論文の概要: Non-parametric online market regime detection and regime clustering for
multidimensional and path-dependent data structures
- arxiv url: http://arxiv.org/abs/2306.15835v1
- Date: Tue, 27 Jun 2023 23:43:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-29 16:26:52.237500
- Title: Non-parametric online market regime detection and regime clustering for
multidimensional and path-dependent data structures
- Title（参考訳）: 多次元および経路依存データ構造のための非パラメトリックオンラインマーケットレジーム検出とレジームクラスタリング
- Authors: Zacharia Issa, Blanka Horvath
- Abstract要約: 多次元データ構造に対する非パラメトリックオンライン市場構造検出手法を提案する。
また、従来の作業を拡張したレシエーションクラスタリングのパスワイド手法を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this work we present a non-parametric online market regime detection
method for multidimensional data structures using a path-wise two-sample test
derived from a maximum mean discrepancy-based similarity metric on path space
that uses rough path signatures as a feature map. The latter similarity metric
has been developed and applied as a discriminator in recent generative models
for small data environments, and has been optimised here to the setting where
the size of new incoming data is particularly small, for faster reactivity.
On the same principles, we also present a path-wise method for regime
clustering which extends our previous work. The presented regime clustering
techniques were designed as ex-ante market analysis tools that can identify
periods of approximatively similar market activity, but the new results also
apply to path-wise, high dimensional-, and to non-Markovian settings as well as
to data structures that exhibit autocorrelation.
We demonstrate our clustering tools on easily verifiable synthetic datasets
of increasing complexity, and also show how the outlined regime detection
techniques can be used as fast on-line automatic regime change detectors or as
outlier detection tools, including a fully automated pipeline. Finally, we
apply the fine-tuned algorithms to real-world historical data including
high-dimensional baskets of equities and the recent price evolution of crypto
assets, and we show that our methodology swiftly and accurately indicated
historical periods of market turmoil.
- Abstract（参考訳）: 本稿では,粗いパスシグネチャを特徴マップとして用いたパス空間上の最大平均偏差に基づく類似度メトリクスから導出したパスワイズ2サンプルテストを用いて,多次元データ構造に対する非パラメトリックオンライン市場レジーム検出手法を提案する。
後者の類似度メトリックは、最近の小さなデータ環境のための生成モデルにおいて、識別器として開発され、適用され、より高速な反応性のために、新しいデータのサイズが特に小さい設定に最適化されている。
同じ原理で、我々は以前の作業を拡張したレシエーションクラスタリングのパスワイドな方法も提示する。
提案手法は, 近似的に類似した市場活動の期間を識別できる元市場分析ツールとして設計されたが, 新たな結果は, パスワイド, 高次元, 非マルコフ設定, および自己相関を示すデータ構造にも適用できる。
複雑性の増加を検証し易い合成データセット上でクラスタリングツールを実演し、また、網羅された状態検出技術がオンライン上での高速自動状態変化検出や、完全自動パイプラインを含む異常検出ツールとしてどのように使用できるかを示した。
最後に、高次元の株式バスケットや最近の暗号資産の価格変動を含む実世界の歴史的データに微調整アルゴリズムを適用し、我々の手法が市場混乱の期間を迅速かつ正確に示すことを示す。
関連論文リスト
- RPS: A Generic Reservoir Patterns Sampler [1.09784964592609]
本稿では,ストリーミングバッチデータからの直接パターンサンプリングを容易にするために,重み付き貯水池を利用する手法を提案する。
