Fugu-MT 論文翻訳(概要): Neural networks can detect model-free static arbitrage strategies

論文の概要: Neural networks can detect model-free static arbitrage strategies

arxiv url: http://arxiv.org/abs/2306.16422v1
Date: Mon, 19 Jun 2023 17:42:40 GMT
ステータス: 処理完了
システム内更新日: 2023-07-02 13:05:49.084565
Title: Neural networks can detect model-free static arbitrage strategies
Title（参考訳）: ニューラルネットワークはモデルなし静的仲裁戦略を検出できる
Authors: Ariel Neufeld, Julian Sester
Abstract要約: 市場が一部を認めると、ニューラルネットワークがモデルのない静的仲裁の機会を検出できることが示される。本手法は取引証券数の多い金融市場に適用でき、対応する取引戦略のほぼ即時実行が保証される。
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 paper we demonstrate both theoretically as well as numerically that neural networks can detect model-free static arbitrage opportunities whenever the market admits some. Due to the use of neural networks, our method can be applied to financial markets with a high number of traded securities and ensures almost immediate execution of the corresponding trading strategies. To demonstrate its tractability, effectiveness, and robustness we provide examples using real financial data. From a technical point of view, we prove that a single neural network can approximately solve a class of convex semi-infinite programs, which is the key result in order to derive our theoretical results that neural networks can detect model-free static arbitrage strategies whenever the financial market admits such opportunities.
Abstract（参考訳）: 本稿では,モデルのない静的仲裁の機会をニューラルネットワークが検出できることを理論的にも数値的にも示す。ニューラルネットワークを利用することにより、取引証券の多い金融市場にこの手法を適用することができ、対応する取引戦略のほぼ即時実行が保証される。トラクタビリティ,有効性,堅牢性を実証するために,実際の財務データを用いて実例を示す。技術的観点からは、単一ニューラルネットワークが半無限の凸プログラムのクラスを大まかに解決できることが証明され、金融市場がそのような機会を認めると、ニューラルネットワークがモデルフリーな静的仲裁戦略を検出できるという理論的な結果を得るための鍵となる結果である。

関連論文リスト

Conditional Forecasting of Margin Calls using Dynamic Graph Neural Networks [0.0]
本稿では,時間的金融ネットワークにおける予測問題に先立って,条件付き$m$-stepを解くための新しい動的グラフニューラルネットワークアーキテクチャを提案する。我々の研究は、ネットワークのダイナミクスをストレステストの実践にうまく組み込むことで、規制当局や政策立案者にシステム的リスク監視の重要なツールを提供することを実証している。
論文参考訳（メタデータ） (2024-10-30T17:55:41Z)
Cryptocurrency Portfolio Optimization by Neural Networks [81.20955733184398]
本稿では,これらの投資商品を活用するために,ニューラルネットワークに基づく効果的なアルゴリズムを提案する。シャープ比を最大化するために、各アセットの割り当て重量を時間間隔で出力するディープニューラルネットワークを訓練する。ネットワークの特定の資産に対するバイアスを規制する新たな損失項を提案し,最小分散戦略に近い割り当て戦略をネットワークに学習させる。
論文参考訳（メタデータ） (2023-10-02T12:33:28Z)
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)
Detecting data-driven robust statistical arbitrage strategies with deep neural networks [5.812554622073437]
我々は、金融市場における堅牢な統計的仲裁戦略の特定を可能にする、ディープニューラルネットワークに基づくアプローチを提案する。提示された新しい手法は、大量の基礎証券を同時に検討することができる。本研究では、観測された市場データから導出可能な許容確率尺度のあいまい性セットを構築する方法を提案する。
論文参考訳（メタデータ） (2022-03-07T07:23:18Z)
Robustness Certificates for Implicit Neural Networks: A Mixed Monotone Contractive Approach [60.67748036747221]
暗黙のニューラルネットワークは、競合性能とメモリ消費の削減を提供する。入力逆流の摂動に関して、それらは不安定なままである。本稿では,暗黙的ニューラルネットワークのロバスト性検証のための理論的および計算的枠組みを提案する。
論文参考訳（メタデータ） (2021-12-10T03:08:55Z)
An Interpretable Neural Network for Parameter Inference [0.0]
本稿では,回帰モデルのパラメータに対する局所的な後部分布を推定できる生成型ニューラルネットワークアーキテクチャを提案する。パラメータは入力の観点から予測を完全に説明し、複雑な異種効果や特徴依存の存在下での可視化、解釈、推論を可能にする。提案されたニューラルネットワークは、パラメータ推論が重要な役割を果たす経済や金融の応用に特に適している。
論文参考訳（メタデータ） (2021-06-10T06:56:01Z)
Interpretability in deep learning for finance: a case study for the Heston model [0.0]
本稿では,最近深層学習アルゴリズムが取り組んだボラティリティモデルのキャリブレーションプロセスに注目する。協調ゲーム理論から生じるローカル戦略とグローバル戦略の能力を調べ、訓練されたニューラルネットワークを説明します。完全連結ニューラルネットワークは、ヘストンモデルの価格を関係パラメータに予測し解釈する上で、畳み込みニューラルネットワークよりも優れた性能を持つことがわかった。
論文参考訳（メタデータ） (2021-04-19T17:37:17Z)
A deep learning approach to data-driven model-free pricing and to martingale optimal transport [0.0]
ニューラルネットワークに基づく新規かつ高トラクタブルな教師付き学習手法を紹介します。マルチンゲール最適輸送問題を解決するためにニューラルネットワークを訓練する方法を示す。
論文参考訳（メタデータ） (2021-03-21T16:39:27Z)
Explainable Adversarial Attacks in Deep Neural Networks Using Activation Profiles [69.9674326582747]
本稿では,敵対的事例に基づくニューラルネットワークモデルを検討するためのビジュアルフレームワークを提案する。これらの要素を観察することで、モデル内の悪用領域を素早く特定できることを示す。
論文参考訳（メタデータ） (2021-03-18T13:04:21Z)
Provably Training Neural Network Classifiers under Fairness Constraints [70.64045590577318]
過パラメータのニューラルネットワークが制約を満たしていることを示す。公平なニューラルネットワーク分類器を構築する上で重要な要素は、ニューラルネットワークの非応答解析を確立することである。
論文参考訳（メタデータ） (2020-12-30T18:46:50Z)
Adversarial Attacks on Machine Learning Systems for High-Frequency Trading [55.30403936506338]
逆機械学習の観点から,アルゴリズム取引のバリュエーションモデルについて検討する。攻撃コストを最小限に抑えるサイズ制約で、このドメインに特有の新たな攻撃を導入する。本稿では、金融モデルのロバスト性について研究・評価するための分析ツールとして、これらの攻撃がどのように利用できるかについて論じる。
論文参考訳（メタデータ） (2020-02-21T22:04:35Z)

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。