タグ付けされた質問 「volatility-forecasting」

2
時系列データのボラティリティの測定?
定常時系列データのボラティリティまたはノイズの測定値を計算したいと思います。これは、単一の時系列のメジャー、または複数の時系列を一緒に比較する相対メジャーにすることができます。Dickey-Fuller検定がすでに実行されており、すべての時系列に単位根がないと仮定します。 ノイズ/ボラティリティを測定するためのそのようなメトリックのいくつかの例は何ですか?SD /平均である単純な「変動係数」を検討しました。しかし、私はこれを測定する他の方法があるのだろうかと思っています。それが役立つ場合は、Rを使用します。 これは漠然とした要求であることは承知しており、お詫び申し上げます。このトピックについて学ぶための提案や情報源があれば、本当にありがたいです。

2
ARCHモデルとGARCHモデルが機能するデータを見つけた人はいますか?
私は金融および保険分野のアナリストであり、ボラティリティモデルを適合させようとするたびに、ひどい結果が得られます。残差は、多くの場合、非定常(単位根の意味で)であり、不均一(モデルがボラティリティを説明しない)です。 ARCH / GARCHモデルは他の種類のデータで動作しますか? いくつかのポイントを明確にするために、2015年4月17日15:07に編集されました。

1
相互に排他的でないカテゴリを分類できる深層学習モデル
例:仕事の説明に「英国のJavaシニアエンジニア」という文があります。 私は2つのカテゴリとして、それを予測することは、深い学習モデルを使用したい:English とIT jobs。従来の分類モデルを使用する場合softmax、最後のレイヤーで機能を持つ1つのラベルのみを予測できます。したがって、2つのモデルのニューラルネットワークを使用して、両方のカテゴリで「はい」/「いいえ」を予測できますが、さらに多くのカテゴリがあると、コストがかかりすぎます。では、2つ以上のカテゴリを同時に予測するためのディープラーニングまたは機械学習モデルはありますか? 「編集」:従来のアプローチによる3つのラベルでは、[1,0,0]によってエンコードされますが、私の場合、[1,1,0]または[1,1,1]によってエンコードされます 例:3つのラベルがあり、文がこれらすべてのラベルに収まる場合。したがって、softmax関数からの出力が[0.45、0.35、0.2]である場合、3つのラベルまたは2つのラベルに分類する必要がありますか、それとも1つにすることができますか?それを行うときの主な問題は、1、2、または3つのラベルに分類するための適切なしきい値は何ですか?
9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 

6
なぜボラティリティは金融計量経済学の重要なトピックなのですか?
それが完全にトピック外であるかどうかはわかりませんが、なぜボラティリティが金融計量経済学において重要なトピックであるのかについての意見と総合的な回答があると役立つと思いました。 私はそれがポートフォリオ理論から始まり、資産リターンの根本的な二次モーメントの特性を理解する必要性から始まったと思います。その後、ブラック・ショールズの公式とデリバティブの人気により、このエンティティはファイナンスにおいて非常に重要になりました。
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.