PulseAugur
中
实时 09:12:09
English(EN) Large and Deep Factor Models

深度神经网络可分解为用于金融建模的线性因子表示

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇新研究论文介绍了大型和深度因子模型（Large and Deep Factor Models）的概念，展示了如何分解用于构建随机贴现因子（SDF）的深度神经网络（DNN）。这种分解揭示了一个由投资组合切线核（PTK）控制的线性因子表示，它有效地总结了网络学习到的特征。研究表明，这种PTK表示在使用美国股票数据进行的实证测试中提供了显著的性能改进，同时还强调了增加谱复杂度如何限制有限样本定价能力。 AI

影响 引入了一种使用深度神经网络进行金融建模的新颖方法，有可能改进量化金融策略。

排序理由 该集群包含一篇详细介绍新建模方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

深度神经网络可分解为用于金融建模的线性因子表示

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Bryan Kelly, Boris Kuznetsov, Semyon Malamud, Yuan Zhang ·

    Large and Deep Factor Models

    arXiv:2402.06635v3 Announce Type: replace-cross Abstract: We show that a deep neural network (DNN) trained to construct a stochastic discount factor (SDF) admits an additive decomposition separating nonlinear characteristic discovery from the pricing rule that aggregates them. Th…

相关话题