deep finance

deep-finance : Aprendizaje profundo para las finanzas

Este repositorio ya no se actualiza ya que los trabajos interesantes en este campo son raros. Si está realmente interesado en el aprendizaje profundo y las finanzas, es mejor leer artículos de alta calidad sobre pronóstico de series temporales , procesamiento del lenguaje natural , redes neuronales gráficas , sistemas de recomendación y finanzas , cuyas ideas y modelos pueden ser más útiles.

Contenido

1. Conjunto de datos
2. papel
2.1 Predicción de acciones	2.2 Selección de cartera
2.3 Gestión de riesgos	2.4 PNL de finanzas
2.5 cadena de bloques	2.6 Creador de mercado
2.7 Otros
3. Reservar
4. Grupo de discusión

Conjunto de datos

Conjunto de datos	Tarea	Describir
StockNet	Predicción del movimiento de acciones	Un conjunto de datos completo para la predicción del movimiento de acciones a partir de tweets y precios históricos de las acciones.
GananciasLlamar	Predicción de riesgo bursátil	El conjunto de datos de conferencias telefónicas sobre ganancias de las empresas del S&P 500.
FinSBD-2019	Detección de límites de frases financieras	El conjunto de datos FinSBD-2019 contiene texto financiero que se ha segmentado previamente automáticamente, que se puede utilizar para la detección de límites de sentencias financieras.
Banco de frases financieras	Detección de límites de frases financieras	El conjunto de datos de Financial Phrasebank consta de 4845 frases en inglés seleccionadas al azar de noticias financieras que se encuentran en la base de datos LexisNexis.
FiQA	Respuesta a preguntas financieras	El conjunto de datos de control de calidad financiero se crea rastreando las publicaciones de Stack Exchange bajo el tema Inversión en el período comprendido entre 2009 y 2017.
FiQA SA	Análisis del sentimiento financiero	El conjunto de datos de FiQA SA incluye dos tipos de discurso: titulares de noticias financieras y microblogs financieros, con entidades objetivo, puntuaciones de sentimiento y aspectos anotados manualmente.

Papel

Predicción de acciones

1. Aplicaciones del aprendizaje profundo en la predicción del mercado de valores: avances recientes . arxiv 2020. papel

   Wei Wei Jiang

2. Indicador individualizado para todos: optimización de indicadores técnicos de stock con incorporación de stock . KDD 2019. papel

   Zhige Li, Derek Yang, Li Zhao, Jiang Bian, Tao Qin y Tie-Yan Liu

3. Los comportamientos de inversión pueden decir qué hay dentro: exploración de las propiedades intrínsecas de las acciones para la predicción de las tendencias de las acciones . KDD 2019. papel

   Chi Chen, Li Zhao, Jiang Bian, Chunxiao Xing y Tie-Yan Liu

4. Exploración de redes neuronales gráficas para predicciones del mercado de valores con análisis de ventana móvil . CoRR 2019. artículo

   Daiki Matsunaga, Toyotaro Suzumura, Toshihiro Takahashi

5. Clasificación relacional temporal para predicción de acciones . TOÍS 2019. papel

   Fuli Feng, Xiangnan He, Xiang Wang, Cheng Luo, Yiqun Liu, Tat-Seng Chua

6. Incorporación de relaciones corporativas a través de redes neuronales convolucionales gráficas para la predicción del precio de las acciones . CIKM 2018. papel

   Yingmei Chen, Zhongyu Wei, Xuanjing Huang

7. Incrustación de eventos basada en conocimiento para la predicción de acciones . COLECCIÓN 2016. papel

   Xiao Ding, Yue Zhang, Ting Liu, Junwen Duan

8. HATS: una red de atención de gráficos jerárquicos para la predicción del movimiento de acciones . arxiv 2019. papel

   Raehyun Kim, Chan Ho So, Minbyul Jeong, Sanghoon Lee, Jinkyu Kim, Jaewoo Kang

9. Red Jerárquica de Atención Complementaria para la Predicción de Movimientos de Precios de Acciones con Noticias . CIKM 18 . papel

