搜狐首页 财经 法医秦明2

手机搜狐

SOHU.COM

女性交易思路结合智能技术使其更加稳定

女性交易思路结合智能技术使其更加稳定

机器学习和人工智能技术已被应用于构建在线投资组合选择策略。通过在线学习算法和统计预测模型来研究逆向现象是一种流行的和最先进的策略系列。尽管在一些基准数据集上取得了有希望的结果,但这些策略通常采用基于选择标准的单一模型来预测未来价格。

然而,这样的模型选择通常不稳定,并且可能会导致最终估计中不必要的高度可变性,导致实际数据集中的预测性能较差,从而导致非最优投资组合。为了克服这些缺点,本文提出利用组合预测估计量来反演现象,并设计了一种新型的在线投资组合选择策略,称为组合预测回归(CFR),其基于改进的回归估计器输出最优投资组合。

我们进一步提出了一种基于在线模拟器(ONS)和在线梯度下降(OGD)算法的高效CFR实现方法,并从理论上分析了所提算法的遗憾边界,从而保证在线CFR模型的性能与最佳CFR模型事后。

我们通过广泛的实验来评估各种实际市场上提出的算法。实证结果表明,CFR可以有效克服现有回复策略的弊端并实现最先进的性能。我们进一步提出了一种基于在线牛顿步(ONS)和在线梯度下降(OGD)算法的高效CFR实现方法,并从理论上分析了所提算法的遗憾边界,从而保证在线CFR模型的性能与最佳CFR模型事后。

我们通过广泛的实验来评估各种实际市场上提出的算法。实证结果表明,CFR可以有效克服现有回复策略的弊端并实现最先进的性能。我们进一步提出了一种基于在线牛顿步(ONS)和在线梯度下降(OGD)算法的高效CFR实现方法,并从理论上分析了所提算法的遗憾边界,从而保证在线CFR模型的性能与最佳CFR模型事后。

我们通过广泛的实验来评估各种实际市场上提出的算法。实证结果表明,CFR可以有效克服现有回复策略的弊端并实现最先进的性能。我们通过广泛的实验来评估各种实际市场上提出的算法。实证结果表明,CFR可以有效克服现有回复策略的弊端并实现最先进的性能。我们通过广泛的实验来评估各种实际市场上提出的算法。实证结果表明,CFR可以有效克服现有回复策略的弊端并实现最先进的性能。

莱斯特大学经济系的研究人员发现,男性交易者的平均收入低于女性,但由于他们更愿意承担更大的风险,总体表现最好的个人可能是男性。研究还表明,增加女性交易者的比例会使市场更加波动,但同时可以减少极端事故的发生。

在以前的研究中,类固醇激素(如睾酮)已被证明会影响人体的风险偏好,导致更高的风险偏好,甚至导致不合理的风险承担。此外,激素水平已被证明受交易结果的影响,而且男性对这种影响比女性更敏感。这导致决策者,学者和媒体呼吁重新平衡金融市场的性别比例,以使其更加稳定。

在这项工作中,莱斯特大学的研究人员考虑了金融市场交易者之间的相互作用。他们创建了一个计算机模型来研究整个市场的荷尔蒙效应。通过使用这种方法,他们能够证明个体观察到的生理影响对整个市场具有惊人的影响。

莱斯特大学经济系财务高级讲师兼莱斯特金融研究所副主任Daniel Ladley博士说:“这些调查结果涉及金融公司以及监管机构和那些希望改变性别平衡的人士在金融市场。

“尽管男性交易者可能表现不佳,但金融公司的奖励计划可能仍然会导致大量男性交易者,而金融奖金计划通常会奖励最佳表现者,并且往往导致大量其他交易者被放弃,甚至可能会有一些那些赚取微薄利润的人。重要的是要注意,这些实验中表现较好的男性交易者并不更熟练,而是通过运气赚取更多利润 - 减少风险厌恶,从而增加投资,以回应利润。表现较好的女性交易者不易受这些影响,因此尽可能减少极端利润,但却损失较少的金钱。因此,激素效应可能解释为什么金融市场由男性主导。试图重新平衡贸易商人群以更好地与整体人口相匹配,可能需要完全改变金融公司奖励员工的方式 - 从优秀员工的大额奖金转移到更好地奖励持续利润的系统。“

精选