本稿では、時間的バイアスに対処し、逐次的、重み付け、および非重み付けを含む様々なパターンタイプを処理できる汎用アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-10-31T16:25:21Z) - Minimally Supervised Learning using Topological Projections in
Self-Organizing Maps [55.31182147885694]
自己組織化マップ(SOM)におけるトポロジカルプロジェクションに基づく半教師付き学習手法を提案する。
提案手法は,まずラベル付きデータ上でSOMを訓練し,最小限のラベル付きデータポイントをキーベストマッチングユニット(BMU)に割り当てる。
提案した最小教師付きモデルが従来の回帰手法を大幅に上回ることを示す。
論文 参考訳（メタデータ） (2024-01-12T22:51:48Z) - OutRank: Speeding up AutoML-based Model Search for Large Sparse Data
sets with Cardinality-aware Feature Ranking [0.0]
特徴量ランキングとデータ品質関連異常検出のためのシステムであるOutRankを紹介する。
提案したアプローチでは,AutoMLのみのアプローチに比べて最大300%大きな機能空間の探索が可能になる。
論文 参考訳（メタデータ） (2023-09-04T12:07:20Z) - Large-scale Fully-Unsupervised Re-Identification [78.47108158030213]
大規模未ラベルデータから学ぶための2つの戦略を提案する。
第1の戦略は、近傍関係に違反することなく、それぞれのデータセットサイズを減らすために、局所的な近傍サンプリングを行う。
第2の戦略は、低時間上限の複雑さを持ち、メモリの複雑さを O(n2) から O(kn) に k n で還元する新しい再帰的手法を利用する。
論文 参考訳（メタデータ） (2023-07-26T16:19:19Z) - Data-driven abstractions via adaptive refinements and a Kantorovich
metric [extended version] [56.94699829208978]
本稿では,動的システムのスマートでスケーラブルな抽象化のための適応的洗練手順を提案する。
最適構造を学ぶために、マルコフ連鎖の間のカントロビッチに着想を得た計量を定義する。
本稿では,従来の線形プログラミング手法よりも計算量が多くなることを示す。
論文 参考訳（メタデータ） (2023-03-30T11:26:40Z) - Dimensionality Reduction using Elastic Measures [0.6445605125467572]
本稿では t-distributed Neighbor Embedding (t-SNE) と Uniform Approximation and Projection (UMAP) に弾性メトリクスを組み込む方法を提案する。
形状識別および分類タスクに関する3つのベンチマークデータセットの性能向上を示す。
論文 参考訳（メタデータ） (2022-09-07T21:09:38Z) - Toward Learning Robust and Invariant Representations with Alignment
Regularization and Data Augmentation [76.85274970052762]
本論文はアライメント正則化の選択肢の増大を動機としている。
我々は、ロバスト性および不変性の次元に沿って、いくつかの人気のある設計選択のパフォーマンスを評価する。
我々はまた、現実的と考える仮定の下で経験的な研究を補完するために、アライメント正則化の挙動を正式に分析する。
論文 参考訳（メタデータ） (2022-06-04T04:29:19Z) - PERCEPT: a new online change-point detection method using topological
data analysis [10.49648038337544]
トポロジカルデータ分析(TDA)は、データセットから埋め込みトポロジカル構造を抽出する一連のデータ解析ツールを提供する。
そこで我々は,PERCEPT (Persistence diagram-based ChangE-PoinT Detection) と呼ばれる新しい手法を提案する。
論文 参考訳（メタデータ） (2022-03-08T18:05:52Z) - Adaptive Weighting Scheme for Automatic Time-Series Data Augmentation [79.47771259100674]
データ拡張のための2つのサンプル適応自動重み付けスキームを提案する。
提案手法を大規模でノイズの多い財務データセットとUCRアーカイブからの時系列データセット上で検証する。
金融データセットでは、取引戦略と組み合わせた手法が50 $%$以上の年間収益の改善につながることを示し、時系列データでは、データセットの半分以上で最新モデルを上回るパフォーマンスを発揮し、他のものと同様の精度を達成しています。
論文 参考訳（メタデータ） (2021-02-16T17:50:51Z) - Tracking Performance of Online Stochastic Learners [57.14673504239551]
オンラインアルゴリズムは、大規模なバッチにデータを保存したり処理したりすることなく、リアルタイムで更新を計算できるため、大規模な学習環境で人気がある。
一定のステップサイズを使用すると、これらのアルゴリズムはデータやモデル特性などの問題パラメータのドリフトに適応し、適切な精度で最適解を追跡する能力を持つ。
定常仮定に基づく定常状態性能とランダムウォークモデルによるオンライン学習者の追跡性能の関連性を確立する。
論文 参考訳（メタデータ） (2020-04-04T14:16:27Z) - Learning Flat Latent Manifolds with VAEs [16.725880610265378]
本稿では、ユークリッド計量がデータポイント間の類似性のプロキシとなる変分自動エンコーダのフレームワークの拡張を提案する。
我々は、変分オートエンコーダで一般的に使用されるコンパクトな以前のものを、最近発表されたより表現力のある階層型に置き換える。
提案手法は,ビデオ追跡ベンチマークを含む,さまざまなデータセットを用いて評価する。
論文 参考訳（メタデータ） (2020-02-12T09:54:52Z)
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。