論文の概要: On the Three Demons in Causality in Finance: Time Resolution,
Nonstationarity, and Latent Factors
- arxiv url: http://arxiv.org/abs/2401.05414v2
- Date: Fri, 12 Jan 2024 14:03:52 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-15 23:43:50.979202
- Title: On the Three Demons in Causality in Finance: Time Resolution,
Nonstationarity, and Latent Factors
- Title(参考訳): 金融の因果性に関する3つの考察--時間分解能、非定常性、潜在要因
- Authors: Xinshuai Dong, Haoyue Dai, Yewen Fan, Songyao Jin, Sathyamoorthy
Rajendran, Kun Zhang
- Abstract要約: 財務データは、時間分解のミスマッチ、分布の時間変化特性、非定常性、重要だが未知/未観測の因果関係の3つの根本的な問題に悩まされている。
我々は、これらの問題を因果関係の文脈で再検討し、その問題にどのように対処できるかについて、新しい、そして刺激的な理解をもたらす。
- 参考スコア(独自算出の注目度): 12.14943883400832
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Financial data is generally time series in essence and thus suffers from
three fundamental issues: the mismatch in time resolution, the time-varying
property of the distribution - nonstationarity, and causal factors that are
important but unknown/unobserved. In this paper, we follow a causal perspective
to systematically look into these three demons in finance. Specifically, we
reexamine these issues in the context of causality, which gives rise to a novel
and inspiring understanding of how the issues can be addressed. Following this
perspective, we provide systematic solutions to these problems, which hopefully
would serve as a foundation for future research in the area.
- Abstract(参考訳): 金融データは基本的に時系列であり、時間分解のミスマッチ、分布の時間的変動特性(非定常性)、重要だが未知の因果要因という3つの根本的な問題に苦しむ。
本稿では,金融におけるこれら3つの悪魔を体系的に調べるための因果的視点に従う。
具体的には、これらの問題を因果関係の文脈で再検討し、問題がどのように対処できるのかを新しくて刺激的な理解へと導く。
この観点から、我々はこれらの問題に対する体系的な解決策を提供し、この領域における将来の研究の基盤となることを願っている。
関連論文リスト
- The Odyssey of Commonsense Causality: From Foundational Benchmarks to Cutting-Edge Reasoning [70.16523526957162]
常識の因果関係を理解することは、人々が現実世界の原理をよりよく理解するのに役立ちます。
その重要性にもかかわらず、このトピックの体系的な探索は特に欠落している。
本研究の目的は、体系的な概要の提供、最近の進歩に関する学者の更新、初心者のための実践的なガイドを提供することである。
論文 参考訳(メタデータ) (2024-06-27T16:30:50Z) - Surveying (Dis)Parities and Concerns of Compute Hungry NLP Research [75.84463664853125]
我々は,3つのトピック,すなわち環境影響,株式,およびピアレビューへの影響に関する懸念を定量化するための最初の試みを提供する。
我々は、高齢者、アカデミック、産業に関して、異なるグループと異なるグループ内の既存の(異なる)格差を捉えます。
私たちは、発見された格差を軽減するためのレコメンデーションを考案しました。
論文 参考訳(メタデータ) (2023-06-29T12:44:53Z) - The Importance of Time in Causal Algorithmic Recourse [0.0]
意思決定におけるアルゴリズム・リコースの適用は、好ましくない決定を逆転させる実用的な解決策を提供する、有望な分野である。
近年の進歩は、因果関係の知識を取り入れ、推奨された行動の質を高めている。
我々は、時間次元を因果アルゴリズム手法に統合し、勧告の妥当性と信頼性を高める必要性を動機付けている。
論文 参考訳(メタデータ) (2023-06-08T10:20:08Z) - Causal Deep Learning [77.49632479298745]
因果性は、現実世界の問題を解決する方法を変える可能性がある。
しかし因果関係は、実際にテストできない重要な仮定を必要とすることが多い。
我々は、因果性に関する新しい考え方を提案します。
論文 参考訳(メタデータ) (2023-03-03T19:19:18Z) - Continual Causal Effect Estimation: Challenges and Opportunities [11.343298687766579]
観測データにおける原因と効果のさらなる理解は多くの領域で重要である。
既存の手法は主にソース固有および静止観測データに焦点を当てている。
ビッグデータの時代,我々は観測データによる因果推論において新たな課題に直面している。
論文 参考訳(メタデータ) (2023-01-03T09:57:50Z) - Causal Fairness Analysis [68.12191782657437]
意思決定設定における公平性の問題を理解し、モデル化し、潜在的に解決するためのフレームワークを導入します。
我々のアプローチの主な洞察は、観測データに存在する格差の定量化と、基礎となる、しばしば観測されていない、因果的なメカニズムの収集を結びつけることである。
本研究は,文献中の異なる基準間の関係を整理し,説明するための最初の体系的試みであるフェアネスマップにおいて,本研究の成果を左右するものである。
論文 参考訳(メタデータ) (2022-07-23T01:06:34Z) - Continuous-time Analysis for Variational Inequalities: An Overview and
Desiderata [87.77379512999818]
広義のVI問題クラスを対象とする手法の分析と設計における連続時間視点の利用の最近の進歩について概説する。
本発表では, 単目的問題と多目的問題とを対比し, 後者の課題を浮き彫りにした。
また、一般の VI に適用可能なアルゴリズムに対して様々なデシダラタを定式化し、これらのデシダラタを達成することは関連する連続時間力学の理解から利益を得る可能性があると論じる。
論文 参考訳(メタデータ) (2022-07-14T17:58:02Z) - Fine-grained Financial Opinion Mining: A Survey and Research Agenda [50.27357144360525]
まず、大まかな視点と細かな視点から財務的意見を定義し、すでに取り組まれている問題について概観する。
今後の研究のための詳細な財務意見マイニングのロードマップを提案し、まだ検討されていないいくつかの課題を指摘した。
論文 参考訳(メタデータ) (2020-05-05T01:07:07Z)
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。