論文の概要: A Hybrid Approach on Conditional GAN for Portfolio Analysis
- arxiv url: http://arxiv.org/abs/2208.07159v1
- Date: Wed, 13 Jul 2022 00:58:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-05 06:41:37.830350
- Title: A Hybrid Approach on Conditional GAN for Portfolio Analysis
- Title(参考訳): ポートフォリオ解析のための条件付きGANのハイブリッドアプローチ
- Authors: Jun Lu, Danny Ding
- Abstract要約: 市場不確実性や今後のトレンドをモデル化しながら、歴史的データの内部トレンドを学習する深層生成モデルに基づく条件付きGANのハイブリッドアプローチを提案する。
提案したHybridCGANモデルとHybridACGANモデルは,既存のMarkowitz,CGAN,ACGANアプローチと比較して,ポートフォリオ割り当てが優れていることを示す。
- 参考スコア(独自算出の注目度): 4.913248451323163
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Over the decades, the Markowitz framework has been used extensively in
portfolio analysis though it puts too much emphasis on the analysis of the
market uncertainty rather than on the trend prediction. While generative
adversarial network (GAN), conditional GAN (CGAN), and autoencoding CGAN
(ACGAN) have been explored to generate financial time series and extract
features that can help portfolio analysis. The limitation of the CGAN or ACGAN
framework stands in putting too much emphasis on generating series and finding
the internal trends of the series rather than predicting the future trends. In
this paper, we introduce a hybrid approach on conditional GAN based on deep
generative models that learns the internal trend of historical data while
modeling market uncertainty and future trends. We evaluate the model on several
real-world datasets from both the US and Europe markets, and show that the
proposed HybridCGAN and HybridACGAN models lead to better portfolio allocation
compared to the existing Markowitz, CGAN, and ACGAN approaches.
- Abstract(参考訳): 数十年にわたって、markowitzフレームワークはポートフォリオ分析で広く使われてきたが、トレンド予測よりも市場の不確実性の分析に重点を置いている。
ジェネレーティブ・逆境ネットワーク(GAN)、条件付きGAN(CGAN)、自動符号化CGAN(ACGAN)は、金融時系列を生成し、ポートフォリオ分析に役立つ特徴を抽出するために研究されている。
CGAN や ACGAN フレームワークの制限は、将来のトレンドを予測するのではなく、シリーズの生成とシリーズの内部トレンドを見つけることに重点を置いている。
本稿では,市場不確実性と今後の傾向をモデル化しながら,歴史データの内部傾向を学習する深層生成モデルに基づく条件付きganのハイブリッドアプローチを提案する。
提案したHybridCGANモデルとHybridACGANモデルが,既存のMarkowitz,CGAN,ACGANアプローチと比較してポートフォリオアロケーションを改善することを示す。
関連論文リスト
- Deep Generative Modeling for Financial Time Series with Application in
VaR: A Comparative Review [22.52651841623703]
ヒストリカル・シミュレーション(HS)は、翌日にリスクファクターの予測分布が戻ると、ヒストリカル・ウィンドウにおける日々のリターンの実証的な分布を利用する。
HS, GARCH および CWGAN モデルは, 歴史的USD 収率曲線データと GARCH および CIR プロセスからシミュレーションした追加データの両方で試験される。
研究によると、トップパフォーマンスモデルはHS、GARCH、CWGANモデルである。
論文 参考訳(メタデータ) (2024-01-18T20:35:32Z) - Joint Latent Topic Discovery and Expectation Modeling for Financial
Markets [45.758436505779386]
金融市場分析のための画期的な枠組みを提示する。
このアプローチは、投資家の期待を共同でモデル化し、潜伏する株価関係を自動的に掘り下げる最初の方法だ。
私たちのモデルは年率10%を超えるリターンを継続的に達成します。
論文 参考訳(メタデータ) (2023-06-01T01:36:51Z) - Autoencoding Conditional GAN for Portfolio Allocation Diversification [4.913248451323163]
本稿では,歴史的データの内部傾向を学習する深層生成モデルに基づく自動符号化CGAN(ACGAN)を提案する。
本モデルは,米国と欧州の両市場における実世界のデータセットを用いて評価した。
論文 参考訳(メタデータ) (2022-06-17T04:15:41Z) - 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) - Forex Trading Volatility Prediction using Neural Network Models [6.09960572440709]
本研究では,日々のボラティリティに関する経験的パターンのガイダンスを用いて,ディープラーニングネットワークの構築方法について述べる。
数値計算の結果,多値ペアの入力によるマルチスケール長短期メモリ(LSTM)モデルが常に最先端の精度を実現していることがわかった。
論文 参考訳(メタデータ) (2021-12-02T12:33:12Z) - Scenario generation for market risk models using generative neural
networks [0.0]
本稿では,GAN(Generative Adversarial Network)を内部市場リスクモデルに拡張する方法について述べる。
GANをベースとした内部モデルの結果が,欧州の規制当局が承認した内部モデルと類似していることが実証された。
論文 参考訳(メタデータ) (2021-09-21T10:22:29Z) - Estimating Fund-Raising Performance for Start-up Projects from a Market
Graph Perspective [58.353799280109904]
市場環境を利用して未公開プロジェクトの資金調達実績を予測するためのグラフベースの市場環境(GME)モデルを提案する。
具体的には、市場環境を利用して未公開プロジェクトの資金調達実績を予測するグラフベースの市場環境(GME)モデルを提案する。
論文 参考訳(メタデータ) (2021-05-27T02:39:30Z) - Hybrid Modelling Approaches for Forecasting Energy Spot Prices in EPEC
market [62.997667081978825]
EPEC市場におけるエネルギースポット価格予測のためのハイブリッドモデリング手法について検討する。
データは2013-2014年の電力価格、2015年のテストデータで提供された。
論文 参考訳(メタデータ) (2020-10-14T12:45:53Z) - Stock2Vec: A Hybrid Deep Learning Framework for Stock Market Prediction
with Representation Learning and Temporal Convolutional Network [71.25144476293507]
我々は、株式市場の日々の価格を予測するためのグローバルなハイブリッドディープラーニングフレームワークを開発することを提案した。
表現学習によって、私たちはStock2Vecという埋め込みを導きました。
我々のハイブリッドフレームワークは、両方の利点を統合し、いくつかの人気のあるベンチマークモデルよりも、株価予測タスクにおいてより良いパフォーマンスを達成する。
論文 参考訳(メタデータ) (2020-09-29T22:54:30Z) - 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。