deep finance

deep-finance : глубокое обучение для финансов

Репозиторий больше не обновляется, так как интересные работы в этой области встречаются редко. Если вы действительно интересуетесь глубоким обучением и финансами, лучше прочитать высококачественные статьи по прогнозированию временных рядов , обработке естественного языка , графовым нейронным сетям , системе рекомендаций и финансам , чьи идеи и модели могут оказаться более полезными.

Содержание

1. Набор данных
2. Бумага
2.1 Прогноз акций	2.2 Выбор портфеля
2.3 Управление рисками	2.4 Финансовое НЛП
2.5 Блокчейн	2.6 Маркет-мейкер
2.7 Другие
3. Забронировать
4. Дискуссионная группа

Набор данных

Набор данных	Задача	Описывать
Стокнет	Прогноз движения запасов	Комплексный набор данных для прогнозирования движения акций на основе твитов и исторических цен на акции.
ЗаработокЗвонок	Прогнозирование фондового риска	Набор данных о прибылях и убытках компаний из списка S&P 500.
ФинСБД-2019	Обнаружение границ финансового предложения	Набор данных FinSBD-2019 содержит финансовый текст, который был предварительно сегментирован автоматически, и который можно использовать для определения границ финансовых предложений.
Финансовый Фразебанк	Обнаружение границ финансового предложения	Набор данных Financial Phrasebank состоит из 4845 предложений на английском языке, выбранных случайным образом из финансовых новостей, найденных в базе данных LexisNexis.
FiQA	Ответы на финансовые вопросы	Набор данных финансового контроля качества создается путем сканирования сообщений обмена Stack по теме «Инвестиции» за период с 2009 по 2017 год.
ФиКА СА	Анализ финансовых настроений	Набор данных FiQA SA включает в себя два типа дискурса: заголовки финансовых новостей и финансовые микроблоги с вручную аннотированными целевыми объектами, оценками настроений и аспектами.

Бумага

Прогноз акций

1. Применение глубокого обучения в прогнозировании фондового рынка: недавний прогресс . архив 2020. бумага

   Вэйвэй Цзян

2. Индивидуализированный индикатор для всех: оптимизация технических индикаторов по акциям с помощью встраивания акций . КДД 2019. бумага

   Чжиге Ли, Дерек Ян, Ли Чжао, Цзян Бянь, Тао Цинь и Те-Янь Лю

3. Инвестиционное поведение может рассказать, что находится внутри: изучение внутренних свойств акций для прогнозирования трендов акций . КДД 2019. бумага

   Чи Чен, Ли Чжао, Цзян Бянь, Чуньсяо Син и Те-Янь Лю

4. Исследование нейронных сетей графов для прогнозирования фондового рынка с помощью анализа скользящего окна . КоррР 2019. Статья

   Дайки Мацунага, Тойотаро Судзумура, Тошихиро Такахаси

5. Временной реляционный рейтинг для прогнозирования акций . ТОИС 2019 . бумага

   Фули Фэн, Сяннань Хэ, Сян Ван, Чэн Ло, Ицюнь Лю, Тат-Сэн Чуа

6. Включение корпоративных отношений с помощью сверточных нейронных сетей на графах для прогнозирования цен на акции . ЦИКМ 2018 . бумага

   Инмэй Чен, Чжунъюй Вэй, Сюаньцзин Хуан

7. Встраивание событий на основе знаний для прогнозирования акций . КОЛИНГ 2016 . бумага

   Сяо Дин, Юэ Чжан, Тин Лю, Цзюньвэнь Дуань

8. HATS: сеть внимания на иерархическом графике для прогнозирования движения акций . архив 2019. бумага

   Рэхён Ким, Чан Хо Со, Минбёль Чон, Санхун Ли, Джинкю Ким, Джэу Кан

9. Иерархическая дополнительная сеть внимания для прогнозирования движения цен на акции с помощью новостей . ЦИКМ 18 . бумага

   Цикай Лю, Сян Чэн, Сен Су, Шугуан Чжу

10. Прогноз движения акций на основе твитов и исторических цен . АКЛ 2018 . бумага

    Юмо Сюй, Шэй Б. Коэн

более

11. То, что вы говорите и как вы говорите, имеет значение: прогнозирование финансового риска с помощью вербальных и голосовых сигналов . АКЛ 2019 . бумага

