금융

登入

洞見 - 금융

본 논문에서는 관측 가능한 거래 가능 요인만으로는 설명되지 않는 초과 수익인 알파를 활용하여 전통적인 평균-분산 포트폴리오보다 높은 샤프 지수를 달성하는 포트폴리오 구성 방법을 제시합니다.

금융 분야 특화 일본어 대규모 언어 모델을 지속적 사전 학습을 통해 구축하였으며, 이를 통해 기존 모델 대비 일본 금융 벤치마크 성능이 향상되었다.

ESG 평가 기준이 공개되지 않아 언어 모델 학습에 어려움이 있지만, GPT-4를 활용한 프롬프팅, 연쇄 추론, 동적 문맥 학습 등의 전략을 통해 이를 극복하고 ESG 유형 및 영향 기간 분류 성능을 향상시킬 수 있다.

알파핀 데이터셋을 활용하여 대규모 언어 모델의 금융 분석 능력을 향상시키고, 검색 보강 생성 기술을 통해 실시간 정보를 통합하여 투자자에게 정확한 주식 분석을 제공합니다.

주식 주문장 데이터의 미시구조적 특성이 심층 학습 모델의 예측 성능에 미치는 영향을 분석하고, 실제 거래 상황에서의 활용 가능성을 평가한다.

텐서 신경망은 밀집 신경망과 비교하여 더 빠르고 정확한 가격을 제공합니다.

텐서 신경망은 파라미터를 절약하고 수렴 속도를 향상시키며, 밀도 신경망과 동등한 정확도를 제공합니다.

급여 최적화를 위한 강화 학습 솔루션 제안

금융기관의 ESG 책임과 AI의 중요성

금융 데이터 모델링을 위한 Skew-t Copula 모델의 비대칭 및 극단적인 꼬리 의존성