La máquina de aprendizaje para los que no la conducta óptima

Question

Yo estaba trabajando en la fijación de precios de los complejos bermudean swaption cuando me di cuenta de que el ejercicio es a menudo (muy) subobptimal. Parece que los clientes son más sensibles a pasado el crecimiento o caída en las tasas que su valor en el momento.

Estoy buscando una manera de modelise el óptimo comportamiento y pense acerca de la Máquina de aprendizaje. Pero no puedo encontrar ninguna referencia en óptimas opciones de prueba.

¿Tienes alguna más amplio ejemplo de aprendizaje automático aplicado a la replicación de los no humanos, comportamiento óptimo ?

edit: Bueno, tengo un poco de historia en ML (Terminado Andrew Ng curso en Coursera y en la actualidad a través de un canal ESLII a un ritmo muy alto). Yo sé que hay un montón de aplicaciones (ver aquí para toneladas de ejemplo). He jugado un poco con algunos algoritmos básicos y mis datos. Tengo algunos resultados interesantes, pero también cosas que investigar. Mi pregunta era más acerca de las finanzas cuantitativas.

Answer 1

Tu pregunta es demasiado amplia, pero yo hay un montón de ejemplos de usos de la máquina de aprendizaje a imitar el comportamiento humano. Por ejemplo, el aprendizaje profundo ha sido utilizado hace 25 años para leer los cheques en el bancos, o máquinas de vectores soporte hace 15 años para implementar la visión artificial, o redes bayesianas para imitar experto en el diagnóstico.

Supongo que no sería tan difícil para el uso de la máquina de aprendizaje en su caso, si se puede implementar de aprendizaje supervisado. Esto significa que usted debe tener una base de datos de la toma $D$ asociadas con el producto de $P$ y el contexto de mercado $C$. Entonces su objetivo será el de emular la función: $$D=F(P,C)+\varepsilon.$$ Por supuesto (como de costumbre en el aprendizaje de máquina), tendrá que centrarse en el pre-procesamiento para asegurarse de que las características del producto y el contexto de mercado se mezclan en $F$ una manera conveniente.

Entonces usted tendrá que elegir una clase de modelo ; es difícil ayudar a usted en una etapa tan temprana, ya que una descripción de las variables y el número de datos son necesarios. Sin embargo, me dio detalles sobre las Redes Neuronales Artificiales en quant.stackexchange.

Editar:

1. usted debe buscar después de la puntuación de crédito. Que los modelos de la forma en que un consumidor va a ser riesgoso para un crédito.
2. Las redes neuronales son buenas para la estimación de una probabilidad. Se trata del hecho de que si usted entrena en una base de datos con 0 o 1 como salidas (para usted, será la observación de un ejercicio o no), que terminan con un real entre 0 y 1, es decir, la probabilidad de una prueba.

Answer 2

No estoy seguro de que el aprendizaje de máquina pudiera dar lugar a soluciones prácticas aquí. ¿Realmente tiene suficientes datos para ese tipo de técnicas?

Me gustaría sugerir un enfoque diferente: asumir que el ejercicio es la óptima, pero sólo sobre la base de un costo diferente de la función de la esperada pay-off. Si usted puede encontrar una función que reproduce bastante bien el pasado ejercicio decisiones, tal vez usted puede utilizar para predecir el futuro.