信息令牌驱动的机器学习在电子市场中的应用：行为金融大数据分析的绩效影响
摘要：金融服务在信息增长的普遍加速中被纳入了信息动态的演变。具有挑战性的不仅仅是数据量的大幅增加，还有大数据现象中的速度、复杂性和不可预测性所带来的挑战。数学、统计学和技术被创造性地利用来创造分析解决方案。鉴于金融大数据(FBD)的许多独特特征，有必要洞察可以用于创建FBD特定解决方案的策略和模型。作为FBD子集的行为金融数据正在呈现指数增长，这为利用大数据分析方法研究行为金融提供了前所未有的机会。本研究将机器学习(ML)技术和行为金融类别进行了映射，以探索利用ML技术来解决FBD中的行为因素的潜力。本研究提出了这种方法的本体可行性，并提出了主要目的-基于ML的行为模型可以有效估计FBD的绩效。一个简单的机器学习算法成功地应用于研究人工股票市场中的行为绩效，以验证这些命题。 关键词：信息；大数据；电子市场；分析；行为。
作者：Jim Samuel
论文ID：2004.06642
分类：General Finance
分类简称：q-fin.GN
提交时间：2020-04-15