EB-dynaRE：基于新颖基于事件的监督学习算法的布朗运动实时调整器，并以预测股票趋势为例
摘要：股票价格在一段时间内受基础宏观经济因素的影响。我们从常规假设关于市场噪音的不可预测性中跳出，通过马尔可夫决策过程对股票价格的变化建模，这是一种在部分随机情况下辅助决策的离散随机控制过程。然后，我们对股票时间序列图进行“感兴趣区域” (RoI) 池化，以利用现有数据预测未来的价格。接着，基于一对竞争的监督学习算法，我们使用生成对抗网络 (GAN) 实时重建未来股票价格的预测。此研究中使用的监督学习算法是原创的，并将有更广泛的应用。通过这些算法的集成，我们能够确定每个具体宏观经济因素对布朗/随机市场变动的影响程度。此外，我们的模型还将对其他布朗运动的预测产生更广泛的影响。
作者：Yang Chen and Emerson Li
论文ID：2003.11473
分类：General Finance
分类简称：q-fin.GN
提交时间：2020-03-26