文献

J-GLOBAL ID：202202287387782091   整理番号：22A0778089

金融市場揮発性目標モデルのための適応教師付き学習【JST・京大機械翻訳】

Adaptive Supervised Learning for Financial Markets Volatility Targeting Models

著者 (8件)： Benhamou Eric (Dauphine University, Paris, France) ,  Benhamou Eric (Ai for Alpha, Neuilly-sur-Seine, France) ,  Saltiel David (Ai for Alpha, Neuilly-sur-Seine, France) ,  Tabachnik Serge (Lombard Odier Investment Managers, Geneva, Switzerland) ,  Tabachnik Serge (Pantheon-Assas University, Paris, France) ,  Bourdeix Corentin (Lombard Odier Investment Managers, Geneva, Switzerland) ,  Chareyron Francois (Lombard Odier Investment Managers, Geneva, Switzerland) ,  Guez Beatrice (Ai for Alpha, Neuilly-sur-Seine, France)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1525  ページ： 195-209  発行年： 2022年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： リスクベースポートフォリオ構築とプロアクティブリスク管理の文脈において,将来の実現揮発性のロバスト予測子を見つけることは,最適性能を達成するために最高である。ボルタリティは,高または低揮発性レジームのクラスタで顕著な持続性を示し,正常レベルに平均復帰し,一般化自己回帰ヘテロスケージ(GARCH)モデルに関するノーベル価格決定作業を支えているという,経済文献において文書化された。”.” Volatility”は,経済文献において文書化されている。” Pownel Prize-winning Works”(GARCH)モデルに関するNobel prize-winning作業を支えている。強化学習(RL)の観点から,このモデルは,モデルの目標が2倍であるモデルベースのRLアプローチとして解釈できる:最初に,揮発性動力学を表し,その項構造と第2を予測し,与えられた目標揮発性にマッチする結果の配分を計算するのに,すなわち「リスクベースポートフォリオのための揮発性目標法」という名前の名前である。しかし,得られた揮発性モデルベースのRLアプローチは,明確な支配的なものなしで,各モデルと類似の性能で区別するのが難しい。したがって,RLモデルの歴史的性能順序に基づいて,最良のモデル(s)を予測するために,追加の教師つき学習ステップによる革新的アプローチを示した。筆者らの貢献は,どのモデル(s)がどのモデル(s)を使用するかを決定するために,教師つき学習オーバレイの追加が,全てのRLモデルを平均化することからなるナイーブベンチマーク上で改善を提供することを示した。この教師つき学習タスクにおける顕著な成分は,最小重要度フィルタリングのおかげで,それらの有意性に基づく特徴を適応的に選択することである。本研究は,モデルフリーおよびモデルベースRLの組み合わせに関する著者らの以前の研究を拡張した。異なるタイプの学習手順,すなわち,モデルベースのRLと教師つき学習は,異なる機械学習手法を組み合わせるために新しいドアを公開する。Copyright Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 価格決定 ,  *学習 ,  データベース ,  ポートフォリオ ,  フィルタリング ,  *教師つき学習 ,  クラスタ ,  *揮発性 ,  文脈 ,  リスク管理 ,  ロバスト性 ,  機械学習 ,  強化学習
準シソーラス用語： 予測子 ,  モデルベース ,  自己回帰 , 【Automatic Indexing@JST】

著者キーワード (7件)： 揮発性標的化 ,  教師付き学習 ,  最良の発注 ,  モデルベース ,  ポートフォリオ配分 ,  前進 ,  特徴選択

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 金融市場 ,  揮発性 ,  目標 ,  モデル ,  適応 ,  教師付き学習