Fugu-MT 論文翻訳(概要): Deep Learning for Solving and Estimating Dynamic Macro-Finance Models

論文の概要: Deep Learning for Solving and Estimating Dynamic Macro-Finance Models

arxiv url: http://arxiv.org/abs/2305.09783v1
Date: Fri, 5 May 2023 14:33:16 GMT
ステータス: 処理完了
システム内更新日: 2023-05-21 10:57:16.246763
Title: Deep Learning for Solving and Estimating Dynamic Macro-Finance Models
Title（参考訳）: 動的マクロフィナンスモデルの解法と推定のための深層学習
Authors: Benjamin Fan, Edward Qiao, Anran Jiao, Zhouzhou Gu, Wenhao Li, Lu Lu
Abstract要約: 我々は、ディープラーニングを利用して、金融経済学における正準連続時間一般均衡モデルを同時に解き、推定する方法論を開発する。提案手法は,(1)企業の産業動態,(2)金融摩擦を伴うマクロ経済モデル,の2つの例で概説する。
参考スコア（独自算出の注目度）: 8.193935649258918
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: We develop a methodology that utilizes deep learning to simultaneously solve and estimate canonical continuous-time general equilibrium models in financial economics. We illustrate our method in two examples: (1) industrial dynamics of firms and (2) macroeconomic models with financial frictions. Through these applications, we illustrate the advantages of our method: generality, simultaneous solution and estimation, leveraging the state-of-art machine-learning techniques, and handling large state space. The method is versatile and can be applied to a vast variety of problems.
Abstract（参考訳）: 我々は、金融経済学における正準連続時間一般均衡モデルを同時に解き、推定するためにディープラーニングを利用する手法を開発した。提案手法は,(1)企業の産業動態,(2)金融摩擦を伴うマクロ経済モデル,の2つの例で概説する。これらの応用を通じて, 汎用性, 同時解法, 推定法, 最先端機械学習手法の活用, 大規模状態空間の処理という, この手法の利点を述べる。この方法は多用途であり、様々な問題に適用できる。

関連論文リスト

Model Merging in LLMs, MLLMs, and Beyond: Methods, Theories, Applications and Opportunities [89.40778301238642]
モデルマージは、機械学習コミュニティにおける効率的なエンパワーメント技術である。これらの手法の体系的かつ徹底的なレビューに関する文献には大きなギャップがある。
論文参考訳（メタデータ） (2024-08-14T16:58:48Z)
Applied Causal Inference Powered by ML and AI [54.88868165814996]
本書は古典的構造方程式モデル(SEM)とその現代AI等価性、有向非巡回グラフ(DAG)および構造因果モデル(SCM)のアイデアを提示する。それは、現代の予測ツールを使用して、そのようなモデルで推論を行うダブル/デバイアスド機械学習メソッドをカバーしている。
論文参考訳（メタデータ） (2024-03-04T20:28:28Z)
Recent Developments in Machine Learning Methods for Stochastic Control and Games [3.3993877661368757]
近年,制御問題やゲームを解決するため,機械学習に基づく計算手法が開発されている。我々は,高次元や構造が非常に複雑である場合においても,そのような問題を解く可能性を解き明かした深層学習手法に焦点をあてる。本稿では,これらの手法について紹介し,機械学習と制御とゲームのクロスロードにおける最先端の成果を要約する。
論文参考訳（メタデータ） (2023-03-17T21:53:07Z)
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)
Stock Embeddings: Learning Distributed Representations for Financial Assets [11.67728795230542]
本稿では,過去のリターンデータのダイナミクスを利用する,ストック埋め込みのトレーニングのためのニューラルモデルを提案する。当社のアプローチを詳細に説明し、金融分野で使用可能ないくつかの方法について論じる。
論文参考訳（メタデータ） (2022-02-14T15:39:06Z)
Adaptive learning for financial markets mixing model-based and model-free RL for volatility targeting [0.0]
モデルフリー強化学習は安定した環境において有意義な成果を上げてきたが、今日でも金融市場のような環境の変化に問題がある。モデルフリーな深層強化学習により,様々なモデルベースアプローチを選択することで,この2つの手法のベストを組み合わせることを提案する。
論文参考訳（メタデータ） (2021-04-19T19:20:22Z)
Deep Reinforcement Learning in a Monetary Model [5.7742249974375985]
動的一般均衡モデルの解法として深部強化学習を提案する。エージェントは深層ニューラルネットワークによって表現され、動的最適化問題の解法を学ぶ。適応学習(adaptive learning)とは対照的に、人工知能の家庭はすべての政策体制においてこのモデルを解決できる。
論文参考訳（メタデータ） (2021-04-19T14:56:44Z)
Individual Explanations in Machine Learning Models: A Case Study on Poverty Estimation [63.18666008322476]
機械学習の手法は、敏感な社会的文脈でますます適用されつつある。本研究の主な目的は2つある。まず、これらの課題を公開し、関連性のある新しい説明方法の使用にどのように影響するか。次に、関連するアプリケーションドメインで説明メソッドを実装する際に直面するような課題を軽減する一連の戦略を提示します。
論文参考訳（メタデータ） (2021-04-09T01:54:58Z)
Context-aware Dynamics Model for Generalization in Model-Based Reinforcement Learning [124.9856253431878]
グローバルなダイナミクスモデルを学習するタスクを,(a)ローカルなダイナミクスをキャプチャするコンテキスト潜在ベクトルを学習し,(b)次に条件付き状態を予測するという2つの段階に分割する。本研究では,コンテキスト潜在ベクトルに動的情報をエンコードするために,コンテキスト潜在ベクトルを前方と後方の両方のダイナミクスを予測するのに役立つような新しい損失関数を導入する。提案手法は,既存のRL方式と比較して,様々なシミュレーションロボットや制御タスクの一般化能力に優れる。
論文参考訳（メタデータ） (2020-05-14T08:10:54Z)
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。