Financial Machine Learning
A pénzügyi gépi tanulás a pénzügyi piacok tanulmányozásában a gépi tanulással foglalkozó, kialakulóban lévő szakirodalmat tekinti át. A szerzők kiemelik a legjobb példákat arra, amit ez a kutatási irányvonal nyújtani tud, és ígéretes irányokat javasolnak a jövőbeli kutatáshoz.
Ez az áttekintés egyaránt szól a gépi tanulás eszközeinek megragadása iránt érdeklődő pénzügyi közgazdászoknak, valamint a statisztikusoknak és gépi tanulóknak, akik olyan érdekes pénzügyi kontextusokat keresnek, ahol a fejlett módszerek bevethetők. Ez a felmérés a következőképpen szerveződik. A 2.
szakasz elemzi a nagymértékben paraméterezett gépi tanulási modellek elméleti előnyeit a pénzügyi közgazdaságtanban.
A 3. szakasz az eszközhozamok előrejelezhetőségének empirikus elemzésében alkalmazott gépi tanulási módszerek sokféleségét tekinti át.
A 4. szakasz a tényezőárazási modellek gépi tanulási elemzéseire és a kockázat és hozam közötti kompromisszumokra vonatkozó empirikus következtetésekre összpontosít. Az 5.
szakasz a gépi tanulás szerepét mutatja be az optimális portfóliók és a sztochasztikus diszkontfaktorok azonosításában. A 6. szakasz rövid következtetéseket és a jövőbeli munka irányait ismerteti.