Устойчивый прогноз: как «плохие» данные улучшают точность моделей временных рядов

Архитектура IdealTSF представляет собой экосистему, спроектированную не для построения, а для взращивания, где каждый архитектурный выбор предвещает будущие точки отказа и формирует траекторию развития системы.

Новый подход IdealTSF демонстрирует, что использование негативных примеров и состязательного обучения позволяет повысить надежность прогнозов даже при наличии аномалий и некачественных данных.

Точная оценка опционов: новый подход к дифференциальному машинному обучению

Обучение с использованием стандартных, дифференциальных по траекториям и дифференциальных LRM методов позволяет предсказывать цены опционов на основе выборки из 512 обучающих меток, демонстрируя различные подходы к моделированию финансовых инструментов.

Исследование демонстрирует, что использование дифференциальных меток, основанных на отношении правдоподобия, в моделях машинного обучения значительно повышает точность оценки финансовых деривативов, особенно для контрактов с разрывными выплатами.