ETS挑战：评估

低性能突出显示，表明模拟方法生成的时间序列更接近真实时间序列。AUCSDE GARCH BEKK方法2GBM CEV EGARCH GJR 2-dim 5-dim参考1 0.81 0.79 0.61 0.62 0.62 0.63 0.55参考2 0.89 0.89 0.68 0.66 0.65 0.76 0.56参考3 0.98 0.98 0.83 0.96 0.98 0.6系统7 0.94 0.94 0.54 0.51 0.91 0.94 0.51系统2 0.98 0.94 0.94 0.94 0.94 0.96 0.96 0.766 |结论和未来工作论文介绍了ETS面临的挑战，公开竞赛是一个机器学习问题，参与者必须根据借助标记训练集开发的模型和特征，将测试集中的金融时间序列示例分类为真实或模拟。竞赛的目标有两个方面：第一，根据最终目标，以事实的方式测试我们开发的模拟方法的优点（生成尽可能类似于真实的金融时间序列），第二，寻找线索，不一定与已知的财产相关，以识别其弱点，从而改进它们。在《挑战》的第一版中，其中一个提交的系统表明，模拟方法使用了生成的时间序列，可以很容易地与真实时间序列进行区分，并以局部方式比较其自相关系数。此外，据观察，该系统还能够区分来自不同时间段的实时时间序列的不同子集，揭示出尽管金融时间序列不存在，但在给定时间段内不同股票之间共享，并且随时间变化。在《挑战》第二版中，完成了两项发现。

一方面，其中一个提交的系统（系统7）发现了一个与模拟过程无关的问题，但与实时时间序列本身有关，因为它检测到实时和模拟时间序列之间仍然存在差异，需要进一步研究。此外，针对这些挑战制定的评估框架使我们能够将最新版本的模拟方法与其他一些众所周知和广泛使用的方法进行实际比较，表明我们的模拟方法表现出了生成性对抗网络（GAN）[Ian J.Goodfelle et al.（2014）]，这在其他应用中显示了非常有希望的结果，特别是在图像合成方面。这样，整个过程可以完全自动化，避免了JAVIER FRANCO-PEDROSO等人20年的财务数据。R E F E R E N C E SAcar，E.和James，S.（1997）《金融市场中的最大损失和最大支取》。《金融市场预测国际会议记录》，FFM 04。Altman，N.（1992）《核和最近邻非参数回归导论》。美国统计学家-美国统计学家，46175–185。Anderson，T.W.和Darling，D.A.（1952）基于随机过程的某些“拟合优度”准则的渐近理论。安。数学统计员。，23, 193–212. URL：https://doi.org/10.1214/aoms/1177729437.Bishop，C.M.（1995）模式识别的神经网络。美国纽约州纽约市：牛津大学出版社，股份有限公司Bollerslev，T.（1986）广义自回归条件异方差。《计量经济学杂志》，31307-327。Breiman，L.（2001）《随机森林》。机器学习，45，5–32。URL：https://doi.org/10.1023/A:1010933404324.Chakraborti，A.、Patriarca，M.和Santhanam，M.S.（2007）《金融时间序列分析：简要概述》。论文，arXiv。组织。URL：https://EconPapers.repec.org/RePEc:arx:papers:0704.1738.ContR

（2001）《资产回报的经验性质：程式化事实和统计问题》。量化金融，1223–236（2007）《金融市场波动性聚类：经验事实和基于代理的模型》，289–309。施普林格柏林海德堡。URL：https://doi.org/10.1007/978-3-540-34625-8_10.Cooley，J.W.和Tukey，J.W.（1965）复傅立叶级数的机器计算算法。数学计算。，19,297–301.Everitt，B.（1981）有限混合分布。荷兰斯普林格。Fawcett，T.（2004）《Roc图：研究人员的注意事项和实际考虑》。技术代表Franco-Pedroso，J.、Gonzalez Rodriguez，J.、Cubero，J.、Planas，M.、Cobo，R.和Pablos，F.（2018）为定量交易应用生成多元金融数据的虚拟场景。论文，arXiv。组织。URL：https://arxiv.org/abs/1802.01861.Friedman，J.H.（2000）贪心函数近似：梯度推进机。《统计年鉴》，第291189-1232页。Friedman，J.H.和（y X）-值，O.K.（1999）随机梯度推进。计算统计和数据分析，38367–378。Glosten L.R.、R.J.和Runkle，D.E.（1993）关于股票名义超额回报的预期值与波动性之间的关系。《金融杂志》，481779-1801年。Goodfelle I.、Pouget Abadie J.、Mirza M.、Xu B.、Warde Farley D.、Ozair S.、Courville A.、Bengio Y.（2014）《生成性对抗性网络论文》，arXiv。组织。URL：https://arxiv.org/abs/1406.2661.Lilliefors，H.W.（1967）关于均值和方差未知的正态性kolmogorov-smirnov检验。《美国统计协会杂志》，62399-402。URL：https://amstat.tandfonline.com/doi/abs/10.1080/01621459.1967.10482916.Mandelbrot，B.（1963）某些投机价格的变化。《商业杂志》，36394-394。URL：https://ideas.repec.org/a/ucp/jnlbus/v36y1963p394.html.Mandelbrot，B.B。

（1997）《金融中的分形与标度：不连续性、集中性、风险》。Springer Verlag纽约。JAVIER FRANCO-PEDROSO ET AL.21 Mandelbrot，B.B.和Wallis，J.R.（1969）重标度范围R/s在非循环长期统计相关性测量中的稳健性。定量金融，5967–988。Maximilian Christ，Andreas W.Kempa Liehr，M.F.（2016）工业大数据应用的分布式和并行时间序列特征提取。论文，arXiv。组织。URL：https://arxiv.org/abs/1610.07717.Nair，V.和Hinton，G.E.（2010）校正线性单元改进了受限boltzmann机器。第27届国际机器学习会议记录，ICML\'10，807–814。美国：Omnipress。URL：http://dl.acm.org/citation.cfm?id=3104322.3104425.Pagan，A.（1996）《金融市场计量经济学》。定量金融，3，15–102。Plackett，R.L.（1983）Karl pearson和卡方检验。《国际统计评论/国际统计评论》，51、59–72。URL：http://www.jstor.org/stable/1402731.Plerou，V.、Gopikrishnan，P.、Rosenow，B.、Nunes Amaral，L.A.和Stanley，H.E.（1999）金融时间序列中互相关的普遍性和非普遍性。物理。修订版。Lett。，83, 1471–1474. URL：https://link.aps.org/doi/10.1103/PhysRevLett.83.1471.SharpeW.F.（1966）共同基金业绩。《商业杂志》，39119-138。URL：http://www.jstor.org/stable/2351741.