排序方式： 共有3条查询结果，搜索用时 0 毫秒
1
1.
因果关系的研究一直紧密围绕人类探索世界和发现世界的主题,传统的仅仅研究事物之间的统计相关关系作用有限,很难满足经济社会快速发展的需要.文章将自监督学习和对抗学习结合,利用图网络模型和系统动力学的反演模型,从大规模无监督数据中挖掘潜在的隐含信息,基于对比约束,构建物理驱动与数据驱动的统一框架,然后采用极大极小博弈策略学习不同因果模态的一致性表征,从而逼近真正的因果关系,为揭示潜藏在数据背后的内在规律提供了有力的分析工具.文章将非随机因果学习思想融入机器学习框架,对克服现有深度学习在抽象、推理及神经网络可解释性等方面的不足具有重要指导意义. 相似文献
2.
自动化交易是现代金融领域的研究热点,而交易策略是其核心。技术指标分析中,每一种指标都有其优势和劣势,单一的指标经常产生导致亏损的虚假信号。为了提高交易信号的质量和可靠性,针对外汇市场的多变性和存在诸多不确定性的客观事实,本文引入证据理论来处理不同技术指标分析方法结论存在的差异;将不同的指标作为独立的证据源,用D-S合成规则对各个指标分析方法的结果予以融合,建立了基于证据理论的多指标融合外汇交易模型,给出了基于证据理论的交易框架。根据技术指标的特点及交易原理,构造了指标证据的基本概率分配函数。最后,通过实例分析验证了该方法的科学性和有效性。 相似文献
3.
行业轮动策略在资产配置中具有重要的地位.应用主成分回归模型设计一种新的行业轮动策略,并且采用四因素模型评价它在市场摩擦状态的投资业绩.实证分析新兴的上海证券市场,发现主成分回归模型能够很好的预测未来的行业收益率;行业轮动策略能够获得显著为正的阿尔法收益,即使存在卖空限制和交易费用;市场趋势和行业动量效应是行业轮动策略的收益率的主要影响因素. 相似文献
1