   Qikai Liu, Xiang Cheng, Sen Su, Shuguang Zhu

10. Predicción del movimiento de acciones a partir de tweets y precios históricos . ACL 2018. papel

    Yumo Xu, Shay B. Cohen

más

11. Lo que dices y cómo lo dices importa: predecir el riesgo financiero mediante señales verbales y vocales . ACL 2019. papel

    Yu Qin, Yi Yang

12. Escuchar susurros caóticos: un marco de aprendizaje profundo para la predicción de tendencias bursátiles orientada a las noticias . WSDM 2018. papel

    Ziniu Hu, Weiqing Liu, Jiang Bian, Xuanzhe Liu

13. Mejora de la predicción del movimiento de acciones con entrenamiento adversario . IJCAI 2019. papel

    Fuli Feng, Huimin Chen, Xiangnan He, Ji Ding, Maosong Sun, Tat-Seng Chua

14. "Redes neuronales recurrentes multitarea y campos aleatorios de Markov de orden superior para la predicción del movimiento del precio de las acciones" . KDD 2019. papel

    Chang Li (Facultad de Ciencias de la Computación de la Universidad de Sydney); Dongjin Song (Mercado de Capitales CRC); Dacheng Tao (NEC);

15. Predicción del precio de las acciones mediante el descubrimiento de patrones comerciales multifrecuencia . KDD 2017. papel

    Liheng Zhang, Charu C. Aggarwal, Guojun Qi

16. "Una red neuronal recurrente basada en la atención de dos etapas para la predicción de series temporales" . IJCAI 2017. papel

    Yao Qin, Dongjin Song, Haifeng Chen, Wei Cheng, Guofei Jiang, Garrison Cottrell

17. Modelado de la relación bursátil con Graph Network para la predicción del movimiento bursátil a un día . IJCAI 2020: IA en FinTech. papel

    Wei Li, Ruihan Bao, Keiko Harimoto, Deli Chen, Jingjing Xu, Qi Su

18. "Un núcleo entrópico de inspiración cuántica para análisis de múltiples series temporales financieras" . IJCAI 2020: IA en FinTech. papel

    Lu Bai, Lixin Cui, Yue Wang, Yuhang Jiao, Edwin R. Hancock

19. Transformador gaussiano jerárquico multiescala para predicción del movimiento de acciones . IJCAI 2020: IA en FinTech. papel

    Qianggang Ding, Sifan Wu, Hao Sun, Jiadong Guo, Jian Guo

20. Red neuronal profunda bidireccional de múltiples escalas para la predicción de tendencias bursátiles . IJCAI 2020: IA en FinTech. papel

    Guang Liu, Yuzhao Mao, Qi Sun, Hailong Huang, Weiguo Gao, Xuan Li, Jianping Shen, Ruifan Li, Xiaojie Wang

Selección de cartera

1. "Un algoritmo de aprendizaje por refuerzo de dos niveles para un problema ambiguo de selección de cartera con varianza media" . IJCAI 2020: IA en FinTech. papel

   Xin Huang, Duan Li

2. Experimento de pensamiento financiero: un enfoque basado en GAN para una selección de carteras amplia y sólida . IJCAI 2020: IA en FinTech. papel

   Chi Seng Pun, Lei Wang, Hoi Ying Wong

3. MAPS: Sistema de gestión de cartera basado en el aprendizaje por refuerzo de múltiples agentes. . IJCAI 2020: IA en FinTech. papel

   Jinho Lee, Raehyun Kim, Seok-Won Yi, Jaewoo Kang

4. Selección de cartera en línea con restricción de cardinalidad y costos de transacción basados ​​en Contextual Bandit . IJCAI 2020: IA en FinTech. papel

   Mengying Zhu, Xiaolin Zheng, Yan Wang, Qianqiao Liang, Wenfang Zhang

5. RM-CVaR: Cartera Múltiple Regularizada de β-CVaR . IJCAI 2020: IA en FinTech. papel

   Kei Nakagawa, Shuhei Noma, Masaya Abe

6. Transformador consciente de las relaciones para el aprendizaje de políticas de cartera . IJCAI 2020: IA en FinTech. papel

   Ke Xu, Yifan Zhang, Deheng Ye, Peilin Zhao, Mingkui Tan

7. Estrategia de reversión de ponderación autorregresiva vectorial para selección de cartera en línea . IJCAI 2020: IA en FinTech. papel