    Юй Цинь, И Ян

12. Слушая хаотический шепот: система глубокого обучения для ориентированного на новости прогнозирования трендов акций . ВСДМ 2018. бумага

    Цзинью Ху, Вейцин Лю, Цзян Бянь, Сюаньчжэ Лю

13. Улучшение прогнозирования движения запасов с помощью состязательного обучения . IJCAI 2019 . бумага

    Фули Фэн, Хуйминь Чен, Сяннань Хэ, Цзи Дин, Маосун Сунь, Тат-Сэн Чуа

14. Многозадачные рекуррентные нейронные сети и марковские случайные поля высшего порядка для прогнозирования движения цен на акции . КДД 2019 . бумага

    Чанг Ли (Школа компьютерных наук Сиднейского университета); Дунцзин Сонг (CRC рынка капитала); Даченг Тао (NEC);

15. Прогнозирование цен на акции посредством обнаружения многочастотных торговых моделей . КДД 2017 . бумага

    Лихэн Чжан, Чару К. Аггарвал, Гоцзюнь Ци

16. Двухэтапная рекуррентная нейронная сеть на основе внимания для прогнозирования временных рядов . IJCAI 2017. бумага

    Яо Цинь, Сун Дунцзинь, Хайфэн Чен, Вэй Чэн, Гофэй Цзян, Гаррисон Коттрелл

17. Моделирование соотношения запасов с помощью графовой сети для прогнозирования движения запасов в ночное время . IJCAI 2020: ИИ в FinTech. бумага

    Вэй Ли, Жуйхан Бао, Кейко Харимото, Дели Чен, Цзинцзин Сюй, Ци Су

18. Квантовое энтропийное ядро ​​для анализа множественных финансовых временных рядов . IJCAI 2020: ИИ в FinTech. бумага

    Лу Бай, Ликсин Цуй, Юэ Ван, Юхан Цзяо, Эдвин Р. Хэнкок

19. Иерархический многомасштабный преобразователь Гаусса для прогнозирования движения запасов . IJCAI 2020: ИИ в FinTech. бумага

    Цянган Дин, Сифань Ву, Хао Сунь, Цзядун Го, Цзянь Го

20. Многомасштабная двусторонняя глубокая нейронная сеть для прогнозирования биржевых трендов . IJCAI 2020: ИИ в FinTech. бумага

    Гуан Лю, Ючжао Мао, Ци Сун, Хайлун Хуан, Вэйго Гао, Сюань Ли, Цзяньпин Шен, Жуйфань Ли, Сяоцзе Ван

Выбор портфолио

1. Двухуровневый алгоритм обучения с подкреплением для задачи выбора портфеля с неоднозначной средней дисперсией . IJCAI 2020: ИИ в FinTech. бумага

   Синь Хуан, Дуань Ли

2. Финансовый мысленный эксперимент: подход к обширному и надежному выбору портфеля на основе GAN . IJCAI 2020: ИИ в FinTech. бумага

   Чи Сенг Пун, Лэй Ван, Хой Ин Вонг

3. MAPS: Многоагентная система управления портфелем на основе обучения с подкреплением. . IJCAI 2020: ИИ в FinTech. бумага

   Ли Джинхо, Ким Рэхён, И Сок-Вон, Кан Джэу

4. Онлайн-выбор портфеля с ограничением мощности и транзакционными издержками на основе контекстного бандита . IJCAI 2020: ИИ в FinTech. бумага

   Мэнъин Чжу, Сяолинь Чжэн, Ян Ван, Цяньцяо Лян, Вэньфан Чжан

5. RM-CVaR: регуляризованный портфель множественных β-CVaR . IJCAI 2020: ИИ в FinTech. бумага

   Кей Накагава, Сюхей Нома, Масая Абэ

6. Трансформатор с учетом отношений для обучения политике портфеля . IJCAI 2020: ИИ в FinTech. бумага

   Кэ Сюй, Ифань Чжан, Дэхэн Е, Пейлинь Чжао, Минкуй Тан

7. Стратегия векторной авторегрессии взвешивания для выбора онлайн-портфеля . IJCAI 2020: ИИ в FinTech. бумага

   Ся Цай

8. Комплексная структура оптимального исполнения сделок, основанная на оптимизации проксимальной политики . IJCAI 2020: ИИ в FinTech. бумага

