Fugu-MT 論文翻訳(概要): Evaluating Credit VIX (CDS IV) Prediction Methods with Incremental Batch Learning

論文の概要: Evaluating Credit VIX (CDS IV) Prediction Methods with Incremental Batch Learning

arxiv url: http://arxiv.org/abs/2408.15404v1
Date: Tue, 27 Aug 2024 20:57:26 GMT
ステータス: 処理完了
システム内更新日: 2024-08-29 17:42:47.188095
Title: Evaluating Credit VIX (CDS IV) Prediction Methods with Incremental Batch Learning
Title（参考訳）: インクリメンタルバッチ学習によるCDS(Credit VIX)予測手法の評価
Authors: Robert Taylor,
Abstract要約: 本稿では,SVM,グラディエント・ブースティング,およびアテンション・GRUハイブリッドモデルによる5年間のロールオーバーによる欧州企業債務の債務デフォルトスワップ契約のインプリッド・ボラティリティの予測に関する実験的プロセスと結果について述べる。我々の比較評価は、金融リスク予測のためのSOTAと古典的機械学習手法の強みを特定することを目的としている。
参考スコア（独自算出の注目度）: 0.18648070031379424
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This paper presents the experimental process and results of SVM, Gradient Boosting, and an Attention-GRU Hybrid model in predicting the Implied Volatility of rolled-over five-year spread contracts of credit default swaps (CDS) on European corporate debt during the quarter following mid-May '24, as represented by the iTraxx/Cboe Europe Main 1-Month Volatility Index (BP Volatility). The analysis employs a feature matrix inspired by Merton's determinants of default probability. Our comparative assessment aims to identify strengths in SOTA and classical machine learning methods for financial risk prediction
Abstract（参考訳）: 本稿は,SVM,グラディエントブースティング,およびアテンション-GRUハイブリッドモデルによる,24年5月半ば以降の四半期における欧州企業債務に対する5年間の信用デフォルトスワップ(CDS)のインプリッドボラティリティの予測について,iTraxx/Cboe Europe Main 1-Monthボラティリティ指標(BPボラティリティ指数)に代表される実験プロセスと結果を示す。この分析は、メルトンのデフォルト確率の行列式にインスパイアされた特徴行列を用いる。我々の比較評価は、金融リスク予測のためのSOTAと古典的機械学習手法の強みを特定することを目的としている。

関連論文リスト

Toward Automatic Relevance Judgment using Vision--Language Models for Image--Text Retrieval Evaluation [56.49084589053732]
VLM(Vision-Language Models)は、様々なアプリケーションで成功を収めてきたが、関連性判断を支援する可能性はまだ不明である。本稿では,CLIP,LLaVA,GPT-4Vを含むVLMの関連性評価機能について,ゼロショット方式でマルチメディアコンテンツ作成に適した大規模テキスト分割ホック検索タスクで評価する。
論文参考訳（メタデータ） (2024-08-02T16:15:25Z)
The Hybrid Forecast of S&P 500 Volatility ensembled from VIX, GARCH and LSTM models [0.0]
本研究では,S&P500のボラティリティ予測の精度を向上させるための4つの方法を検討する。機械学習アプローチ,特にハイブリッドLSTMモデルは,従来のGARCHモデルよりも大幅に優れていることがわかった。この研究結果は、より正確なボラティリティ予測を達成するための貴重な洞察を提供する。
論文参考訳（メタデータ） (2024-07-23T18:28:16Z)
Conformal Prediction for Stochastic Decision-Making of PV Power in Electricity Markets [0.0]
コンフォメーション予測(CP)は、日々の太陽光発電電力予測の確率予測手法である。 CPを特定の入札戦略と組み合わせることで、エネルギーの不均衡を最小限に抑えて高い利益を得ることができる。具体的には、k-アネレスト近傍の共形予測システムと無作為な森林回帰の後にモンドリアン・ビンニングを用いると、最良の利益が得られる。
論文参考訳（メタデータ） (2024-03-29T12:34:57Z)
American Option Pricing using Self-Attention GRU and Shapley Value Interpretation [0.0]
本稿では,ゲートリカレントユニット(GRU)と自己認識機構に基づいて,SPY(ETF)オプションの価格を予測する機械学習手法を提案する。我々は、多層パーセプトロン(MLP)、長期記憶(LSTM)、自己注意型LSTM、自己注意型GRUの4つの異なる機械学習モデルを構築した。
論文参考訳（メタデータ） (2023-10-19T06:05:46Z)
Combining Deep Learning and GARCH Models for Financial Volatility and Risk Forecasting [0.0]
我々は,一般的な計量的GARCH時系列モデルとディープラーニングニューラルネットワークを組み合わせることで,金融商品のボラティリティとリスクを予測するハイブリッドアプローチを開発した。一方,GARCHは標準GARCH,EGARCH,GJR-GARCH,APARCHの4つの仕様が採用されている。モデルは、S&P500指数の日替わりの対数リターンと、金価格のBitcoin価格でテストされる。
論文参考訳（メタデータ） (2023-10-02T10:18:13Z)
Diffusion Variational Autoencoder for Tackling Stochasticity in Multi-Step Regression Stock Price Prediction [54.21695754082441]
長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
論文参考訳（メタデータ） (2023-08-18T16:21:15Z)
Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [51.3422222472898]
ニュース見出しを用いて,ChatGPTのような大規模言語モデル(LLM)の株価変動を予測する能力について述べる。我々は,情報容量制約,過小反応,制限対アビタージュ,LLMを組み込んだ理論モデルを構築した。
論文参考訳（メタデータ） (2023-04-15T19:22:37Z)
Evaluating Probabilistic Classifiers: The Triptych [62.997667081978825]
本稿では,予測性能の異なる相補的な側面に焦点をあてた診断グラフィックのトリチチを提案し,研究する。信頼性図は校正に対処し、受信動作特性(ROC)曲線は識別能力を診断し、マーフィー図は全体的な予測性能と価値を視覚化する。
論文参考訳（メタデータ） (2023-01-25T19:35:23Z)
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)
Stock2Vec: A Hybrid Deep Learning Framework for Stock Market Prediction with Representation Learning and Temporal Convolutional Network [71.25144476293507]
我々は、株式市場の日々の価格を予測するためのグローバルなハイブリッドディープラーニングフレームワークを開発することを提案した。表現学習によって、私たちはStock2Vecという埋め込みを導きました。我々のハイブリッドフレームワークは、両方の利点を統合し、いくつかの人気のあるベンチマークモデルよりも、株価予測タスクにおいてより良いパフォーマンスを達成する。
論文参考訳（メタデータ） (2020-09-29T22:54:30Z)
Ensemble Forecasting for Intraday Electricity Prices: Simulating Trajectories [0.0]
近年の研究では、時間単位のドイツの日内連続市場は弱い状態にあることが示されている。時間内電力価格の確率予測は、トレーディングウィンドウ毎に軌跡をシミュレートして行う。この調査は、過去3時間でドイツの日内連続市場における価格分布を予測することを目的としているが、このアプローチは、特にヨーロッパでは、他の連続市場への適用を可能にする。
論文参考訳（メタデータ） (2020-05-04T10:21:20Z)

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。