Financial Machine Learning
Financial Machine Learning stanowi przegląd rodzącej się literatury na temat uczenia maszynowego w badaniu rynków finansowych. Autorzy podkreślają najlepsze przykłady tego, co ta linia badań ma do zaoferowania i zalecają obiecujące kierunki przyszłych badań.
Przegląd ten jest przeznaczony zarówno dla ekonomistów finansowych zainteresowanych zrozumieniem narzędzi uczenia maszynowego, jak i dla statystyków i osób uczących się maszyn, poszukujących interesujących kontekstów finansowych, w których można wdrożyć zaawansowane metody. Niniejsza ankieta jest zorganizowana w następujący sposób. W sekcji 2 przeanalizowano teoretyczne zalety wysoce sparametryzowanych modeli uczenia maszynowego w ekonomii finansowej.
Sekcja 3 zawiera przegląd różnorodnych metod uczenia maszynowego stosowanych w empirycznej analizie przewidywalności zwrotu z aktywów. Sekcja 4 koncentruje się na analizach uczenia maszynowego modeli wyceny czynników i wynikających z nich wniosków empirycznych dotyczących kompromisów między ryzykiem a zwrotem.
Sekcja 5 przedstawia rolę uczenia maszynowego w identyfikacji optymalnych portfeli i stochastycznych czynników dyskontowych. Sekcja 6 zawiera krótkie wnioski i kierunki przyszłych prac.