   Сию Линь, Питер А. Белинг

Управление рисками

1. Анализ финансовых рисков для МСП с помощью анализа цепочек поставок на основе графов . IJCAI 2020: ИИ в FinTech. бумага

   Шуо Ян, Чжицян Чжан, Цзюнь Чжоу, Ян Ван, Ван Сунь, Синюй Чжун, Янмин Фан, Цюань Юй, Юань Ци

2. Федеративное метаобучение для обнаружения мошеннических кредитных карт . IJCAI 2020: ИИ в FinTech. бумага

   Вэньбо Чжэн, Лань Янь, Чао Гоу, Фэй-Юэ Ван

3. Поведенческий признак кражи счета: предупреждение о мошенничестве с онлайн-платежами . IJCAI 2020: ИИ в FinTech. бумага

   Чэн ВАН

4. Обнаружение фишингового мошенничества на Ethereum: на пути к финансовой безопасности экосистемы блокчейна . IJCAI 2020: ИИ в FinTech. бумага

   Вэйли Чен, Сюнфэн Го, Чжигуан Чен, Цзыбинь Чжэн, Ютун Лу

5. Интерпретируемое мультимодальное обучение для интеллектуального регулирования в системах онлайн-платежей . IJCAI 2020: ИИ в FinTech. бумага

   Шуояо Ван, Дивэй Чжу

6. Гарантийное прогнозирование риска в сетевых кредитах . IJCAI 2020: ИИ в FinTech. бумага

   Давэй Чэн, Сяоян Ван, Ин Чжан, Лицин Чжан

7. Оптимизация доверительного региона без риска для снижения волатильности вознаграждения . IJCAI 2020: ИИ в FinTech. бумага

   Лоренцо Бизи, Лука Саббиони, Эдоардо Виттори, Маттео Папини, Марчелло Рестелли

8. Выявление аномалий с использованием частых закономерностей . KDD 2017: Обнаружение аномалий в финансах. бумага

   Ярослав Кухарж, Войтех Сватек

9. Коллективное обнаружение мошенничества. Учет зависимости между транзакциями . KDD 2017: Обнаружение аномалий в финансах. бумага

   Бокай Цао, Миа Мао, Сийм Вииду, Филип С. Ю

10. Автоматизированная система обнаружения аномалий атрибутов данных . KDD 2017: Обнаружение аномалий в финансах. бумага

    Налин Аггарвал, Александр Статников, Чао Юань

более

11. Поиск неблагоприятных исходов с использованием обнаружения аномалий . KDD 2017: Обнаружение аномалий в финансах. бумага

    Мишель Миллер, Робер Сезо

12. Обнаружение аномалий с помощью деревьев оценки плотности . KDD 2017: Обнаружение аномалий в финансах. бумага

    Парикшит Рам, Александр Грей

13. Бинированные ядра для обнаружения аномалий в разновременных данных с использованием гауссовских процессов . KDD 2017: Обнаружение аномалий в финансах. бумага

    Мэттью ван Адельсберг, Кристиан Швантес

14. Обнаружение аномалий на основе ансамбля с использованием соглашения о сотрудничестве . KDD 2017: Обнаружение аномалий в финансах. бумага

    Раша Кашеф

15. Система обнаружения аномалий в реальном времени для временных рядов масштаба . KDD 2017: Обнаружение аномалий в финансах. бумага

    Ира Коэн, Меир Толедано, Йонатан Бен Симхон, Инбал Тадески

16. PD-FDS: онлайн-система обнаружения мошенничества с кредитными картами на основе плотности покупок . KDD 2017: Обнаружение аномалий в финансах. бумага

    Ёнджун Ки, Джи Вон Юн

17. Глубокое обучение для выявления мошенничества в лечении среди поставщиков медицинских услуг . KDD 2017: Обнаружение аномалий в финансах. бумага

    Дэниел Ласага, Пракаш Сантана

Финансы НЛП

1. Советник по глубокому семантическому соответствию для проверки соответствия неструктурированных документов . IJCAI 2020: ИИ в FinTech. бумага

   Хунлей Го, Бан Ань, Чжили Го, Чжун Су

2. «The Squawk Bot»: совместное изучение модальностей временных рядов и текстовых данных для автоматизированной фильтрации финансовой информации . IJCAI 2020: ИИ в FinTech. бумага

