論文の概要: Discriminating modelling approaches for Point in Time Economic Scenario
Generation
- arxiv url: http://arxiv.org/abs/2108.08818v1
- Date: Thu, 19 Aug 2021 17:36:53 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-20 14:13:29.677101
- Title: Discriminating modelling approaches for Point in Time Economic Scenario
Generation
- Title(参考訳): 時間経済シナリオ生成におけるポイントの識別モデルアプローチ
- Authors: Rui Wang
- Abstract要約: 時間経済シナリオ生成におけるポイントの概念(PiT ESG)を紹介する。
PiT ESGは、長期にわたる歴史的データのみを調整した従来のESGよりも、突然の経済変化に対する迅速かつ柔軟な反応を提供するべきである。
我々は,非パラメトリックフィルタ履歴シミュレーション,GARCHモデルと関節推定(パラメトリック),制限ボルツマンマシン,条件付き変分オートエンコーダ(ジェネレータネットワーク)を比較し,PiT ESGとして適合性を検討した。
- 参考スコア(独自算出の注目度): 5.733401663293044
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce the notion of Point in Time Economic Scenario Generation (PiT
ESG) with a clear mathematical problem formulation to unify and compare
economic scenario generation approaches conditional on forward looking market
data. Such PiT ESGs should provide quicker and more flexible reactions to
sudden economic changes than traditional ESGs calibrated solely to long periods
of historical data. We specifically take as economic variable the S&P500 Index
with the VIX Index as forward looking market data to compare the nonparametric
filtered historical simulation, GARCH model with joint likelihood estimation
(parametric), Restricted Boltzmann Machine and the conditional Variational
Autoencoder (Generative Networks) for their suitability as PiT ESG. Our
evaluation consists of statistical tests for model fit and benchmarking the out
of sample forecasting quality with a strategy backtest using model output as
stop loss criterion. We find that both Generative Networks outperform the
nonparametric and classic parametric model in our tests, but that the CVAE
seems to be particularly well suited for our purposes: yielding more robust
performance and being computationally lighter.
- Abstract(参考訳): 本稿では,先見市場データに条件付き経済シナリオ生成手法を統一・比較するために,明確な数学的問題定式化を伴う時間経済シナリオ生成(PiT ESG)の概念を導入する。
このようなPiT ESGは、長期にわたる歴史的データのみを調整した従来のESGよりも、急激な経済変化に対する迅速かつ柔軟な反応を提供するべきである。
具体的には、S&P500指数とVIX指数を前向き市場データとして捉え、非パラメトリックフィルタ履歴シミュレーション、GARCHモデルと共同推定(パラメトリック)、制限ボルツマンマシン、条件付き変分オートエンコーダ(ジェネレータネットワーク)をPiT ESGとして適合させる。
本評価は,モデル適合性に関する統計的テストと,モデル出力を停止損失基準として用いる戦略バックテストを用いたサンプル予測品質のベンチマークからなる。
生成ネットワークは、我々のテストで非パラメトリックおよび古典的パラメトリックモデルよりも優れているが、CVAEは我々の目的に特に適しているようだ。
関連論文リスト
- QualEval: Qualitative Evaluation for Model Improvement [86.29905469151566]
モデル改善のための手段として,自動定性評価による定量的スカラー指標を付加するQualEvalを提案する。
QualEvalは強力なLCM推論器と新しいフレキシブルリニアプログラミングソルバを使用して、人間の読みやすい洞察を生成する。
例えば、その洞察を活用することで、Llama 2モデルの絶対性能が最大15%向上することを示す。
論文 参考訳(メタデータ) (2023-11-06T00:21:44Z) - GREAT Score: Global Robustness Evaluation of Adversarial Perturbation
using Generative Models [74.43215520371506]
