加入网络研讨会
在开始前5分钟保存日期并加入网络研讨会。
以下是本周发生的事情：
机器学习资产分配
机器学习资产分配
由True Positive Technologies首席信息官Marcos Lopez de Prado介绍
凸优化解决方案往往是不稳定的，以至于完全抵消了优化的好处。例如，在金融应用的背景下，众所周知，在样本中优化的投资组合往往低于样本外的天真（等权重）分配。这种不稳定性可追溯到两个来源：
- 输入变量中的噪声；以及
- 放大输入变量中估计误差的信号结构。
有大量的文献讨论噪声引起的不稳定性。相反，信号引起的不稳定性往往被忽视或误解。我们提出了一种新的优化方法，它对信号引起的不稳定性具有鲁棒性。
具有渐近控制的神经网络
具有渐近控制的神经网络
由丹斯克银行首席分析师Alexandre Antonov介绍
近年来，人工神经网络（ANNs）作为一种精确、快速的逼近工具被广泛应用于各种衍生品定价领域。人工神经网络通常擅长拟合函数，它们在训练的输入参数上近似，并且通常在它们之间的插值方面相当出色。然而，对于标准人工神经网络，它们的外推行为（金融应用的一个重要方面）由于通常涉及复杂的函数形式而无法控制。我们克服了这一重大限制，并开发了一种新型的神经网络，它结合了大值渐近性，当已知时，允许对外推进行显式控制。
科罗纳免疫你的投资组合：从全球宏观趋势到防科罗纳量化投资
科罗纳免疫你的投资组合：从全球宏观趋势到防科罗纳量化投资
由阿姆斯特丹弗里杰大学定量金融副教授斯维特拉娜·博罗夫科娃（Svetlana Borovkova）介绍
人们只能推测冠状病毒流行后的世界会是什么样子。但我们现在已经可以观察到一些宏观经济和消费趋势。利用情绪和搜索行为等替代数据，我将概述几个新兴趋势，并将其转化为情景，这些情景可用于评估股票投资组合在后日冕时代的阻力。我将谈到诸如质量和可持续性等因素，但也有其他，新的后日冕因素将发挥重要作用，使您的股票投资组合免受日冕效应。最后，我将谈到最近观察到的负油价的风险和建模挑战。
展望后向利率：完成广义远期市场模型
展望后向利率：完成广义远期市场模型
由彭博社Quant Analytics全球主管Fabio Mercurio介绍。
在本次演讲中，我们将展示如何扩展Lyashenko和Mercurio（2019）提出的广义远期市场模型（FMM），使其成为一个完整的期限结构模型，描述收益率曲线上所有点的演变以及银行账户的演变。一旦伦敦银行同业拆借利率被衍生工具和现金合同中的设定拖欠利率所取代，除了远期曲线外，对银行账户进行建模的能力将是至关重要的，在衍生工具和现金合同中，固定利率是根据已实现的银行账户价值来定义的。
