]
  本稿では,敵対的学習手法を用いて,攻撃者がアルゴリズム取引システムに影響を与える現実的なシナリオを提案する。 入力ストリームに追加されると、我々の摂動は将来目に見えないデータポイントのトレーディングアルゴリズムを騙すことができることを示す。
  論文  参考訳（メタデータ） (2020-10-19T06:28:05Z)
• Super-App Behavioral Patterns in Credit Risk Models: Financial, Statistical and Regulatory Implications [110.54266632357673]
  従来の官僚データとは対照的に、アプリベースのマーケットプレースから派生した代替データが信用スコアモデルに与える影響を提示する。 2つの国にまたがって検証した結果、これらの新たなデータソースは、低体重者や若年者における金融行動を予測するのに特に有用であることが示された。
  論文  参考訳（メタデータ） (2020-05-09T01:32:03Z)
• Financial Market Trend Forecasting and Performance Analysis Using LSTM [0.0]
  LSTMを用いた金融市場トレンド予測手法を提案し、実験を通して既存の金融市場トレンド予測手法を用いて性能を解析する。 本稿では,既存の金融市場トレンド予測モデルの性能と,金融市場環境に応じたパフォーマンスを実験的に比較する。
  論文  参考訳（メタデータ） (2020-03-31T01:30:36Z)
• Adversarial Attacks on Machine Learning Systems for High-Frequency Trading [55.30403936506338]
  逆機械学習の観点から,アルゴリズム取引のバリュエーションモデルについて検討する。 攻撃コストを最小限に抑えるサイズ制約で、このドメインに特有の新たな攻撃を導入する。 本稿では、金融モデルのロバスト性について研究・評価するための分析ツールとして、これらの攻撃がどのように利用できるかについて論じる。
  論文  参考訳（メタデータ） (2020-02-21T22:04:35Z)
• 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。