financial time series | BriefGPT

关键词financial time series

搜索结果 - 16

生成时间序列建模的通用随机签名
我们利用随机化签名引入金融时间序列数据的生成模型，该模型基于离散时间随机化签名建立了一种新的 Wasserstein 类型距离，作为概率测度空间中的距离度量，并将其作为非对抗生成模型的损失函数。我们通过将我们的模型与现有文献中的基准进行比较
PDF22 days ago
基于顺序一般变分模式分解方法的时间序列预测组合模型
金融时间序列的准确预测对市场经济参与者和投资者至关重要。本文选择在线商店销售和澳大利亚啤酒销售作为非平稳、趋势和季节性金融时间序列的代表，并以非线性组合方式构建了一个新的 SGVMD-ARIMA 组合模型来预测金融时间序列。ARIMA 模型
PDFa month ago
均场微正则梯度下降
微正则梯度下降是一种用于高维分布高效采样的能量模型采样过程，通过使用梯度下降从高熵分布（如高斯白噪声）将样本传输到低能量区域。我们将这个模型放置在归一化流框架中，展示它常常通过在下降过程中损失了不必要的熵而过拟合。为了解决这个问题，我们提出
PDF4 months ago
时序数据的变压器模型：应用于 S&P500
利用 Transformer 模型在金融时间序列上进行了广泛的研究，提出了一种新的数据集构建方法和 Transformer 架构，并取得了一些有趣的结果。
PDF4 months ago
学习多频部分相关图
学习时间序列之间的依赖关系中，现有方法仍存在一个主要局限：学习到的部分相关性无法区分不同频段。我们通过学习一个稀疏、频率相关的部分相关性图来克服这个局限，其中各层对应不同的频段，且部分相关性只发生在几个层上。通过两个非凸学习问题的解决，得到
PDF7 months ago
利用切片瓦烧斯坦 K 均值聚类在多维时间序列数据中实现自动制度检测
该研究论文研究了 Wasserstein k-means 聚类算法应用于一维和多维时间序列数据的行为、性能以及市场模式检测的有效性，并提出了基于切片 Wasserstein 距离的 sliced Wasserstein k-means 聚类
PDF9 months ago
Transformer 与 LSTM 在电子交易中的对比
通过比较多种基于 LSTM 和 Transformer 的模型在高频限价盘数据上的多个金融预测任务中的表现，研究发现 Transformer-based 模型在绝对价格趋势预测方面仅具有有限优势，而基于 LSTM 的模型在价格差异和价格变动
PDF10 months ago
均值绝对方向损失作为算法投资策略机器学习问题的新损失函数
此研究论文探讨了在优化机器学习模型中寻找适当的损失函数的问题，以用于预测金融时间序列并构建算法投资策略。我们提出了平均绝对方向损失（MADL）函数，解决了传统预测误差函数在从预测中提取信息以创建有效的买卖信号方面的重要问题。最后，基于两个不
PDF10 months ago
KDDBIRP：基于多模式匹配的比特币信息检索预测模型
其在金融市场中的模式匹配算法加工中，以比特币作为样本测试，实现预测结果的提升以指导投资决策。
PDFa year ago
金融时间序列预测的时空异质性图神经网络
本论文提出了一种基于时间和异构图神经网络（THGNN）的方法，用于学习金融时间序列中价格变动之间的动态关系。该方法在美国和中国的股票市场上展开广泛实验，并在实际交易中实现了显著的累积组合回报。
PDFa year ago
利用 R 包 otsfeatures 进行序数时间序列分析
该研究介绍了针对序数时间序列分析的 R 包 otsfeatures，提供了一系列用于分析序数时间序列的简单函数，并且可以用于传统机器学习任务包括聚类分类和异常值检测，同时该包还包含了用于聚类的金融时间序列以及三个合成数据库。
PDFa year ago
MSGNN: 基于新型磁性符号 Laplacian 的谱图神经网络
该研究介绍了一种名为磁签 Laplacian 的矩阵，作为有向网络的谱图神经网络（GNNs）的一种新颖有效的构建方式。实验证明，所提出的谱 GNN 可有效地结合了有向信息和签名信息，并在广泛的数据集上取得了领先的性能。
PDF2 years ago
基于多尺度笔画的 DDPG 金融时间序列交易策略
本研究提出了一种基于 MSSDDPG 的多尺度特征矩阵的深度强化学习模型，以期寻求最优交易策略，实验结果 shows 在 China CSI 300、SSE Composite 取得了最佳表现，在 Dow Jones、S&P 500 of
PDF2 years ago
基于深度学习的金融时间序列预测：2005-2019 年系统性文献综述
本文为对财务领域中利用深度学习模型进行时间序列预测的文献进行了全面的回顾，将研究分为根据预测实现区域（如指数、外汇、商品预测），以及基于不同 DL 模型选择（如 CNNs,DBNs,LSTM），同时探讨了该领域未来的发展机会和挑战。
PDF5 years ago
金融市场中二十年相关性、层次、网络和聚类的回顾
本文回顾了金融时间序列聚类及其相关联的其他互动网络的研究现状，旨在将来自不同领域的相关材料聚集在一起。我们希望本文将成为研究人员更有效地使用金融时间序列的替代建模方法以及决策者和量化研究人员利用其洞见的基础。最后，我们还希望这份综述将成为研
PDF7 years ago
基于相关矩阵的社区检测
通过基于随机矩阵理论的一致重新定义空模型的方法，我们提出了最流行的社区检测技术的适当基于相关性的对应物。我们将技术应用于几个金融时间序列，并确定了不可简化为标准部门分类法的股票介观群体，发现了在社区之间交替的 “软股票”，并讨论了投资组合优
PDF11 years ago