这是一篇ICASSP 2018里的文章,文章
LEARNING TEMPORAL RELATIONSHIPS BETWEEN FINANCIAL SIGNALS
这篇文章提供的是一个分析金融时序之间temporal关系的方法
1.通过市场敏感性因子alpha,自相关参数gama,关系参数omiga提供了两个标的之间的关联 以这三者为参数来构造了一个回归模型
总体来说分为如下的几个部分
首先定义了这个回归任务的形式,标准的回归任务是一个这样的形态,
文章中加入了一个factor ϕ,得到了如下的形式:
而文章中给了一个这样的形态:
其原因是由于正则化的最小二乘使所有参数的惩罚系数相等,因此文章提出了上式中的正则化方法,这会给关系系数的大变化增加代价,同时迅速动态地适应市场变化。
更多的内容可以看文章中的第二节。
标签:关系,回归,时序,正则,参数,文章,序列,金融 来源: https://blog.51cto.com/u_12136715/2952895
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。