본문으로 건너뛰기
라이브러리 문서 전체

금융 분야의 가우시안 프로세스와 베이지안 최적화

기사 arXiv papers · 저자: Joan Gonzalvez et al.
원문 읽기

요약

이 글은 가우시안 프로세스(GP)와 베이지안 최적화를 소개하고, GP 회귀가 베이지안 머신러닝을 뒷받침하는 방식과 하이퍼파라미터를 선택하는 방법을 설명합니다. 베이지안 최적화는 특히 매개변수 수가 적을 때 미분값 없이 블랙박스 함수의 최적점을 찾기 위해 확률 모형을 사용합니다.

금융 분야의 두 가지 적용 사례를 설명합니다. 하나는 금리 기간 구조를 적합하는 것으로, GP 예측을 랜덤워크 모형과 비교합니다. 다른 하나는 추세 및 공분산 윈도우를 온라인으로 추정해 추세 추종 전략을 만드는 것입니다. 제시된 비교는 각 방법을 무엇과 평가하는지 보여주지만, 발췌문에는 성과 결과, 데이터 세부 사항 또는 구현 방식이 없습니다. 따라서 예측력, 트레이딩 비용 또는 견고성을 판단할 만한 충분한 근거라기보다 도구와 적용 분야의 개요를 제공합니다.

핵심 아이디어

  • 가우시안 프로세스는 가우시안 확률 벡터를 함수로 확장한 것으로, 커널 방법에 사용됩니다.
  • 베이지안 최적화는 GP 모형을 사용해 미분 없이 블랙박스 최적점을 탐색하도록 안내합니다.
  • GP 회귀가 접근법의 핵심이며, 하이퍼파라미터를 선택해야 합니다.
  • 이 글은 금리 기간 구조 적합에 GP를 적용하고 예측을 랜덤워크와 비교합니다.
  • 또한 추세 추종 전략을 위해 추세 및 공분산 윈도우를 온라인으로 선택하는 방법을 살펴봅니다.

태그

머신러닝통계채권추세 추종
전문
# Financial Applications of Gaussian Processes and Bayesian Optimization


# Financial Applications of Gaussian Processes and Bayesian Optimization









In the last five years, the financial industry has been impacted by the emergence of digitalization and machine learning. In this article, we explore two methods that have undergone rapid development in recent years: Gaussian processes and Bayesian optimization. Gaussian processes can be seen as a generalization of Gaussian random vectors and are associated with the development of kernel methods. Bayesian optimization is an approach for performing derivative-free global optimization in a small dimension, and uses Gaussian processes to locate the global maximum of a black-box function. The first part of the article reviews these two tools and shows how they are connected. In particular, we focus on the Gaussian process regression, which is the core of Bayesian machine learning, and the issue of hyperparameter selection. The second part is dedicated to two financial applications. We first consider the modeling of the term structure of interest rates. More precisely, we test the fitting method and compare the GP prediction and the random walk model. The second application is the construction of trend-following strategies, in particular the online estimation of trend and covariance windows.

출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0

이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.