Synthetische Datengenerierung für Finanzanwendungen: Überblick und Fallstudien
Synthetische Daten haben in verschiedenen kommerziellen Bereichen wie Finanzen, Gesundheitswesen und virtuelle Realität enorme Fortschritte gemacht. Dieser Artikel bietet einen breiten Überblick über prototypische Anwendungen synthetischer Daten im Finanzsektor und geht im Detail auf einige ausgewählte Anwendungen ein.
Finanzielle Standardvorhersage mit Motiv-erhaltendem Graph Neural Network und Curriculum Learning
MotifGNN verbessert die finanzielle Standardvorhersage durch die Integration von Motiven in ein Graph Neural Network.
Vereinigung von Chinesisch und Englisch in Finanziellen Großen Sprachmodellen
ICE-PIXIU ermöglicht die Vereinigung von Chinesisch und Englisch in Finanzmodellen für eine verbesserte Analyse.
AI in ESG for Financial Institutions: An Industrial Survey
Die Integration von Künstlicher Intelligenz (KI) in Umwelt-, Sozial- und Governance-Initiativen (ESG) im Finanzsektor ist entscheidend für nachhaltige und gerechte Finanzpraktiken.
Große Schiefe-t-Copula-Modelle und asymmetrische Abhängigkeit bei Intraday-Aktienrenditen
Schiefe-t-Copula-Modelle ermöglichen asymmetrische und extreme Schwanzabhängigkeit in Finanzdaten.
RVRAE - Ein dynamisches Faktormodell zur Vorhersage von Aktienrenditen
RVRAE ist ein innovatives dynamisches Faktormodell, das auf dem Variational Recurrent Autoencoder basiert und überlegene Leistungen bei der Vorhersage von Aktienrenditen bietet.
Anwendung von News- und Medien-Sentiment-Analyse zur Generierung von Forex-Handelssignalen
Sentiment-Analyse ist ein wertvolles Instrument zur Vorhersage von Marktbewegungen und zur Generierung von Handelssignalen im Forex-Markt.
Analyse von Blockchain-Metriken und Indikatoren im Kryptowährungshandel
Die Verwendung von Blockchain-Metriken kann die Rentabilität im Kryptowährungshandel steigern.
Leisten Weibo-Plattform-Experten eine bessere Vorhersage der Börse?
Finanzexperten auf der Weibo-Plattform erzielen genauere Börsenvorhersagen als Nicht-Experten.
Lernen, um erklärbar Aktienprognosen mit selbstreflektierenden großen Sprachmodellen zu generieren
Große Sprachmodelle können erklärbarere Aktienprognosen generieren, indem sie sich selbst beibringen, wie sie Entscheidungen treffen.
© 2024 by Linnk AI