   Сюань-Хонг Данг, Сайед Юсуф Шах, Петрос Зерфос

3. Единая модель классификации, обнаружения и обобщения финансовых событий . IJCAI 2020: ИИ в FinTech. бумага

   Цюаньчжи Ли, Цюн Чжан

4. F-HMTC: обнаружение финансовых событий для принятия инвестиционных решений на основе нейронной иерархической классификации текста с несколькими метками . IJCAI 2020: ИИ в FinTech. бумага

   Синь Лян, Давэй Чэн, Фанчжоу Ян, Ифэн Ло, Вэйнин Цянь, Аоин Чжоу

5. Прогнозирование финансовых рисков с помощью многораундной сети вопросов и ответов . IJCAI 2020: ИИ в FinTech. бумага

   Чжэнь Е, Юй Цинь, Вэй Сюй

6. FinBERT: предварительно обученная модель представления финансового языка для анализа финансового текста . IJCAI 2020: ИИ в FinTech. бумага

   Чжуан Лю, Дэгэн Хуан, Кайю Хуан, Чжуан Ли, Цзюнь Чжао

7. Двухэтапное клонирование поведения для системы разговорного диалога при взыскании долгов . IJCAI 2020: ИИ в FinTech. бумага

   Цзыхао Ван, Цзя Лю, Хэнбинь Цуй, Чуньсян Цзинь, Минхуэй Ян, Яфан Ван, Сяолун Ли, Ренсинь Мао

Блокчейн

1. BitcoinHeist: Топологический анализ данных для прогнозирования программ-вымогателей в блокчейне Биткойн . IJCAI 2020: ИИ в FinTech. бумага

   Джунейт Г. Аккора, Итао Ли, Юлия Р. Гель, Мурат Кантарчиоглу

2. SEBF: модель расширения блокчейна для финансовых технологий на основе одной цепочки . IJCAI 2020: ИИ в FinTech. бумага

   Иму Цзи, Вэйхэн Гу, Фэй Чен, Сяоин Сяо, Цзин Сунь, Шандун Лю, Цзин Хэ, Юньяо Ли, Кайсян Чжан, Фэнь Мэй, Фэй Ву

3. Инфочейн: децентрализованный, не требующий доверия и прозрачный оракул на блокчейне . IJCAI 2020: ИИ в FinTech. бумага

   Наман Гоэль, Сирил ван Шревен, Арис Филос-Рацикас, Бой Фалтингс

Маркет-мейкер

1. Манипулирование рынком: система состязательного обучения для обнаружения и уклонения . IJCAI 2020: ИИ в FinTech. бумага

   Синьтун Ван, Майкл П. Веллман

2. Создание рынка на основе данных посредством безмодельного обучения . IJCAI 2020: ИИ в FinTech. бумага

   Юэян Чжун, Йиман Бергстром, Эми Уорд

3. Надежное создание рынка посредством состязательного обучения с подкреплением . IJCAI 2020: ИИ в FinTech. бумага

   Томас Спунер, Рахул Савани

Другие

1. IGNITE: минимаксная игра, направленная на изучение индивидуальных эффектов лечения на основе сетевых данных наблюдений . IJCAI 2020: ИИ в FinTech. бумага

   Жучэн Го, Цзюньдун Ли, Ичуань Ли, К. Сельчук Цандан, Адриэнн Раглин, Хуан Лю

2. Обучение на основе задач через сеть целенаправленного прогнозирования с приложениями в области финансов . IJCAI 2020: ИИ в FinTech. бумага

   Ди Чен, Яда Чжу, Сяодун Цуй, Карла П. Гомес

3. WATTNet: Обучение торговле на валютном рынке посредством иерархического пространственно-временного представления весьма многомерных временных рядов . IJCAI 2020: ИИ в FinTech. бумага

   Майкл Поли, Джинкю Пак, Илия Илиевски

Книга

1. Эконометрика финансовых рынков

   Джон Ю. Кэмпбелл, Эндрю В. Ло, А. Крэйг Маккинли

2. Достижения в области финансового машинного обучения

   Маркос Лопес де Прадо

3. Финансовые решения и рынки: курс ценообразования активов

   Дж. Кэмпбелл

Дискуссионная группа

Технология AI+Finance может быть использована в следующих случаях: