Regime Learning and Prediction on Time-series Data

时间序列数据的机制学习和预测

• 批准号: 537461-2018
• 负责人: Wang, Shengrui
• 金额: $ 4.01万
• 依托单位: Université de Sherbrooke
• 依托单位国家: 加拿大
• 项目类别: Collaborative Research and Development Grants
• 财政年份: 2019
• 资助国家: 加拿大
• 起止时间: 2019-01-01 至 2020-12-31
• 项目状态: 已结题
• 来源: https://www.nserc-crsng.gc.ca/ase-oro/Details-Detailles_eng.asp?id=690613
• 关键词: Regime; Learning; Prediction; Time; series

Ce projet porte sur la détection et la caractérisation de régimes, ainsi que la prévision de changement de régime dans les données de séries temporelles, avec des applications en analyse de données financières. Un régime correspond à une structure dynamique telle que la volatilité, les tendances, la dépendance entre les actifs financiers, etc. L'analyse du changement de régime vise à détecter de telles structures et leurs durées, et de prédire si et comment les structures changeront d'un régime à un autre. C'est une question clé dans de nombreux domaines, notamment la climatologie, l'écologie environnementale, la finance et l'économie, l'énergie, la météorologie, la médecine, voire le tourisme. À titre d'exemple, les gestionnaires de portefeuille de fonds de couverture gagneraient à comprendre les implications des changements de régime dans un écosystème financier puisqu'une bonne prédiction des changements structurels à venir leur permettrait d'optimiser les décisions d'investissement, c'est-à-dire de maximiser les bénéfices et réduire les risques. Ce projet vise à comprendre la dynamique transversale du marché financier en explorant une nouvelle approche pour la détection de régimes et pour la prédiction des changements de régime. En abordant le problème du point de vue du forage de données, nous construirons un nouveau cadre permettant la découverte de la dynamique et des caractéristiques de l'écosystème financier. Notre approche comprend plusieurs composants innovants. Nous découvrons et explorons des patrons séquentiels et trajectoires pour caractériser les régimes. Nous évaluons les effets des valeurs aberrantes sur les changements de régime. Nous explorons des trajectoires afin de construire des modèles de prédiction non linéaires. Nous cherchons à identifier les règles de causalité et les relations entre les actifs financiers, afin de fournir des informations sur la formation et la durée du régime et à tirer parti de ces connaissances pour la gestion de portefeuille. Nous concevons et développons de nouveaux modèles de prédiction des changements de régime en nous basant sur l'analyse de survie, l'apprentissage profond et les nouveaux modèles de représentation basés sur motifs.

该项目旨在对制度进行检测和分析，并在一系列临时措施中对制度变化进行预判，以及对金融机构进行分析的应用程序。制度对应于波动性、趋势、金融家行为之间的依赖关系等动态结构。分析制度变化，检测结构和持续时间，以及预期的结构变化，并评论其他制度变化。这是一个在非领域、气候学、环境生态学、金融和经济、能源、气象、医学、旅游方面的问题。 À 示例名称： couverture gagneraient 的管理变革对生态系统金融机构变革结构的影响，以及决策优化器的最佳化特征投资, 这就是最大化利益和危险的最可怕的事情。该项目旨在理解金融市场的横向动态，并探索政权检测和政权变革预测的新方法。在金融家的饲料问题上，我们要始终构建新干部的活力和特征。 Notre Approche 包含 plusieurs 成分创新者。我们对赞助人的后续行动和轨迹进行了探索和探索，以实现政权的具体化。对政权变革的异常价值的影响进行理性评估。我们对非线性预测模型的构建轨迹进行了探索。我们知道金融家之间的因果关系和关系，以及有关形成和政权持续时间的信息以及港口管理方面的知识。我们基于对调查的分析、对主题的深入研究和新模式的研究，对制度变革的预测进行了思考和发展。