論文の概要: Beyond Monte Carlo: Harnessing Diffusion Models to Simulate Financial Market Dynamics

• arxiv url: http://arxiv.org/abs/2412.00036v1
• Date: Thu, 21 Nov 2024 17:39:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-08 08:47:17.257909
• Title: Beyond Monte Carlo: Harnessing Diffusion Models to Simulate Financial Market Dynamics
• Title（参考訳）: モンテカルロ外為:金融市場のダイナミクスをシミュレートする拡散モデル
• Authors: Andrew Lesniewski, Giulio Trigila,
• Abstract要約: 本稿では,合成金融市場データを生成するための,効率的かつ正確な手法を提案する。 合成データは、いくつかの重要な側面において観測された市場データと密接に一致している。 モデルトレーニングではモンテカルロシミュレーションではなく数値積分に基づく効率的かつ高速なアルゴリズムを開発する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: We propose a highly efficient and accurate methodology for generating synthetic financial market data using a diffusion model approach. The synthetic data produced by our methodology align closely with observed market data in several key aspects: (i) they pass the two-sample Cramer - von Mises test for portfolios of assets, and (ii) Q - Q plots demonstrate consistency across quantiles, including in the tails, between observed and generated market data. Moreover, the covariance matrices derived from a large set of synthetic market data exhibit significantly lower condition numbers compared to the estimated covariance matrices of the observed data. This property makes them suitable for use as regularized versions of the latter. For model training, we develop an efficient and fast algorithm based on numerical integration rather than Monte Carlo simulations. The methodology is tested on a large set of equity data.
• Abstract（参考訳）: 本研究では,拡散モデル手法を用いて,合成金融市場データを生成するための高精度かつ正確な手法を提案する。 提案手法で作成した合成データは,いくつかの重要な側面において,観察された市場データと密接に一致している。 一 資産のポートフォリオに関する二サンプルクレーマー-フォン・ミセス試験をパスし、 (ii)Qプロットは、観測された市場データと生成された市場データの間のテールを含む量子化物間の一貫性を示す。 さらに, 大量の合成市場データから得られた共分散行列は, 推定共分散行列よりも有意に低い条件数を示した。 このプロパティは、後者の正規化バージョンとして使用するのに適している。 モデルトレーニングではモンテカルロシミュレーションではなく数値積分に基づく効率的かつ高速なアルゴリズムを開発する。 この手法は、大規模なエクイティデータに基づいてテストされる。

関連論文リスト

• MITA: Bridging the Gap between Model and Data for Test-time Adaptation [68.62509948690698]
  テスト時間適応(TTA)は、モデルの一般化性を高めるための有望なパラダイムとして登場した。 本稿では,Met-In-The-MiddleをベースとしたMITAを提案する。
  論文  参考訳（メタデータ） (2024-10-12T07:02:33Z)
• Fusion of Gaussian Processes Predictions with Monte Carlo Sampling [61.31380086717422]
  科学と工学において、私たちはしばしば興味のある変数の正確な予測のために設計されたモデルで作業します。 これらのモデルが現実の近似であることを認識し、複数のモデルを同じデータに適用し、結果を統合することが望ましい。
  論文  参考訳（メタデータ） (2024-03-03T04:21:21Z)
• Online Variational Sequential Monte Carlo [49.97673761305336]
  我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。 オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
  論文  参考訳（メタデータ） (2023-12-19T21:45:38Z)
• Generative Machine Learning for Multivariate Equity Returns [0.0]
  本研究では,条件付き重み付きオートエンコーダと条件付き正規化フローの有効性について検討した。 私たちが取り組んだ主な問題は、S&P 500の全てのメンバーの関節分布をモデル化すること、すなわち500次元の関節分布を学習することである。 この生成モデルは、現実的な合成データの生成、ボラティリティと相関推定、リスク分析、ポートフォリオ最適化など、金融に幅広い応用があることが示される。
  論文  参考訳（メタデータ） (2023-11-21T18:41:48Z)
• Mixture of Coupled HMMs for Robust Modeling of Multivariate Healthcare Time Series [7.5986411724707095]
  隠れマルコフモデル(M-CHMM)を結合した新しいモデルのクラスを提案する。 モデル学習を実現するために、CHMM内の潜伏変数のシーケンスをサンプリングする2つのアルゴリズムを導出する。 既存の推論手法と比較して,アルゴリズムは計算可能であり,混合性が向上し,推定精度が向上する。
  論文  参考訳（メタデータ） (2023-11-14T02:55:37Z)
• Learning from aggregated data with a maximum entropy model [73.63512438583375]
  我々は,観測されていない特徴分布を最大エントロピー仮説で近似することにより,ロジスティック回帰と類似した新しいモデルが,集約データからのみ学習されることを示す。 我々は、この方法で学習したモデルが、完全な非凝集データでトレーニングされたロジスティックモデルに匹敵するパフォーマンスを達成することができるという、いくつかの公開データセットに関する実証的な証拠を提示する。
  論文  参考訳（メタデータ） (2022-10-05T09:17:27Z)
• CNN-based Realized Covariance Matrix Forecasting [0.0]
  本稿では,CNN と Conal LSTM (ConvLSTM) を用いたエンドツーエンドトレーニングモデルを提案する。 局所構造と相関に焦点をあて、歴史的に実現された共分散行列と将来の行列を結びつける非線形写像を学ぶ。 人工的および実世界のデータセットに関する実証研究は、いくつかの高度なボラティリティモデルと比較して優れた予測能力を示している。
  論文  参考訳（メタデータ） (2021-07-22T12:02:24Z)
• Comparing Test Sets with Item Response Theory [53.755064720563]
  我々は,18の事前学習トランスフォーマーモデルから予測した29のデータセットを個別のテスト例で評価した。 Quoref、HellaSwag、MC-TACOは最先端のモデルを区別するのに最適である。 また、QAMRやSQuAD2.0のようなQAデータセットに使用されるスパン選択タスク形式は、強いモデルと弱いモデルとの差別化に有効である。
  論文  参考訳（メタデータ） (2021-06-01T22:33:53Z)
• A Data-driven Market Simulator for Small Data Environments [0.5872014229110214]
  ニューラルネットワークに基づくデータ駆動市場シミュレーションは、金融時系列をモデリングする新しいフレキシブルな方法を公開する。 本稿では,財務時系列のエンコーディングと評価を行う強力な方法として,大まかなパスパースペクティブと擬似変分自動エンコーダフレームワークが組み合わさった方法を示す。
  論文  参考訳（メタデータ） (2020-06-21T14:04:21Z)
• 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。

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。