Loading...
机构名称:
¥ 2.0

机器学习(ML)方法在内部模型的设计经济场景发生器中变得越来越重要。数据驱动模型的验证与基于经典理论的模型不同。我们讨论了这种验证的两个新方面:首先,检查风险因素与第二个依据,检测不良的记忆效应。第一个任务变得必要,因为在基于ML的方法中,依赖性不再源自财务数学理论,而是由数据驱动的。出现了对后一个任务的需求,因为不能排除基于ML的模型仅重现经验数据而不是生成新方案。要解决第一个问题,我们建议使用文献中现有的测试。在第二期中,我们介绍并讨论了一个新颖的记忆比。包括基于实际市场数据的数值实验,并使用这两种方法验证了基于自动编码器的方案生成器。

验证基于机器学习的方案生成器

验证基于机器学习的方案生成器PDF文件第1页

验证基于机器学习的方案生成器PDF文件第2页

验证基于机器学习的方案生成器PDF文件第3页

验证基于机器学习的方案生成器PDF文件第4页

验证基于机器学习的方案生成器PDF文件第5页