Предсказание финансовых рынков: новый взгляд на ковариации
![Для оценки эффективности кросс-корреляционных оценок на финансовых данных за период с 2017 по 2024 год, с исключением рыночного режима, проводилось обучение на расширяющейся выборке с 1995 года, предшествующей каждому тестовому периоду, при этом для каждого вневыборочного года усреднялись результаты 1000 независимых запусков; анализ, представленный на левых панелях с сохранением хронологической последовательности между внутри- и вневыборочными периодами, и на правых панелях с перемешиванием дат, демонстрирует, что варьирование общего числа активов при [latex]\nu = 0.25[/latex] и относительной размерности ν при [latex]n = 1000[/latex] оказывает влияние на среднеквадратичную ошибку (MSE), отображаемую с 95%-м доверительным интервалом, рассчитанным методом bootstrap.](https://arxiv.org/html/2601.07687v1/x9.png)
Исследователи предлагают метод, использующий принципы физики и нейронные сети для более точного прогнозирования взаимосвязей между финансовыми активами.
Наука
Искусственные данные на страже беспроводной сети: новый подход к прогнозированию трафика
Исследование показывает, что сгенерированные искусственно данные могут обеспечить сопоставимую точность прогнозирования сетевого трафика Wi-Fi, как и модели, обученные на реальных данных.
Торговля с помощью машинного обучения: цена асимметрии информации
Новое исследование показывает, как машинное обучение меняет ландшафт торговли в условиях неравного доступа к информации, и какие стратегии позволяют максимизировать выгоду для обеих сторон.
Охота на мошенников в режиме реального времени: новый подход к защите онлайн-банкинга
В статье представлена система обнаружения мошеннических транзакций, способная оперативно выявлять подозрительную активность и минимизировать финансовые потери.
Когда простота бьет сложность: как обработка данных обгоняет нейросети в прогнозировании финансовых потоков
Новое исследование показывает, что грамотная нормализация данных об инвестиционных потоках оказывается эффективнее сложных моделей машинного обучения, включая LSTM и вейвлеты.