Fugu-MT 論文翻訳(概要): Recurrent neural network based parameter estimation of Hawkes model on high-frequency financial data

論文の概要: Recurrent neural network based parameter estimation of Hawkes model on high-frequency financial data

arxiv url: http://arxiv.org/abs/2304.11883v1
Date: Mon, 24 Apr 2023 07:51:11 GMT
ステータス: 処理完了
システム内更新日: 2023-04-25 15:50:16.097908
Title: Recurrent neural network based parameter estimation of Hawkes model on high-frequency financial data
Title（参考訳）: 高周波金融データに基づくホークスモデルのパラメータ推定に基づくリカレントニューラルネットワーク
Authors: Kyungsub Lee
Abstract要約: 本研究では,高頻度財務データに基づくホークスモデルのパラメータ推定にリカレントニューラルネットワークを用いることを検討した。提案手法は,従来の最大推定法に比べて計算性能が大幅に向上することを示す。本手法のリアルタイムなボラティリティ測定への応用を実証し,新たな価格データが市場から来るにつれて,金融ボラティリティの連続的な評価を可能にする。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This study examines the use of a recurrent neural network for estimating the parameters of a Hawkes model based on high-frequency financial data, and subsequently, for computing volatility. Neural networks have shown promising results in various fields, and interest in finance is also growing. Our approach demonstrates significantly faster computational performance compared to traditional maximum likelihood estimation methods while yielding comparable accuracy in both simulation and empirical studies. Furthermore, we demonstrate the application of this method for real-time volatility measurement, enabling the continuous estimation of financial volatility as new price data keeps coming from the market.
Abstract（参考訳）: 本研究では,高頻度財務データに基づくホークスモデルのパラメータ推定に繰り返しニューラルネットワークを用い,その後,ボラティリティの計算を行う。ニューラルネットワークは様々な分野で有望な成果を示しており、金融への関心も高まっている。提案手法は,従来手法に比べて計算性能が大幅に向上し,シミュレーションと経験的研究で同等の精度が得られることを示した。さらに,本手法をリアルタイム変動度測定に応用し,新たな価格データが市場から流れ続ける中,金融変動度を連続的に推定できることを示す。

関連論文リスト

Futures Quantitative Investment with Heterogeneous Continual Graph Neural Network [13.882054287609021]
本研究では,グラフニューラルネットワークに基づく連続学習因子予測器を提案することにより,高周波取引(HFT)における先物価格予測の課題を解決することを目的とする。このモデルは、マルチ価格理論とリアルタイム市場ダイナミクスを統合し、既存の手法の制限を効果的に回避する。中国の先物市場における49の商品先物に関する実証実験は、提案されたモデルが予測精度で他の最先端モデルよりも優れていることを示した。
論文参考訳（メタデータ） (2023-03-29T08:39:36Z)
Volatility forecasting using Deep Learning and sentiment analysis [0.0]
本稿では、市場ボラティリティを予測するための感情分析と深層学習を融合した複合モデルを提案する。次に、過去の感情と前日の変動を利用して予測を行う合成予測モデル、Long-Short-Term-Memory Neural Network法について述べる。
論文参考訳（メタデータ） (2022-10-22T14:54:33Z)
DeepVol: Volatility Forecasting from High-Frequency Data with Dilated Causal Convolutions [53.37679435230207]
本稿では,Dilated Causal Convolutionsに基づくDeepVolモデルを提案する。実験結果から,提案手法は高頻度データからグローバルな特徴を効果的に学習できることが示唆された。
論文参考訳（メタデータ） (2022-09-23T16:13:47Z)
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)
Multi-head Temporal Attention-Augmented Bilinear Network for Financial time series prediction [77.57991021445959]
本稿では,時間的注意と多面的注意の考え方に基づいて,ニューラルネットワークの能力を拡張するニューラルネットワーク層を提案する。本手法の有効性を,大規模書籍市場データを用いて検証した。
論文参考訳（メタデータ） (2022-01-14T14:02:19Z)
Bilinear Input Normalization for Neural Networks in Financial Forecasting [101.89872650510074]
本稿では,高頻度金融時系列を扱うディープニューラルネットワークのための新しいデータ駆動正規化手法を提案する。提案手法は,財務時系列のバイモーダル特性を考慮したものである。我々の実験は最先端のニューラルネットワークと高周波データを用いて行われ、他の正規化技術よりも大幅に改善された。
論文参考訳（メタデータ） (2021-09-01T07:52:03Z)
Low-Rank Temporal Attention-Augmented Bilinear Network for financial time-series forecasting [93.73198973454944]
ディープラーニングモデルは、金融時系列データの予測問題など、さまざまな領域から来る多くの問題において、大幅なパフォーマンス改善をもたらしている。近年,制限順序書の時系列予測の効率的かつ高性能なモデルとして,時間的注意強化バイリニアネットワークが提案されている。本稿では,モデルの低ランクテンソル近似を提案し,トレーニング可能なパラメータの数をさらに削減し,その速度を向上する。
論文参考訳（メタデータ） (2021-07-05T10:15:23Z)
Quantifying Uncertainty in Deep Spatiotemporal Forecasting [67.77102283276409]
本稿では,正規格子法とグラフ法という2種類の予測問題について述べる。我々はベイジアンおよび頻繁な視点からUQ法を解析し、統計的決定理論を通じて統一的な枠組みを提示する。実際の道路ネットワークのトラフィック、疫病、空気質予測タスクに関する広範な実験を通じて、異なるUQ手法の統計計算トレードオフを明らかにする。
論文参考訳（メタデータ） (2021-05-25T14:35:46Z)
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)
A Stochastic Time Series Model for Predicting Financial Trends using NLP [4.081440927534578]
近年のディープニューラルネットワーク技術の進歩により、研究者は金融トレンドを予測するための高精度なモデルを開発することができる。本稿では,ST-GAN (Time-Series Generative Adversarial Network) と呼ばれる新しいディープラーニングモデルを提案する。我々は、GAN(Generative Adversarial Network)のような最先端技術を用いて、テキストデータと数値データの相関関係を時間とともに学習する。
論文参考訳（メタデータ） (2021-02-02T04:03:01Z)

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。