Jul, 2013

从金融数据流的签名中提取信息

PDF
TL;DR本文研究使用粗路径理论中的签名方法来对金融数据进行分类，并利用此方法实现机器学习和预测。实验结果表明，签名可以用于捕捉非参数化数据中的规律性，并可用于识别市场异常行为和父订单对市场影响的区分。
financial datatheory of rough pathsmultidimensional time seriesmachine learningmarket impact
发现论文，激发创造
  • 从过去学习，预测未来的统计数据，学习进化系统

    该论文将粗路径理论运用到流数据的非参数统计学研究中，通过对流的特征集进行分级，采用线性回归方法来描述自变量与因变量条件分布之间的功能关系，并实现了一定的降维。“粗路径” 法在统计学中具有显著的优势，能在计算成本较低的前提下达到与高斯过程（GP）法类似的预测精度。

    Sep, 2013

  • 嵌入及签名学习

    本文介绍了一种新颖的序列学习方法，即基于粗路径理论的签名方法，该方法通过嵌入将离散采样数据表示为路径。作者深入研究了三个数据集，并表明特定的 embedding 方法，称为 “lead-lag embedding”，在所有考虑的算法和数据集上表现最好。通过一个实证研究，作者还发现将整个路径域上的 signature 与其他简单算法相结合，可以达到与特定领域专门方法相竞争的结果。

    Nov, 2019

  • 深度签名变换

    本研究提出一种创新的方法，将深度学习和 Signature 变换结合起来，通过对数据流进行增强，并利用 Signature 变换来选择 Signature 的项，从而可以实现数据依赖性的学习，同时在神经网络中任意地使用 Signature 变换作为一种池化操作。

    May, 2019

  • 粗略路径，签名和流函数的建模

    粗糙路径理论通过均匀估计来简化对高度振荡和非线性系统之间交互的描述，该理论具有广泛的应用，并通过坐标迭代积分可描述路径的复杂细节，并为机器学习提供了天然的线性基础。

    May, 2014

  • Signature 方法在 CEQUEL 临床试验中的模式识别应用

    本文提出一种新颖的非参数系统方法用于分析异构序列数据的分类，利用合成和真实例子对双相情感障碍者的医疗试验数据中的响应延迟进行分类，并演示了该方法如何从序列数据中提取特征。

    Jun, 2016

  • 机器学习中的签名方法入门

    本文介绍了路径签名方法及其在数值计算和机器学习中的应用，对路径签名与粗路径理论也进行了讨论，并介绍了将数据转换为多维路径所使用的嵌入算法，以及如何将签名作为特征用于机器学习任务。

    Mar, 2016

  • 癫痫预测的路径签名

    通过对长期患者数据集的分析，研究人员提出了用于预测特定患者癫痫发作的统计特征的自动发现和量化方法，其中使用了现有和新颖的特征提取算法，特别是路径标识这一时间序列分析的最新发展技术。

    Aug, 2023

  • 基于高斯过程的数据增强和预期特征向量的时间序列分类

    通过期望签名，基于高斯过程的数据增强，学习模型进行监督任务，建立了时间序列的特征提取模型。

    Oct, 2023

  • 粗路径讲义及其在机器学习中的应用

    这些笔记阐述了最近在数据科学和机器学习中使用签名变换和粗略路径理论。我们从第一原理发展了签名的核心理论，然后概述了一些最近流行的应用，包括基于签名的核方法和神经粗略微分方程。这些笔记是基于两位作者在伦敦帝国学院的课程。

    Apr, 2024

  • 利用特征变换进行交通市场费率预测

    通过基于特征变换和线性回归分析的新颖技术，我们开发了一种预测市场价格的模型，该模型在准确性和可解释性方面远远优于商业模型，并能更精确地识别季节性和制度转变，即使在 Covid-19 时期和乌克兰战争突发期也能得到良好的预测结果。

    Jan, 2024