ИИ прогнозирует волатильность финансового рынка с повышенной точностью
При такой тесной связи волатильности с инвестиционным риском и доходностью неудивительно, что статистический метод, который улавливал изменяющуюся во времени волатильность, был признан достойным Нобелевской премии. С момента ее создания многие финансовые учреждения приняли варианты модели авторегрессионной условной гетероскедастичности (ARCH) для прогнозирования волатильности временных рядов. Однако большинство этих моделей не поддаются обобщению на все рыночные условия из-за их неспособности улавливать нелинейные рыночные характеристики. Исследователи кафедры машиностроения Университета Карнеги — Меллона создали новую гибридную модель глубокого обучения, которая сочетает в себе сильные стороны GARCH (Generalized-ARCH) с гибкостью глубокой нейронной сети с долговременной краткосрочной памятью , что позволяет точнее улавливать и прогнозировать волатильность рынка , чем любая из этих моделей по отдельности. Вдохновленная машинным обучением на основе физики, которое напрямую встраивает физические законы в архитектуру модели глубокого обучения , команда объединила машинное обучение со стилизованными фактами, которые являются эмпирическими рыночными моделями, зафиксированными моделью GARCH. Таким образом, новая модель, GARCH-Informed Neural Network (GINN), может учиться как на основе фактической истины, так и на знаниях, полученных моделью GARCH, чтобы понять как общие рыночные тенденции, так и более тонкие детали. «Традиционные модели машинного обучения рискуют тем, что мы называ...
ФНС разъяснила особенности заполнения организациями финансового рынка форматов сведений о счетах клиентов - резидентов иностранных государств Письмо Федеральной налоговой службы от 27 апреля 2024 г. № ЗГ-2-17/6782@ “О рассмотрении и ...
CHASPIK.SPB.RU