   Xia Cai

8. Un marco de ejecución comercial óptimo de extremo a extremo basado en la optimización de políticas próximas . IJCAI 2020: IA en FinTech. papel

   Siyu Lin, Peter A. Beling

Gestión de riesgos

1. Análisis de riesgo financiero para PYMES con minería de cadena de suministro basada en gráficos . IJCAI 2020: IA en FinTech. papel

   Shuo Yang, Zhiqiang Zhang, Jun Zhou, Yang Wang, Wang Sun, Xingyu Zhong, Yanming Fang, Quan Yu, Yuan Qi

2. Metaaprendizaje federado para la detección de tarjetas de crédito fraudulentas . IJCAI 2020: IA en FinTech. papel

   Wenbo Zheng, Lan Yan, Chao Gou, Fei-Yue Wang

3. "El signo de comportamiento del robo de cuentas: realización de una alerta de fraude en pagos en línea" . IJCAI 2020: IA en FinTech. papel

   Cheng Wang

4. Detección de estafas de phishing en Ethereum: hacia la seguridad financiera del ecosistema Blockchain . IJCAI 2020: IA en FinTech. papel

   Weili Chen, Xiongfeng Guo, Zhiguang Chen, Zibin Zheng, Yutong Lu

5. Aprendizaje multimodal interpretable para la regulación inteligente en sistemas de pago online . IJCAI 2020: IA en FinTech. papel

   Shuoyao Wang, Diwei Zhu

6. Predicción de riesgos de garantía en préstamos en red . IJCAI 2020: IA en FinTech. papel

   Dawei Cheng, Xiaoyang Wang, Ying Zhang, Liqing Zhang

7. Optimización de la región de confianza con aversión al riesgo para reducir la volatilidad de las recompensas . IJCAI 2020: IA en FinTech. papel

   Lorenzo Bisi, Luca Sabbioni, Edoardo Vittori, Matteo Papini, Marcello Restelli

8. Destacar anomalías mediante patrones frecuentes . KDD 2017: Detección de anomalías en finanzas. papel

   Jaroslav Kuchař, Vojtěch Svátek

9. Detección colectiva de fraude capturando la dependencia entre transacciones . KDD 2017: Detección de anomalías en finanzas. papel

   Bokai Cao, Mia Mao, Siim Viidu, Philip S. Yu

10. Sistema automatizado para la detección de anomalías en atributos de datos . KDD 2017: Detección de anomalías en finanzas. papel

    Nalin Aggarwal, Alexander Statnikov, Chao Yuan

más

11. Investigación de resultados adversos mediante la detección de anomalías . KDD 2017: Detección de anomalías en finanzas. papel

    Michelle Miller, Robert Cézeaux

12. Detección de anomalías con árboles de estimación de densidad . KDD 2017: Detección de anomalías en finanzas. papel

    Parikshit Ram, Alexander Gray

13. "Núcleos agrupados para la detección de anomalías en datos de múltiples escalas de tiempo mediante procesos gaussianos" . KDD 2017: Detección de anomalías en finanzas. papel

    Matthew van Adelsberg y Christian Schwantes

14. Detección de anomalías basada en conjuntos mediante acuerdo cooperativo . KDD 2017: Detección de anomalías en finanzas. papel

    Rasha Kashef

15. Sistema de detección de anomalías en tiempo real para series temporales a escala . KDD 2017: Detección de anomalías en finanzas. papel

    Ira Cohen, Meir Toledano, Yonatan Ben Simhon, Inbal Tadeski

16. PD-FDS: Sistema de detección de fraude con tarjetas de crédito en línea basado en la densidad de compras . KDD 2017: Detección de anomalías en finanzas. papel

    Youngjoon Ki, Ji Won Yoon

17. Aprendizaje profundo para detectar fraude en tratamientos entre proveedores de atención médica . KDD 2017: Detección de anomalías en finanzas. papel

    Daniel Lasaga, Prakash Santhana

PNL Finanzas

1. Asesor de cumplimiento semántico profundo para la verificación del cumplimiento de documentos no estructurados . IJCAI 2020: IA en FinTech. papel

   Honglei Guo, Bang An, Zhili Guo, Zhong Su

2. "The Squawk Bot": aprendizaje conjunto de series temporales y modalidades de datos de texto para el filtrado automatizado de información financiera . IJCAI 2020: IA en FinTech. papel

