MLAT-Autoencoders for Conditional Risk Factors and Asset Pricing---上篇
写在前面
本文对《Machine Learning for Algorithmic Trading》一书第20章进行了梳理及代码复现。这个系列会分为上、下撰写,此篇为上,主要进行理论介绍,下篇则主要进行代码复现的演示。
Chapter20主要介绍了自编码器及其在交易中的应用。自编码器是一种神经网络,经过训练,它可以在学习新的数据表示的同时再现输入(input),并通过隐藏层的参数进行编码。自编码器长期以来一直被用于非线性降维和流形学习。本文将重点介绍自编码器如何通过构建一个深度神经网络来支持交易策略。
目录
第一部分
一、用于非线性特征提取的自编码器
二、代码复现:广义主成分分析和非线性降维
三、代码复现:卷积自编码器对图像进行压缩和去噪
第二部分 用于回报预测和交易的条件自编码器
第一步:创建包含股价和元数据信息的新数据集
第二步:计算预测资产特征
第三步:创建和训练条件式自编码器架构
第四步:评估结果
一、用于非线性特征提取的自编码器
通过之前的学习我们了解了神经网络如何通过提取对给定任务有用的特征来实现监督学习。如:卷积神经网络从类似网格的数据中逐渐学习并合成复杂的模式,比如识别检测图像中的目标,或对时间序列进行分类。然而,自动编码器是一种专门用来学习一种新的表示方式的神经网络,这种方式对输入信息进行编码,来帮助解决另一项任务。由于自动编码器通常使用相同的数据作为输入和输出,也被认为是一个自我监督学习的实例。
二、代码复现:广义主成分分析与非线性降维
降维是较为传统的自编码器的应用,过程是通过限制隐藏层的大小从而进行有损压缩。这种自编码器被称为不完整自编码器,它通过最小化损失函数来学习数据的相对显著特性。自动编码器还可以使用前馈、卷积结构来学习分层特征表示。
后续文章会演示使用TensorFlow实现几个自动编码器模型,包括深度前馈网络和稀疏约束自编码器,标题会标注为代码复现(1)。
三、代码复现:卷积自编码器对图像进行压缩和去噪
自编码器可以使用卷积层来学习分层特征表示。卷积自编码器利用卷积和参数共享来学习层次模式和特性,而不管它们的位置或大小变化。
后续文章会演示如何通过卷积和去噪自编码器来恢复损坏的输入图像,标题标注为代码复现(2)。
第二部分:用于回报预测和交易的条件自动编码器
Gu、Kelly和Xiu最近的研究开发了一个基于证券风险因子暴露的资产定价模型。它基于本书前面提到的数据驱动风险因子这个概念。此书作者表明:因子模型用来捕捉“异常”的系统驱动因子的资产特征,它代表了无法直接测量的风险因子的时变暴露程度。在这种情况下,“异常”是指回报率超过由市场总风险敞口所解释的回报率。
第一步:创建包含股价和元数据信息的新数据集
第二步:计算预测资产特征
第三步:创建和训练条件式自动编码器架构
第四步:评估结果
以上步骤会在后续文章中进行代码演示,标题标注为(3)。
MLAT-Autoencoders for Conditional Risk Factors and Asset Pricing---上篇相关推荐
- 【FinE】FamaFrench 5 Factors asset pricing Model(FF五因子模型)
Navigator Fama French 5 factors Some Drawbacks References Fama French 5 factors Nobel laureate E.Fam ...
- 论文笔记:Identifying Lung Cancer Risk Factors in the Elderly Using Deep Neural Network - Chen, Wu
论文笔记:Identifying Lung Cancer Risk Factors in the Elderly Using Deep Neural Network - Chen, Wu 原文链接 I ...
- 【论文阅读】A Survey of Challenges and Opportunities in Sensing and Analytics for Risk Factors of Cardiova
论文阅读:A Survey of Challenges and Opportunities in Sensing and Analytics for Risk Factors of Cardiovas ...
- Asset Pricing:Introduction
Asset Pricing:Introduction Asset pricing is the study of the value of claims to uncertain future pay ...
- 2022年CPA财务成本管理-资产定价专题(Asset Pricing)【3月22开始15天15考点刷题】【完结】
这个名字迷惑性太强,展开来说是Corporate Finance(Asset Pricing, Corporate Goverance)和成本计算.管理会计✅3门课. 鸣谢对啊网.第二章财务比率我这5 ...
- Asset Pricing:Valuation
Asset Pricing:Valuation complete market: M = R S → q ( z ) M=R^S\to q(z) M=RS→q(z) incomplete marke ...
- [Quant][Note] Empirical Asset Pricing via Machine Learning
题目 Empirical Asset Pricing via Machine Learning 论文链接 论文pdf链接 发表时间 2018.09.04 论文作者 Shihao Gu, Bryan K ...
- Capital Asset Pricing Model (CAPM)
http://blog.tangcs.com/2010/05/26/capital-asset-pricing-model/ 转载于:https://www.cnblogs.com/WarrenTan ...
- 4. Fomula-Valuation and Risk Models
文章目录 1. Bond Price 1.1 Quotes 1.1.1 Treasury Bills 1.1.2 Treasury Bonds 1.2 The Law of One Price and ...
最新文章
- 改变listview的每个item的背景色
- java读取属性文件的方法_java读取属性文件的方法
- asp.net 中的错误处理
- python用户界面导入图片_python学习笔记之11:图像用户界面
- 图论:dij算法优化:双端队列及详细证明
- 三维数据平滑处理_关于CAD三维对象建模
- 互联网晚报 | 2月28日 星期一 |​工信部:最大限度降低缺芯影响;​工信部:今年新建5G基建60万个...
- java——获取一个应用程序运行的次数,如果超过5次,给出使用次数已到请注册的提示,并不要再运行程序
- 其实程序员高工资,好多时候就是加班和自己硬撑出来的
- [转载] Python3 字典 values() 方法
- java如何阻塞父窗体,java图形设计,窗口阻塞的问题。
- Linux查看和注销用户
- GO语言零基础从入门到精通WEB编程名库讲解全套视频教程
- 【亲测可行】如何使用Xshell连接服务器(删除服务器,调节终端字号)
- Excel - 图文详解Excel中相对引用和绝对引用的区别
- Git 修改提交者信息
- Realsense相机在linux下的配置使用,RGB与depth图像对齐
- 商汤公开IPO上市,估值1026亿,创始人汤晓鸥教授身家220亿
- #3. 复读机(LibreOJ)
- 植物大战僵尸2 服务器维护时间,植物大战僵尸2PVP商店多久更新一次
热门文章
- docker启动容器之后马上又自动关闭
- ###《High-level event recognition in unconstrained videos》
- java代码实现炫酷壁纸效果
- pass by value 与pass by reference 小结
- Ask, acquire, and attack: data-free UAP generation using class impressions
- ELF文件格式的详解
- [智慧供热]-论供热收费系统价值和意义?
- 信号与系统(Python) 学习笔记 (6) 拉普拉斯变换 Laplace Transform
- Mac电脑SecureCRT安装步骤
- (转) 阿拉贡的故事