ICMLJul, 2022
利用波动性核和移动平均均值的高斯过程精准预测
Volatility Based Kernels and Moving Average Means for Accurate Forecasting with Gaussian Processes
Gregory Benton, Wesley J. Maddox, Andrew Gordon Wilson
TL;DR提出了一种将随机波动模型更改为具有特殊协方差函数的分层高斯过程模型的方法,使其可以根据历史数据产生真正的后验分布,同时还将基于大量已研究的领域的启发式设计用于多任务学习,实现了比基线模型更好的股票和风速预测。