上海大数据股份|陷入深度学习的无边魅力，当经济学遇上AI( 二 )
【上海大数据股份|陷入深度学习的无边魅力，当经济学遇上AI】深度学习下的银行和在线市场
在网上购物和信用卡场景中对欺诈检测要求非常高 ， 当前强化学习最先进的研究成果如下表所示：
文章图片
应用基础实验证实了AE（自动编码）和RBM（玻尔兹曼机）方法能够在海量数据集下准确地检测信用卡的风险 。 但是深度学习在建立模型时需要利用影响其结果的不同参数 。
他们提出的研究设计了一种自动编码器算法 ， 建立的高效自动化工具可以处理世界各地日常交易 。 该模型使研究人员可以在不需要使用欠抽样等数据平衡方法的情况下 ， 给出关于不平衡数据集的报告 。
他们设计了一个使用自然语言处理(NLP)技术的新框架 ， 能够形成与各种数据源（如新闻和推文）相关联的复杂机制 ， 从而有效检测洗钱活动 。
深度学习下的宏观经济
宏观经济最重要的问题是指标预测 ， 包括失业率、GDP增长速率等 。 采用神经网络的方法 ， 最新的研究成果如下图所示：
文章图片
他们提出了一种高鲁棒性模型——编码器-解码器模型 ， 利用深度神经架构提高失业问题预测精度 ， 并且精度要求很低 。 另外 ， 在此基础上 ， 其还采用平均绝对误差（MAE）值来评估结果 。
Haider和Hanif构建神经网络预测通货膨胀 ， 其结果由均方根（RMSE）值来评估 。
他们使用前馈神经网络进行战术性资产配置 ， 同时应用宏观经济指标和价量趋势 。 他们提出了两种不同的方法来构建投资组合 ， 第一种方法用于估计预期收益和不确定性 ， 第二种方法直接利用神经网络结构获得配置 ， 并对投资组进行优化 。
金融市场中的深度学习
在金融市场中 ， 有效处理信贷风险至关重要 。 由于最近大数据技术的进步 ， 深度学习模型可以设计出可靠的金融模型来预测银行系统的信用风险 ， 最新研究如下表：
文章图片
使用二进制分类技术给出了选定的机器学习和深度学习模型的基本特征 。 此外 ， 考虑到贷款定价过程中的关键特征和算法 ， 此研究分别使用这两个模型对贷款违约概率进行了预测 。
其研究的方法可以帮助金融机构以较少的工作量进行信用评估 ， 同时能够提高信用评分和客户评级方面的分类准确性 。 另外 ， 还对线性SVM ， CART ， k-NN ， 朴素贝叶斯 ， MLP和RF技术的精确度进行了比较 。
通过自动编码、校准、验证等过程构建了一个资产组合算法 ， 可以应用于包括看跌期权和看涨期权在内的具有标的股票的投资组合 。
他们建立了抵押贷款风险的深度学习模型 ， 能够处理庞大的数据集 。 实验结果发现：受当地经济状况影响的变量与债务人行为之间具有非线性关系 。 例如 ， 失业变量在抵押贷款风险中占有相当大的比重 。
深度学习下的投资
财务问题通常需要对多个来源的数据集进行分析 。 因此 ， 构建一个可靠的模型来处理数据中的异常值和特征非常重要 。 最新研究成果如下图：
文章图片
其设计的模型具有提取非线性数据模式的能力 。 他们使用LSTM、自动编码和智能索引等神经网络体系结构来估计证券投资组合的风险 。
利用DNN结构对期权定价问题进行了研究 ， 以相当高的精度重构了著名的BLACK-SCHOLES期权定价模型计算公式 。
结合交易复杂性研究了期权定价问题 ， 其研究目标是探索高频交易方式下的有效投资策略 。 其中 ， LSTM-SVR模型应用于最终交易的预测 。
推荐阅读
- ：当年阿里的前台，马云给她0.2%股份，20年过去她怎样了？
- Python之王|Pandas数据合并与拼接的5种方法
- 「杨辉」中科院学者涉嫌剽窃科研想法、数据造假，听一场报告就能发Cell？
- 科技小数据|产业观察：如何通俗地理解5G及其应用
- 雷科技|为解决App连接问题，特斯拉迁移数据至中国，开车不再“卡顿”
- 大数据系统|倾力分享！，2020小红书kol推广8种玩法
- 小熊带你玩科技|全新等离子体光子芯片：利用光进行超高速数据传输
- 蓝色星晨|以对比1977年的气候变化数据，科学家在南极最大冰架上钻取样品
- 灵锦文化|网络安全需求有望进一步加速释放，《数据安全法》出台
- 鲍跃忠新零售工作室|数据的价值在于链接