   Xuan-Hong Dang, Syed Yousaf Shah, Petros Zerfos

3. Un modelo unificado para la clasificación, detección y resumen de eventos financieros . IJCAI 2020: IA en FinTech. papel

   Quanzhi Li, Qiong Zhang

4. F-HMTC: Detección de eventos financieros para decisiones de inversión basadas en clasificación de texto de etiquetas múltiples jerárquica neuronal . IJCAI 2020: IA en FinTech. papel

   Xin Liang, Dawei Cheng, Fangzhou Yang, Yifeng Luo, Weining Qian, Aoying Zhou

5. Predicción de riesgos financieros con red de atención de preguntas y respuestas de múltiples rondas . IJCAI 2020: IA en FinTech. papel

   Zhen Ye, Yu Qin, Wei Xu

6. FinBERT: un modelo de representación de lenguaje financiero previamente entrenado para la minería de textos financieros . IJCAI 2020: IA en FinTech. papel

   Zhuang Liu, Degen Huang, Kaiyu Huang, Zhuang Li, Jun Zhao

7. Clonación de comportamiento en dos etapas para el sistema de diálogo hablado en el cobro de deudas . IJCAI 2020: IA en FinTech. papel

   Zihao Wang, Jia Liu, Hengbin Cui, Chunxiang Jin, Minghui Yang, Yafang Wang, Xiaolong Li, Renxin Mao

cadena de bloques

1. BitcoinHeist: análisis de datos topológicos para la predicción de ransomware en la cadena de bloques de Bitcoin . IJCAI 2020: IA en FinTech. papel

   Cuneyt G. Akcora, Yitao Li, Yulia R. Gel, Murat Kantarcioglu

2. SEBF: un modelo de extensión de Blockchain basado en una sola cadena para Fintech . IJCAI 2020: IA en FinTech. papel

   Yimu Ji, Weiheng Gu, Fei Chen, Xiaoying Xiao, Jing Sun, Shangdong Liu, Jing He, Yunyao Li, Kaixiang Zhang, Fen Mei, Fei Wu

3. Infochain: un oráculo descentralizado, sin confianza y transparente en Blockchain . IJCAI 2020: IA en FinTech. papel

   Naman Goel, Cyril van Schreven, Aris Filos-Ratsikas, Boi Faltings

Creador de mercado

1. Manipulación del mercado: un marco de aprendizaje contradictorio para la detección y la evasión . IJCAI 2020: IA en FinTech. papel

   Xintong Wang, Michael P. Wellman

2. Creación de mercado basada en datos mediante aprendizaje sin modelos . IJCAI 2020: IA en FinTech. papel

   Yueyang Zhong, YeeMan Bergstrom, Amy Ward

3. Creación de mercado sólida a través del aprendizaje por refuerzo adversario . IJCAI 2020: IA en FinTech. papel

   Thomas Spooner, Rahul Savani

Otros

1. IGNITE: un juego Minimax para aprender los efectos de los tratamientos individuales a partir de datos de observación en red . IJCAI 2020: IA en FinTech. papel

   Ruocheng Guo, Jundong Li, Yichuan Li, K. Selçuk Candan, Adrienne Raglin, Huan Liu

2. Aprendizaje basado en tareas a través de una red de predicción orientada a tareas con aplicaciones en finanzas . IJCAI 2020: IA en FinTech. papel

   Di Chen, Yada Zhu, Xiaodong Cui, Carla P. Gomes

3. WATTNet: Aprender a operar con divisas mediante una representación espacio-temporal jerárquica de series temporales altamente multivariadas . IJCAI 2020: IA en FinTech. papel

   Michael Poli, Parque Jinkyoo, Ilija Ilievski

Libro

1. La econometría de los mercados financieros

   John Y. Campbell, Andrew W. Lo, A. Craig Mackinlay

2. Avances en el aprendizaje automático financiero

   Marcos López de Prado

3. Decisiones y mercados financieros: un curso sobre fijación de precios de activos

   J. Campbell

Grupo de discusión

对于AI+Finanzas方向感兴趣的童鞋，欢迎扫描下面的二维码学习交流：