GREATスコア(GREAT Score)と呼ばれる新しいフレームワークを提案する。
我々は,ロバストベンチにおける攻撃ベースモデルと比較し,高い相関性を示し,GREATスコアのコストを大幅に削減した。
GREAT Scoreは、プライバシーに敏感なブラックボックスモデルのリモート監査に使用することができる。
論文 参考訳(メタデータ) (2023-04-19T14:58:27Z) - Hedging option books using neural-SDE market models [6.319314191226118]
ニューラル-SDE市場モデルはブラック-スコルズデルタとデルタ-ベガヘッジよりも時間とともに低いヘッジ誤差が得られることを示す。
さらに、市場モデルを用いたヘッジは、ヘッジとヘッジのヘッジに類似したパフォーマンスをもたらす一方、前者はストレスのある市場期間に頑丈になる傾向にある。
論文 参考訳(メタデータ) (2022-05-31T17:48:18Z) - Predictive Accuracy of a Hybrid Generalized Long Memory Model for Short
Term Electricity Price Forecasting [0.0]
本研究では、一般化長メモリ自己回帰モデル(k-factor GARMA)に基づく新しいハイブリッドモデルの予測性能について検討する。
提案モデルの性能を北プール電力市場のデータを用いて評価した。
論文 参考訳(メタデータ) (2022-04-18T12:21:25Z) - Estimating risks of option books using neural-SDE market models [6.319314191226118]
我々は、仲裁自由なニューラル-SDE市場モデルを用いて、単一基盤上の複数のヨーロッパオプションのジョイントダイナミクスの現実的なシナリオを生成する。
提案モデルでは,オプションポートフォリオのバリュー・アット・リスク(VaR)を評価する上で,計算効率が高く,精度も高く,カバー性能も向上し,従来のフィルタによるシミュレーション手法よりもプロサイクル性も低いことを示す。
論文 参考訳(メタデータ) (2022-02-15T02:39:42Z) - Test-time Batch Statistics Calibration for Covariate Shift [66.7044675981449]
我々は,推論中に深層モデルを新しい環境に適応させることを提案する。
バッチ統計の校正に$alpha$-BNの一般的な定式化を提案する。
また、統合テスト時間適応フレームワークCoreを形成するための新しい損失関数も提示する。
論文 参考訳(メタデータ) (2021-10-06T08:45:03Z) - Back2Future: Leveraging Backfill Dynamics for Improving Real-time
Predictions in Future [73.03458424369657]
公衆衛生におけるリアルタイム予測では、データ収集は簡単で要求の多いタスクである。
過去の文献では「バックフィル」現象とそのモデル性能への影響についてはほとんど研究されていない。
我々は、与えられたモデルの予測をリアルタイムで洗練することを目的とした、新しい問題とニューラルネットワークフレームワークBack2Futureを定式化する。
論文 参考訳(メタデータ) (2021-06-08T14:48:20Z) - Comparing Test Sets with Item Response Theory [53.755064720563]
我々は,18の事前学習トランスフォーマーモデルから予測した29のデータセットを個別のテスト例で評価した。
Quoref、HellaSwag、MC-TACOは最先端のモデルを区別するのに最適である。
また、QAMRやSQuAD2.0のようなQAデータセットに使用されるスパン選択タスク形式は、強いモデルと弱いモデルとの差別化に有効である。
論文 参考訳(メタデータ) (2021-06-01T22:33:53Z) - Anomaly Detection of Time Series with Smoothness-Inducing Sequential
Variational Auto-Encoder [59.69303945834122]
Smoothness-Inducing Sequential Variational Auto-Encoder (SISVAE) モデルを提案する。
我々のモデルは、フレキシブルニューラルネットワークを用いて各タイムスタンプの平均と分散をパラメータ化する。
合成データセットと公開実世界のベンチマークの両方において,本モデルの有効性を示す。
論文 参考訳(メタデータ) (2021-02-02T06:15:15Z) - Recurrent Conditional Heteroskedasticity [0.0]
本稿では,Recurrent Conditional Heteroskedastic(RECH)モデルと呼ばれる新たな金融変動モデルを提案する。
特に、リカレントニューラルネットワークが支配する補助的決定過程を、従来の条件付きヘテロスケダスティックモデルの条件分散に組み込む。
論文 参考訳(メタデータ) (2020-10-25T08:09:29Z) - A Novel Twitter Sentiment Analysis Model with Baseline Correlation for
Financial Market Prediction with Improved Efficiency [12.060423458650765]
将来の株価FTSE100のリアルタイム予測のために,Twitterの感情スコア(TSS)に基づく新たな感情分析モデルを提案する。
提案したTSSモデルでは,新しいベースライン相関手法が特徴的であり,精度の高い予測精度を示す。
得られたTSSは、将来の株式市場のトレンドを、67.22%の精度で15時間(30労働時間)で予測する。
論文 参考訳(メタデータ) (2020-03-18T10:33:23Z)
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。