Fugu-MT 論文翻訳(概要): Generative Ornstein-Uhlenbeck Markets via Geometric Deep Learning

論文の概要: Generative Ornstein-Uhlenbeck Markets via Geometric Deep Learning

arxiv url: http://arxiv.org/abs/2302.09176v1
Date: Fri, 17 Feb 2023 23:02:03 GMT
ステータス: 処理完了
システム内更新日: 2023-02-21 20:09:08.395264
Title: Generative Ornstein-Uhlenbeck Markets via Geometric Deep Learning
Title（参考訳）: 幾何学的深層学習によるOrnstein-Uhlenbeck市場の生成
Authors: Anastasis Kratsios and Cody Hyndman
Abstract要約: 市場価格の条件分布とログの返却を1つの機械学習モデルで同時に近似する問題を考察する。クラッシオスとパポン(2022)のGDNモデルの例は、市場の「クリッピング」ログの返却を前提とせずに、この問題を解決する。
参考スコア（独自算出の注目度）: 4.18804572788063
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: We consider the problem of simultaneously approximating the conditional distribution of market prices and their log returns with a single machine learning model. We show that an instance of the GDN model of Kratsios and Papon (2022) solves this problem without having prior assumptions on the market's "clipped" log returns, other than that they follow a generalized Ornstein-Uhlenbeck process with a priori unknown dynamics. We provide universal approximation guarantees for these conditional distributions and contingent claims with a Lipschitz payoff function.
Abstract（参考訳）: 本稿では,市場価格の条件分布とログリターンを1つの機械学習モデルで同時に近似する問題を考える。クラツィオとパポンのgdnモデルの例(2022年)は、事前の未知ダイナミクスを持つ一般化ornstein-uhlenbeckプロセスに従うこと以外は、市場の"傾いた"ログリターンに事前の仮定を持たずにこの問題を解決していることを示している。条件分布と随伴クレームに対する普遍近似保証をリプシッツペイオフ関数で提供する。

関連論文リスト

Universal generalization guarantees for Wasserstein distributionally robust models [10.036727981085223]
本稿では,非滑らかな解析理論と古典的な集中結果を組み合わせた新しい証明手法を提案する。我々のアプローチは、(二重)正則化を含む分布的に頑健な問題を最近のワッサーシュタイン/シンクホーンに拡張するのに十分である。
論文参考訳（メタデータ） (2024-02-19T09:27:47Z)
Differentially Private Statistical Inference through $\beta$-Divergence One Posterior Sampling [2.8544822698499255]
本稿では,モデルとデータ生成プロセス間の$beta$-divergenceの最小化を目標とした,一般化後部からの後部サンプリング手法を提案する。これにより、基礎となるモデルの変更を必要とせずに、一般的に適用可能なプライベートな推定が可能になる。我々は、$beta$D-Bayesが同一のプライバシー保証に対してより正確な推測を行うことを示す。
論文参考訳（メタデータ） (2023-07-11T12:00:15Z)
Locking and Quacking: Stacking Bayesian model predictions by log-pooling and superposition [0.5735035463793007]
異なるモデルから予測を合成するための2つの新しいツールを提案する。これらはモデル積み重ねの一般化であるが、対数線形プールと量子重ね合わせによって後続密度を結合する。モデル重みを正規化の負担を回避しつつ最適化するため, 混合後予測のハイバリネンスコアについて検討した。
論文参考訳（メタデータ） (2023-05-12T09:26:26Z)
A Robustness Analysis of Blind Source Separation [91.3755431537592]
ブラインドソース分離(BSS)は、変換$f$が可逆であるが未知であるという条件の下で、その混合である$X=f(S)$から観測されていない信号を復元することを目的としている。このような違反を分析し、その影響を$X$から$S$のブラインドリカバリに与える影響を定量化するための一般的なフレームワークを提案する。定義された構造的仮定からの偏差に対する一般的なBSS溶出は、明示的な連続性保証という形で、利益的に分析可能であることを示す。
論文参考訳（メタデータ） (2023-03-17T16:30:51Z)
Nonparametric extensions of randomized response for private confidence sets [51.75485869914048]
本研究は,局所的差分プライバシー(LDP)の制約の下で,集団平均の非パラメトリック,非漸近的統計的推測を行う手法を導出する。民営化データへのアクセスのみを与えられた場合、$mustar$に対して信頼区間(CI)と時間一様信頼シーケンス(CS)を提示する。
論文参考訳（メタデータ） (2022-02-17T16:04:49Z)
Average-case Speedup for Product Formulas [69.68937033275746]
製品公式(英: Product formulas)またはトロッター化(英: Trotterization)は、量子系をシミュレートする最も古い方法であり、いまだに魅力的な方法である。我々は、ほとんどの入力状態に対して、トロッター誤差が定性的に優れたスケーリングを示すことを証明した。我々の結果は、平均的なケースにおける量子アルゴリズムの研究の扉を開く。
論文参考訳（メタデータ） (2021-11-09T18:49:48Z)
Anti-Concentrated Confidence Bonuses for Scalable Exploration [57.91943847134011]
固有の報酬は、探検と探検のトレードオフを扱う上で中心的な役割を果たす。楕円ボーナスを効率的に近似するためのエンファンティ集中型信頼境界を導入する。我々は,Atariベンチマーク上での現代固有の報酬と競合する,深層強化学習のための実用的な変種を開発する。
論文参考訳（メタデータ） (2021-10-21T15:25:15Z)
Reinforcement Learning in Reward-Mixing MDPs [74.41782017817808]
報酬混合マルコフ決定過程(MDP)におけるエピソード強化学習 cdot S2 A2)$ episodes, where$H$ is time-horizon and $S, A$ are the number of state and actions。 epsilon$-optimal policy after $tildeO(poly(H,epsilon-1) cdot S2 A2)$ episodes, $H$ is time-horizon and $S, A$ are the number of state and actions。
論文参考訳（メタデータ） (2021-10-07T18:55:49Z)
Competition analysis on the over-the-counter credit default swap market [0.0]
両立関係の競合は, 相互の要求により検討する。初期マージン要件をうまく見積もるモデルを提案する。第2に、新しい半教師付き予測タスクを用いて、インターディーラー市場での選択肢をモデル化する。
論文参考訳（メタデータ） (2020-12-03T13:02:53Z)
The Generalized Lasso with Nonlinear Observations and Generative Priors [63.541900026673055]
我々は、幅広い測定モデルで満たされるガウス下測度を仮定する。この結果から, 局所埋込特性を仮定して, 均一回復保証まで拡張できることが示唆された。
論文参考訳（メタデータ） (2020-06-22T16:43:35Z)

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。