加拿大市场的金融异常检测
统计金融
2026-04-06 v1 机器学习
摘要
本文我们评估了三类方法在检测金融异常方面的性能：拓扑数据分析 (TDA)、主成分分析 (PCA) 和神经网络方法。我们将这些方法应用于 TSX-60 数据，以识别加拿大股市的重大金融压力事件。我们表明，神经网络方法（如 GlocalKD 和 One-Shot GIN(E)）以及 TDA 方法实现了最佳性能。金融异常检测中 TDA 的有效性表明，全局拓扑性质在区分金融压力事件方面具有意义。
引用
@article{arxiv.2604.02549,
title = {Financial Anomaly Detection for the Canadian Market},
author = {Luigi Caputi and Nicholas Meadows},
journal= {arXiv preprint arXiv:2604.02549},
year = {2026}
}