摘要

对于任何金融机构来说,预测经济和金融变量都是一项关键操作。随着需要预测的粒度增加,传统的统计时间序列模型可能无法很好地扩展;另一方面,很容易错误地过拟合机器学习模型。在本章中,我们将描述传统时序分析的基础知识,讨论神经网络的工作原理,展示如何使用神经网络实现时间序列预测,最后展示一个来自微软的真实数据示例。特别是,微软成功地使用深度神经网络与课程学习进行收入预测,实现了比传统技术更高的精度

介绍了一个真实案例研究,摘自微软 [19] 进行的研究。开发了特定方法来预测与企业和中小型企业 (SMC) 产品相对应的 Microsoft 收入数据,这些数据跨越全球约 60 个地区,涉及 8 个不同的业务部门,总计数百亿美元。特别是,这种时间序列预测是通过借鉴自然语言处理(编码器-解码器 LSTM)和计算机视觉(扩张 CNN)的深度学习技术来完成的。对于这两种技术,都引入了课程学习训练制度,该制度在越来越难以预测的趋势线上进行训练。相对于微软以前使用传统技术的基线预测模型,由此产生的预测在测试数据的整体准确性上提高了 30%。

成为VIP会员查看完整内容
58

相关内容

长期以来,人工智能 (AI)在金融领域的研究和实施方面一直非常活跃。早在 1960 年代,金融部门就已经参与围绕贝叶斯统计(机器学习的主要内容)开发创新。这些开创性的用例基于监控股票市场和为投资者做出预测。今天,这一传统继续存在于人工智能驱动的机器人顾问身上,旨在提供基于算法的自动化财务规划服务,而无需人工协助。现代金融已将其人工智能应用多样化,包括简化内部业务流程和改善整体客户体验。财务专业人士和客户都可能会定期遇到 AI,因为大多数与服务相关的日常问题都是使用某种程度的AI 驱动的自动化来处理/解决的。为了满足客户对更快、更方便、更安全的金融体验不断增长的需求,这一趋势可能会加速。
【AI+医疗健康】美国数字健康战略(附44页最新报告)
专知会员服务
87+阅读 · 2022年3月15日
【开放书】数据科学经济金融应用,357页pdf
专知会员服务
64+阅读 · 2022年3月10日
【经典书】机器学习统计学,476页pdf
专知会员服务
118+阅读 · 2021年7月19日
专知会员服务
51+阅读 · 2021年6月2日
【哥伦比亚大学博士论文】深度概率图建模147页pdf
专知会员服务
85+阅读 · 2021年4月27日
《多任务学习》最新综述论文,20页pdf
专知会员服务
121+阅读 · 2021年4月6日
【综述】金融领域中的深度学习,附52页论文下载
专知会员服务
161+阅读 · 2020年2月27日
【AI+体育】机器学习在体育应用概述
专知
3+阅读 · 2022年4月17日
【赠书】TensorFlow自然语言处理
AINLP
17+阅读 · 2019年7月14日
斯坦福AI实验室机器学习编程新范式:弱监督
机器之心
12+阅读 · 2019年3月22日
迁移学习在深度学习中的应用
专知
23+阅读 · 2017年12月24日
深度学习实战(二)——基于Keras 的深度学习
乐享数据DataScientists
15+阅读 · 2017年7月13日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
Arxiv
19+阅读 · 2018年6月27日
Arxiv
21+阅读 · 2018年2月14日
Arxiv
25+阅读 · 2017年12月6日
VIP会员
相关VIP内容
【AI+医疗健康】美国数字健康战略(附44页最新报告)
专知会员服务
87+阅读 · 2022年3月15日
【开放书】数据科学经济金融应用,357页pdf
专知会员服务
64+阅读 · 2022年3月10日
【经典书】机器学习统计学,476页pdf
专知会员服务
118+阅读 · 2021年7月19日
专知会员服务
51+阅读 · 2021年6月2日
【哥伦比亚大学博士论文】深度概率图建模147页pdf
专知会员服务
85+阅读 · 2021年4月27日
《多任务学习》最新综述论文,20页pdf
专知会员服务
121+阅读 · 2021年4月6日
【综述】金融领域中的深度学习,附52页论文下载
专知会员服务
161+阅读 · 2020年2月27日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员