评估模拟金融时间序列以改进生成过程的机器学习方法：ETS挑战
摘要：一种评估框架用于量化模拟金融时间序列的“真实度”，无论模拟方法如何，旨在发现未能正确复制的未知特征，以改进它们。为此，评估框架被提出为一个机器学习问题，其中一些给定的时间序列示例必须被分类为模拟或真实金融时间序列。这个“挑战”被提出为一个开放的竞赛，类似于在Kaggle平台上发布的竞赛，参与者必须发送他们的分类结果以及所使用的特征和分类器的描述。这些“挑战”的结果揭示了金融数据的一些有趣属性，并在我们的研究中导致了重大的改进，其中一些将在本文中描述。
作者：Javier Franco-Pedroso, Joaquin Gonzalez-Rodriguez, Maria Planas, Jorge Cubero, Rafael Cobo, Fernando Pablos
论文ID：1811.07792
分类：Computational Finance
分类简称：q-fin.CP
提交时间：2018-11-20