机器学习可以帮助预测下一个金融危机吗?
金融危机是什么意思?有什么经典的方法,预测此类危机吗?机器学习算法如何有助于预测他们吗?
金融危机采用多种形式:他们从主权债务违约,银行挤兑到货币危机。这些事件都有共同之处是一个内部脆弱性恶化随着时间的推移,一个相关的触发后,沉淀一场金融危机。
确定具体的触发是很困难的,所以内部漏洞必须被监控的进化。这些内部弱点恰恰是什么?从统计学角度来讲,他们是在危机模型解释变量。在历史危机事件时,他们经常作为响应变量。
虽然这是经典的方法来建模,金融危机的一部分,它不是金融风险的唯一方法模型。
在古典危机模型中,标准的方法是使用逻辑回归来估计金融危机的概率。解释变量与响应变量非线性链接功能。没有危机的因变量是0和1的危机。这种方法取决于金融危机的定义。过去变量建模的帮助下最大似然通过改变曝光的解释变量的响应变量。在机器学习方面,这一种监督学习技术或逻辑回归和一个隐藏层。它也被称为浅神经网络。
从市场价格确定违约或危机概率建模方法在其他危机。例如,从信用违约互换(CDS),一个可以计算违约概率。当然,这是完全不同的从上面描述的逻辑回归和下面描述的机器学习算法的应用。
所以,机器学习算法能做些什么来改善金融危机概率的估计?首先,非监督学习是不同于监督学习在没有响应变量中。聚类是一种技术,值得强调。聚类的目的是将数据分组到一个明智的方法。这些数据组将被关联到一个重心,以帮助确定数据集的结构。集群可以应用于依赖和独立变量。而不是使用一个固定的阈值来确定货币危机,例如,我们可以把货币收益分成不同的集群和从每个集群获得一个合理的意义。
机器学习算法可以以这种方式增加重大价值。而聚类编码的力量只有一个例子,这些算法有许多其他有用的应用程序
当然,在机器学习只是一个总称许多有用的算法,机器是否真的学完全是一个不同的问题。
将训练集和测试集的时间序列,然而,仍然是在机器学习的主要弱点。如何确定分手呢?往往决定是任意的。
无论这些缺点,他们几乎偏离机器学习可以带来的好处。事实上,现在是时候投资这些功能。
如果你喜欢这篇文章,别忘了订阅有事业心的投资者
所有文章作者的观点。因此,他们不应该被视为投资建议,也不代表CFA协会的观点表达的观点或作者的雇主。爱游戏安全吗
图片来源:©盖蒂图片社/ noLimit46
专业学习CFA协会会员爱游戏安全吗
爱游戏安全吗CFA协会成员有权自行决定和自我报告的专业学习(PL)的学分,包括内容有事业心的投资者。成员可以记录学分容易使用他们在线PL追踪。
